【Python环境】Python的数据分析——前言

一. Python相关的科学计算库 ● NumPy NumPy是Numerical Python的简称，是Python科学计算的基础库。它提供了如下内容：快速有效的多维数组对象ndarray，数组之间的运算，基于数组的数据读写到磁盘功能，线代运算，傅里叶变换，随机数生成，将C、C++和Fortran集成到Python的工具。 ● pandas pandas提供了丰富的数据结构和功能，可以快速、简单、富于表现地处理结构化数据。它是使Python在数据分析领域强大高效的关键组件之一。本书用到pandas关键组件之一是DataFrame，它是面向列的数据结构，在行列都有标签的二维表。pandas命名源于panel data，一个描述多维结构化数据的经济术语。 ● matplotlib matplotlib是绘制平面图和二维可视化最流行的Python库。它与IPython集成很好，提供了方便的接口来绘制和探究数据。 ● IPython IPython是Python标准科学计算的组成部分，它将其他组件结合到一起。IPython通常参与Python的大部分工作，包括运行、调试和测试。除了终端，在工程中IPython还提供：HTML笔记本来连接浏览器，Qt界面来显示、编辑和高亮，并行和分布式计算的组件。 ● SciPy SciPy是解决科学计算各种标准问题的包集，比如包括： ◎ scipy.integrate 数字集合的方程和不等式解决方案 ◎ scipy.linalg 扩展了numpy.linalg的线代方程和矩阵分解 ◎ scipy.optimize 方程优化和求根 ◎ scipy.signal 信号处理工具 ◎ scipy.sparse 稀疏矩阵和稀疏线性解决 ◎ scipy.special 是SPECFUN封装，实现了基本函数功能的Fortran库 ◎ scipy.stats 标准连续和离散的概率分布，各种统计检验 ◎ scipy.weave 用内嵌的c++代码来加速数组运算