【Python环境】数据科学之5个最佳Python库，为初学者定制的教程

如果你已经决定把Python作为你的编程语言，那么，你脑海中的下一个问题会是：“进行数据分析有哪些Python库可用？”

Python有很多库可用来进行数据分析。但不必担心，你不需要学习所有那些可用库。你只须了解5个Python库，就可以完成绝大多数数据分析任务。下面逐一简单介绍这5个库，并提供你一些最好的教程来学习它们。 1.Numpy 对于科学计算，它是Python创建的所有更高层工具的基础。以下是它提供的一些功能： 1. N维数组，一种快速、高效使用内存的多维数组，它提供矢量化数学运算 。 2. 你可以不需要使用循环，就对整个数组内的数据行标准数学运算。 3. 非常便于传送数据到用低级语言（如C或C++）编写的外部库，也便于外部库以Numpy数组形式返回数据。 NumPy不提供高级数据分析功能，但有了对NumPy数组和面向数组的计算的理解，能帮助你更有效地使用像Pandas之类的工具。 教程： 1. Scipy.org提供了Numpy库的简要说明

http://scipy.org/

2. 这个教程棒极了，完全注重于Numpy的可用性

2.Scipy Scipy库依赖于NumPy，它提供便捷和快速的N维向量数组操作。SciPy库的建立就是和NumPy数组一起工作，并提供许多对用户友好的和有效的数值例程，如：数值积分和优化。SciPy提供模块用于优化、线性代数、积分以及其它数据科学中的通用任务。 教程： 我找不到比Scipy.org更好的教程了，它学习Scipy的最佳教程

3.Pandas Pandas包含高级数据结构，以及和让数据分析变得快速、简单的工具。它建立在NumPy之上，使以NumPy为中心的应用变得简单。 1. 带有坐标轴的数据结构，支持自动或明确的数据对齐。这能防止由于数据没有对齐，以及处理不同来源的、采用不同索引的数据而产生的常见错误。 2. 使用Pandas更容易处理缺失数据。 3. 合并流行数据库（如：基于SQL的数据库）中能找到 的关系操作。 Pandas是进行数据清洗/整理（data munging）的最好工具。 教程： 1. Pandas快速入门

2. Alfred Essa有一系列关于Pandas的视频，这些视频应该会让你很好地了解基本概念。

http://alfredessa.com/data-analysis-tutorial/2-pandas-library/

3. 还有，不可错过Shane Neeley提供的教程视频，它全面介绍了Numpy, Scipy和Matplotlib

Matplotlib Matlplotlib是Python的一个可视化模块。它让你方便地制作线条图、饼图、柱状图以及其它专业图形。使用Matplotlib，你可以定制所做图表的任一方面。在IPython中使用时，Matplotlib有一些互动功能，如：缩放和平移。它支持所有的操作系统下不同的GUI后端（back ends），并且可以将图形输出为常见地矢量图和图形格式，如：PDF、SVG、JPG、PNG、BMP和GIF等。 教程： 1. ShowMeDo网站上有一个关于很好地教程

2. 推荐这本书Packt出版社的操作宝典，对于初学者来说，这本书真是极棒的～

5.Scikit-learn Scikit-learn是一个用于机器学习的Python模块。它建立在Scipy之上，提供了一套常用机器学习算法，让使用者通过一个统一的接口来使用。Scikit-learn有助于你迅速地在你的数据集上实现流行的算法。 看一下Scikit-learn中提供的算法列表，你就会马上意识到它包含了许多用于标准机器学习任务的工具，如：聚类、分类和回归等。

教程： 1. Scikit-learn入门

2. 来自于Scikit-learn.org的教程

结束语 还有其它一些库，如：用于自然语言处理的Nltk，用于网站数据抓取的Scrappy ，用于网络挖掘的Pattern ，用于深度学习的Theano等。 但是，如果你正开始学习Python，我建议你首先熟悉这5个库。 我说过，这些教程都非常适合初学者。不过，在学习这些教程前，先要熟悉Python语言的基本编程知识。