一 概述

Python生態(tài)系統(tǒng)的一些核心基礎(chǔ)數(shù)據(jù)分析庫：

NumPy：支持大量的維度數(shù)組與矩陣運算，此外也針對數(shù)組運算提供大量的數(shù)學(xué)函數(shù)庫，包含：

一個強大的N維數(shù)組對象 ndarray廣播功能函數(shù)整合 C/C++/Fortran 代碼的工具線性代數(shù)、傅里葉變換、隨機數(shù)生成等功能

SciPy：這也是一個功能強大的科學(xué)計算庫，用于執(zhí)行科學(xué)，數(shù)學(xué)和工程運算。包含的模塊有最優(yōu)化、線性代數(shù)、積分、插值、特殊函數(shù)、快速傅里葉變換、信號處理和圖像處理、常微分方程求解和其他科學(xué)與工程中常用的計算。

Pandas：

可以從各種文件格式比如 CSV、JSON、SQL、Microsoft Excel 導(dǎo)入數(shù)據(jù)。

可以對各種數(shù)據(jù)進行運算操作，比如歸并、再成形、選擇，還有數(shù)據(jù)清洗和數(shù)據(jù)加工特征。

廣泛應(yīng)用在學(xué)術(shù)、金融、統(tǒng)計學(xué)等各個數(shù)據(jù)分析領(lǐng)域。

Scikit-learn：代表“機器學(xué)習(xí)的科學(xué)工具包”。它是一個機器學(xué)習(xí)庫，提供了各種有監(jiān)督和無監(jiān)督的算法，例如回歸，分類，降維，聚類分析和異常檢測。

Matplotlib：這是一個核心的數(shù)據(jù)可視化庫，并且是Python中所有其他可視化庫的基礎(chǔ)庫。它提供2D和3D繪圖，圖形，圖表以及用于數(shù)據(jù)瀏覽的圖形。它在NumPy和SciPy之上運行。

Seaborn：這是基于Matplotlib的，提供了易于繪制，高層次，互動性和更有條理的平面圖。

Plotly：是一個數(shù)據(jù)可視化庫。它提供了高質(zhì)量的交互式圖表，例如散點圖，折線圖，條形圖，直方圖，箱形圖，熱圖和子圖。

二官網(wǎng)鏈接

三 安裝指南

各組件的安裝方法類似，以NumPy為參考。

Python 官網(wǎng)上的發(fā)行版是不包含 NumPy 模塊的，我們可以使用以下幾種方法來安裝。

3.1、使用已有的發(fā)行版本

對于許多用戶，尤其是在 Windows 上，最簡單的方法是下載以下的 Python 發(fā)行版，它們包含了所有的關(guān)鍵包

（包括 NumPy，SciPy，matplotlib，IPython，SymPy 以及 Python 核心自帶的其它包）：

Anaconda: 免費 Python 發(fā)行版，用于進行大規(guī)模數(shù)據(jù)處理、預(yù)測分析，和科學(xué)計算，致力于簡化包的管理和部署。

支持 Linux, Windows 和 Mac 系統(tǒng)。

Enthought Canopy: 提供了免費和商業(yè)發(fā)行版。持 Linux, Windows 和 Mac 系統(tǒng)。

Python(x,y) : 免費的 Python 發(fā)行版，包含了完整的 Python 語言開發(fā)包 及 Spyder IDE。

支持 Windows，僅限 Python 2 版本。

WinPython:另一個免費的 Python 發(fā)行版，包含科學(xué)計算包與 Spyder IDE。

支持 Windows。

Pyzo: 基于 Anaconda 的免費發(fā)行版本及 IEP 的交互開發(fā)環(huán)境，超輕量級。

支持 Linux, Windows 和 Mac 系統(tǒng)。

3.2、使用 pip 安裝

安裝 NumPy 最簡單的方法就是使用pip 工具：

pip3 install --user numpy scipy matplotlib

--user 選項可以設(shè)置只安裝在當前的用戶下，而不是寫入到系統(tǒng)目錄。

默認情況使用國外線路，國外太慢，我們使用清華的鏡像就可以:

pip3 install numpy scipy matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple

3.3、使用pycharm安裝

• 點擊 pycharm
• 點擊preferences
• 點擊 python interpreter
• 點擊 +
• 檢索安裝

3.4、安裝驗證

測試是否安裝成功：

>>> from numpy import *
>>> eye(4)
array([[1., 0., 0., 0.],
       [0., 1., 0., 0.],
       [0., 0., 1., 0.],
       [0., 0., 0., 1.]])

四 上手應(yīng)用

以NumPy為例，更多玩法請查看官方文檔。

numpy.vdot() 函數(shù)是兩個向量的點積。

如果第一個參數(shù)是復(fù)數(shù)，那么它的共軛復(fù)數(shù)會用于計算。

如果參數(shù)是多維數(shù)組，它會被展開。

import numpy as np 
a = np.array([[1,2],[3,4]])
b = np.array([[11,12],[13,14]])
# vdot 將數(shù)組展開計算內(nèi)積
print(np.vdot(a,b))

輸出結(jié)果為：

130

以上就是pypython自學(xué)建議收藏學(xué)習(xí)的七個生態(tài)系統(tǒng)核心庫的詳細內(nèi)容，更多關(guān)于pypython生態(tài)系統(tǒng)核心庫的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論