6Python数据分析常用工具与类库常用工具与类库79课件讲解.pptxVIP

常用工具与类库6.Python数据分析常用工具与类库类库是用来实现各种功能的类的集合，Python本身的数据分析功能不是很强，需要借助一些功能强大的第三方扩展库来增强其数据分析能力，常用的扩展库有NumPy、Pandas、Matplotlib、SciPy、Seaborn和Scikit-learn等，这些库在数据分析中起着很重要的作用，有关这些库的使用将在后面模块中做详细介绍。（1）NumPyNumPy（NumericalPython）是Python科学计算的基础包，是机器学习框架的基础类库。

常用工具与类库6.Python数据分析常用工具与类库（2）PandasPandas是Python数据分析的核心库，它是基于NumPy构建的含有复杂数据结构和工具的数据分析包。Pandas纳入大量库和标准数据模型，提供了大量的可快速便捷处理数据的函数和高效操作大型数据集所需的工具。Pandas围绕Series和DataFrame这两个核心数据结构展开的，而Series和DataFrame分别对应于一维序列和二维表结构。Pandas提供了复杂精细的索引功能，以便快捷地完成切片、切块、聚合、选取数据子集、重塑和处理缺失值等操作。

常用工具与类库6.Python数据分析常用工具与类库（3）MatplotlibMatplotlib是最流行的用于绘制数据图表的Python库，能够根据我们提供的数据创建高质量的图形。Matplotlib中应用较为广泛的模块是pyplot，该模块提供了一套与MATLAB类似的绘图API，可以方便用户快速绘制2D图表，例如折线图、柱状图、条形图、直方图、散点图、饼图等。Matplotlib使用NumPy进行数组运算，并调用一系列其他的Python库来实现交互功能。Matplotlib库中还提供了名为pylab的模块，其中包括了许多NumPy和pyplot中常用的函数，方便用户快速进行计算和绘图。

常用工具与类库6.Python数据分析常用工具与类库（4）SciPySciPy是一个专门用于科学计算的开源Python库，它建立在NumPy的基础上，提供了一个用在Python中进行科学计算的工具集。SciPy完善了NumPy的功能，封装了大量科学计算的算法，包括线性代数、稀疏矩阵、信号和图像处理、最优化问题、常微分方程数值求解、快速傅里叶变换等。

常用工具与类库6.Python数据分析常用工具与类库（5）SeabornSeaborn是一个基于Matplotlib的可视化工具，它提供了一种高度交互式界面，便于用户能够做出各种有吸引力的统计图形。Seaborn在Matplotlib的基础上进行了更高级的封装，提供了很多高级封装的函数，帮助数据分析人员快速绘制美观的图形，从而使得图形绘制更加方便快捷，在大多数情况下，Seaborn可以让用户以更简洁有效的方式绘制出很具有吸引力的图形，Seaborn能高度兼容NumPy与Pandas数据结构，Seaborn是Matplotlib的补充，有助于更高效地观察分析数据。

常用工具与类库6.Python数据分析常用工具与类库（6）pyecharts库pyecharts是一个强大的可视化库，相比于matplotlib来说，具有强大的可交互功能，除了可以生成静态图像，还可以生成html格式图像。使用pyecharts可以生成独立的网页，也可以在flask、Django中集成使用。

常用工具与类库6.Python数据分析常用工具与类库（7）Scikit-learnScikit-learn最初是SciPy的一部分，它是Python数据科学运算的核心，提供了大量机器学习可能用到的工具，包括：数据预处理、监督学习（分类、回归）、无监督学习（聚类）、模式选择、交叉检验等。Scikit-learn是一个简单有效的数据挖掘和数据分析工具，是一个专门针对机器学习应用而开发的Python开源库，Scikit-learn是建立在NumPy、SciPy和Matplotlib的基础上的，对一些常用的算法进行了封装，利用这几大模块的优势，可以大大提高机器学习的效率。Scikit-learn简称为Sklearn，其基本功能主要包括：分类、回归、聚类、数据降维、特征提取、模型选择、数据预处理和模型评估。

《大数据分析技术应用》主讲人：张琛玮第一章：数据分析基础