数据科学领域常用python库

pandas

Pandas 的名称源自 “ panel data ”，这是一个计量经济学术语，用于表示多维结构化数据集和 “ Python 数据分析”。众所周知，清理和转换数据在数据分析中非常重要，Pandas 提供了丰富的数据结构和功能，使数据处理变得快速、轻松、富有表现力。

Pandas 允许您从不同的文件格式（例如 CSV，JSON，SQL 和 Microsoft Excel）导入数据。它基于两个主要数据结构：“Series”（一维）和 “DataFrame”（二维）。数据框与统计软件（例如 Excel 和 SPSS）中的表非常相似。Pandas 允许执行各种数据操作，例如处理和填补缺失的数据，建立索引，从数据框中添加和删除列，合并，重塑，选择等。

numpy

NumPy（Numerical Python）是Python 中最常用的数组处理程序包之一，用于科学计算和执行高级数组操作。它是许多库的基础，例如机器学习的 SciPy 和 scikit-learn。NumPy 有助于对数组及其向量化进行数学运算，这可以提高性能和执行时间。

scipy

SciPy（Scientific Python）是用于高级科学计算的另一个核心库。它基于 NumPy 构建，并扩展了其功能，提供了许多友好且高效的模块，用于科学和数值计算。SciPy 包含处理数据集成，数据优化，数据插值，数据修改，线性代数，概率论，随机数生成，积分演算，傅立叶变换等的模块。

matplotlib

Matplotlib 是 Python 中使用最广泛的可视化库，可以用于创建二维和三维图表。Matplotlib 可容纳图例，标签和网格，甚至可以使用 Matplotlib 讲个故事。Matplotlib 可以创建包括饼图，条形图，散点图，直方图，折线图在内的多种图形，许多流行的绘图库（例如 seaborn）都设计为可与 matplotlib 配合使用。

scikit-learn

Scikit-Learn 是一个免费的机器学习 Python 库，用于数据挖掘任务和建模（例如回归，分类和聚类）。它包含监督和非监督算法，例如决策树，SVM，朴素贝叶斯，随机森林，交叉验证，k 均值聚类等。NumPy，SciPy，Matplotlib，Pandas都支持 Scikit-Learn。