1 熟悉 Python 数据分析的工具 认识数据分析 2 安装 Python 的 Anaconda 发行版 3 掌握 Jupyter Notebook 常用功能 4-1761012305168.pptxVIP

;简单、易学

免费、开源

高级语言

强大的第三方类库

可扩展性、可嵌入性、跨平台性

;1．IPython——科学计算标准工具集的组成部分

是一个增强的Pythonshell，目的是提高编写、测试、调试Python代码的速度。

主要用于交互式数据并行处理，是分布式计算的基础架构。

提供了一个类似于Mathematica的HTML笔记本，一个基于Qt框架的GUI控制台，具有绘图、多行编辑以及语法高亮显示等功能。

Jupyternotebook的运行基础。;2．NumPy(NumericalPython)——Python科学计算的基础包

快速高效的多维数组对象ndarray。

对数组执行元素级的计算以及直接对数组执行数学运算的函数。

读写硬盘上基于数组的数据集的工具。

线性代数运算、傅里叶变换，以及随机数生成的功能。

将C、C++、Fortran代码集成到Python的工具。

;3．SciPy——专门解决科学计算中各种标准问题域的模块的集合

scipy.integrate数值积分例程和微分方程求解器

scipy.linalg扩展了由numpy.linalg提供的线性代数例程和矩阵分解功能

scipy.optimize函数优化器（最小化器）以及根查找算法

scipy.signal信号处理工具

scipy.sparse稀疏矩阵和稀疏线性系统求解器

scipy.specialSPECFUN（这是一个实现了许多常用数学函数的Fortran库）的包装器

scipy.stats检验连续和离散概率分布、各种统计检验方法，以及更好的描述统计法

scipy.weave利用内联C++代码加速数组计算的工具;4．Pandas——数据分析核心库

提供了一系列能够快速、便捷地处理结构化数据的数据结构和函数。

高性能的数组计算功能以及电子表格和关系型数据库（如SQL）灵活的数据处理功能。

复杂精细的索引功能，以便便捷地完成重塑、切片和切块、聚合及选取数据子集等操作。

;5．Matplotlib——绘制数据图表的Python库

Python的2D绘图库，非常适合创建出版物上用的图表。

操作比较容易，只需几行代码即可生成直方图、功率谱图、条形图、错误图和散点图等图形。

提供了pylab的模块，其中包括了NumPy和pyplot中许多常用的函数，方便用户快速进行计算和绘图。

交互式的数据绘图环境，绘制的图表也是交互式的。

;6．scikit-learn——数据挖掘和数据分析???具

简单有效，可以供用户在各种环境下重复使用。

封装了一些常用的算法方法。

基本模块主要有数据预处理、模型选择、分类、聚类、数据降维和回归6个，在数据量不大的情况下，scikit-learn可以解决大部分问题。

;7.Spyder——交互式Python语言开发环境

提供高级的代码编辑、交互测试和调试等特性。

包含数值计算环境。

可用于将调试控制台直接集成到图形用户界面的布局中。

模仿MATLAB的“工作空间”，可以很方便地观察和修改数组的值。