2、Python数据科学工具与环境搭建

Python数据科学工具与环境搭建

1. 核心Python库介绍

1.1 pandas

pandas为金融用户提供了丰富且高性能的时间序列功能和适合处理金融数据的工具，最初就是为金融数据分析应用而设计的。对于使用R语言进行统计计算的用户来说，DataFrame这个名称并不陌生，它借鉴了R中的data.frame对象，但pandas的DataFrame功能更强大，R的data.frame功能本质上是pandas DataFrame的严格子集。

1.2 matplotlib

matplotlib是Python中最流行的用于绘制图表和进行二维数据可视化的库。它由John D. Hunter创建，现在由一个庞大的开发团队维护，适合创建可用于出版的图表。它与IPython集成良好，提供了一个舒适的交互式绘图和探索数据的环境，图表还支持交互操作，可通过绘图窗口的工具栏进行缩放和平移。

1.3 IPython

IPython是标准科学Python工具集中的核心组件，它将各个工具连接在一起，提供了一个强大且高效的交互式和探索性计算环境。它是一个增强版的Python shell，可加速Python代码的编写、测试和调试，尤其适合与数据交互以及使用matplotlib进行数据可视化。除了标准的基于终端的IPython shell，它还提供以下功能：
- 类似Mathematica的HTML笔记本，可通过Web浏览器连接到IPython。
- 基于Qt框架的GUI控制台，支持内联绘图、多行编辑和语法高亮。
- 交互式并行和分布式计算的基础设施。

1.4 SciPy