- NumPy
NumPy（Numerical Python的缩写）是顶级的库之一，它配备了大量有用的资源来帮助数据科学家将Python变成强大的科学分析和建模工具。这个流行的开源库可以在BSD许可下使用。它是在科学计算中执行任务的基础Python库。NumPy是一个更大的基于python的开源工具生态系统SciPy的一部分。
这个库为Python提供了大量的数据结构，可以轻松地执行多维数组和矩阵计算。除了用于求解线性代数方程和其他数学计算之外，NumPy还被用作不同类型通用数据的通用多维容器。
此外，它能够完美集成其他编程语言，如C/ c++和Fortran。NumPy库的多功能性使它能够轻松快速地与各种数据库和工具相结合。例如，让我们看看如何使用NumPy(缩写为np)来相乘两个矩阵。
从导入库开始(对于这些示例，我们将使用Jupyter笔记本)。
import numpy as np
接下来，让我们使用eye()函数生成具有规定维数的单位矩阵：
matrix_one = np.eye(3)
matrix_one
输出结果如下：
array([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])
让我们生成另一个3x3矩阵。
我们将使用arange([起始号码]、[停止号码])函数来排列数字。注意，函数中的第一个参数是要列出的初始数字，最后一个数字不包含在生成的结果中
此外，reshape（）函数用于将原始生成的矩阵的维数修改为所需的维数。为了使矩阵“可乘”，它们应该具有相同的维度。
matrix_two = np.arange(1,10).reshape(3,3)
matrix_two
输出如下：
array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
让我们使用dot（）函数乘以两个矩阵：
matrix_multiply = np.dot(matrix_one, matrix_two)
matrix_multiply
输出如下：
array([[1., 2., 3.],
[4., 5., 6.],
[7., 8., 9.]])
接着，我们设法在不使用vanilla Python的情况下将两个矩阵相乘。以下是此示例的完整代码：
import numpy as np
generating a 3 by 3 identity matrix
matrix_one = np.eye(3)
matrix_one
generating another 3 by 3 matrix for multiplication
matrix_two = np.arange(1,10).reshape(3,3)
matrix_two
multiplying the two arrays
matrix_multiply = np.dot(matrix_one, matrix_two)
matrix_multiply
- Pandas
panda是另一个可以提高您的Python数据科学技能的大型库。就像NumPy一样，它属于SciPy开源软件家族，并且可以在BSD自由软件许可下使用。
Pandas提供多功能和强大的工具，用于整理数据结构和执行大量数据分析。该库适用于不完整，非结构化和无序的实际数据，并提供了用于整形，聚合，分析和可视化数据集的工具。
此库中有三种类型的数据结构：
Series：单维阵列
DataFrame：具有异构类型列的二维
Panel：三维，大小可变数组
例如，让我们看看Panda Python库（缩写为pd）如何用于执行一些描述性统计计算。从导入库开始：
import pandas as pd
先创建一个系列字典：
d = {'Name':pd.Series(['Alfrick','Michael','Wendy','Paul','Dusan','George','Andreas',
'Irene','Sagar','Simon','James','Rose']),
'Years of Experience':pd.Series([5,9,1,4,3,4,7,9,6,8,3,1]),
'Programming Language':pd.Series(['Python','JavaScript','PHP','C++','Java','Scala','React','Ruby','Angular','PHP','Python','JavaScript'])
}
再创建一个DataFrame。
df = pd.DataFrame(d)
输出表如下：
Name Programming Language Years of Experience
0 Alfrick Python 5
1 Michael JavaScript 9
2 Wendy PHP 1
3 Paul C++ 4
4 Dusan Java 3
5 George Scala 4
6 Andreas React 7
7 Irene Ruby 9
8 Sagar Angular 6
9 Simon PHP 8
10 James Python 3
11 Rose JavaScript 1
下面是这个示例的全部代码:
import pandas as pd
creating a dictionary of series
d = {'Name':pd.Series(['Alfrick','Michael','Wendy','Paul','Dusan','George','Andreas',
'Irene','Sagar','Simon','James','Rose']),
'Years of Experience':pd.Series([5,9,1,4,3,4,7,9,6,8,3,1]),
'Programming Language':pd.Series(['Python','JavaScript','PHP','C++','Java','Scala','React','Ruby','Angular','PHP','Python','JavaScript'])
}
Create a DataFrame
df = pd.DataFrame(d)
print(df)
//代码效果参考：http://www.ezhiqi.com/zx/art_7164.html
- Matplotlib
Matplotlib也是SciPy核心软件包的一部分，遵循BSD许可协议。它是一个流行的Python科学库，用于生成简单而强大的可视化。风格类似 Matlab 的基于Python的图表绘图系统，它提供了一整套和 matlab 相似的命令 API，十分适合交互式地进行制图。而且也可以方便地将它作为绘图控件，嵌入 GUI 应用程序中。
下面，让我们体会一下Matplotlib库是如何创建简单的条形图，从导入库开始：
from matplotlib import pyplot as plt
接着，生成x轴和y轴的值：
x = [2, 4, 6, 8, 10]
y = [10, 11, 6, 7, 4]
接着调用绘制条形图的功能
plt.bar(x,y)
plt.show()
生成的条形图如下：
以下是此示例的完整代码：
importing Matplotlib Python library
from matplotlib import pyplot as plt
same as import matplotlib.pyplot as plt
generating values for x-axis
x = [2, 4, 6, 8, 10]
generating vaues for y-axis
y = [10, 11, 6, 7, 4]
calling function for plotting the bar chart
plt.bar(x,y)
showing the plot
plt.show()
//代码效果参考：http://www.ezhiqi.com/bx/art_6127.html
Python编程语言在数据处理和准备方面一直做得很好，但在复杂的科学数据分析和建模方面做得就不那么好了。用于数据科学的顶级Python框架有助于填补这一空白，它允许用户执行复杂的数学计算并创建对数据有意义的复杂模型。
