Python 库介绍(Python for data analysis, 2ed)

Numpy

Numpy, 为Numerical Python的缩写，包含以下内容：

1. 快速高效的多维数组体ndarray
2. 对数组进行元素级计算或数组间的数学运算的函数
3. 对硬盘进行读写数组的工具
4. 线性代数运算，Fourier变换，以及随机数生成
5. 成熟的C API对Python进行扩展，可以方便进行原生C或C++代码获取Numpy的数据结构并进行计算

pandas

pandas提供了高阶的数据结构和函数，可以快速简单善于表达地处理结构数据或表格数据，包含以下内容：

1. 对具有标签轴(labeled axes)的数据结构自动支持或显式数据排列----这可以避免由误排数据引起的常规错误，并可以处理来自不同资源的具有不同索引的序列（differently indexed data）
2. Integrated time series functionality
3. 使用相同的数据结构处理时间序列数据和非时间序列数据
4. 算术运算和缩减（reduction）来保存元数据（metadata）
5. 灵活处理缺失的数据
6. merge和其他在流行数据库中的相关操作（例如，SQL-based）

matplotlib

matplotlib是用于绘图和其他二维数据可视化的最流行的Python库

SciPy

Scipy是用于处理科学计算方面的大量不同标准问题的包集，典型的包有：

1. scipy.integrate：常规数值积分和微分方程求解
2. scipy.linalg：对numpy.linalg提供的线性代数运算和矩阵分解的扩展
3. scipy.optimize：函数优化算法和求根算法
4. scipy.signal：信号处理工具
5. scipy.sparse：稀疏矩阵和稀疏线性系统求解
6. scipy.special：关于SPECFUN的封装，一个Fortran库，包含许多常规数学函数，如gama函数
7. scipy.stats：标准连续和离散概率分布(密度函数，样本，连续分布函数)，各种统计试验，以及更多描述性统计(descriptive statistic)

scikit-learn

scikit-learn为Python程序员提供了通用机器学习工具箱，包含以下子模块：

1. 分类：SVM, nearest neighbors, random forest, logistic regression, etc.
2. 回归：Lasso, ridge regression, etc.
3. 聚类：k-means, spectral clustering, etc
4. 降维：PCA, feature selection, matrix factorization, etc.
5. 模型选择：Grid search, cross-validation, metrics
6. 预处理： Feature extraction, normalization

statsmodels

相比于scikit-learn，statsmodels包含经典的统计学(频率派)和计量经济学，有以下子模块：

1. 回归模型：Linear regression, generalized linear models, robust linear models, linear mixed effects models, etc.
2. 方差分析（Analysis of variance(ANOVA)）
3. 时间序列分析：AR, ARMA, ARIMA, VAR, 以及其他模型
4. Nonparametric methods: kernel density estimation, kernel regression
5. 统计学模型结果的可视化