【正文】 硬盤上基于數(shù)組的數(shù)據(jù)集的工具 –線性代數(shù)運(yùn)算、傅里葉變換、以及隨機(jī)數(shù)生成 –用于將 C、 C++、 Fortran代碼集成到 Python的工具 除了為 Python提供快速的數(shù)組處理能力， NumPy在數(shù)據(jù)分析方面還作為在算法之間傳遞數(shù)據(jù)的容器 ? Pandas： pandas提供了使我們能夠快速便捷地處理結(jié)構(gòu)化數(shù)據(jù)的大量數(shù)據(jù)結(jié)構(gòu)和函數(shù) – Pandas兼具 NumPy高性能的數(shù)據(jù)計(jì)算功能以及電子表格和關(guān)系型數(shù)據(jù)庫（如SQL）靈活的數(shù)據(jù)處理功能。 – Pandas提供了大量適用于金融數(shù)據(jù)的高性能時(shí)間序列功能和工具 其他的 Python庫 ? Matplotlib： matplotlib是最流行的用于繪制數(shù)據(jù)圖標(biāo)的 Python庫，實(shí)現(xiàn)數(shù)據(jù)可規(guī)化。 ? SciPy： SciPy是一組與門解決科學(xué)計(jì)算中各種標(biāo)準(zhǔn)問題域的包的集合，包括 – ：數(shù)值積分例秳和韋恩方秳式求解器 – ：擴(kuò)展了由 – ：函數(shù)優(yōu)化器（最小化器）以及根查找算法 – ：信號(hào)處理工具 – ：秲疏矩陣和系數(shù)線性系統(tǒng)求解器 – ： SPECFUN（返是一個(gè)實(shí)現(xiàn)了許多常用數(shù)學(xué)函數(shù)（如伽馬函數(shù)）的 Fortran庫）的包裝器 – ：標(biāo)準(zhǔn)連續(xù)的離散概率分布（如密度函數(shù)、采樣器、連續(xù)分布函數(shù)等）、各種統(tǒng)計(jì)檢驗(yàn)方法，以及更好的描述統(tǒng)計(jì)法。 Anaconda Python 是完全免費(fèi)、跨平臺(tái)、企業(yè)級(jí)的 Python發(fā)行大觃模數(shù)據(jù)處理、預(yù)測(cè)分析和科學(xué)計(jì)算工具。 ? 導(dǎo)入 –import numpy as np –from socket import gethostname, socket NumPy庫介縐 ? NumPy是高性能科學(xué)計(jì)算和數(shù)據(jù)分析的基礎(chǔ)包。 – 用于對(duì)整組數(shù)據(jù)迕行快速運(yùn)算的標(biāo)準(zhǔn)數(shù)學(xué)函數(shù)（無需編寫循環(huán)）。 – 線性代數(shù)、隨機(jī)數(shù)生成以及傅里葉變換功能。 ? 首先要導(dǎo)入 numpy庫： import numpy as np 生成函數(shù) 作用 ( x) ( x, dtype) 將輸入數(shù)據(jù)轉(zhuǎn)化為一個(gè) ndarray 將輸入數(shù)據(jù)轉(zhuǎn)化為一個(gè)類型為 type的 ndarray ( array ) 將輸入數(shù)據(jù)轉(zhuǎn)化為一個(gè)新的（ copy） ndarray ( N ) ( N, dtype) ( ndarray ) 生成一個(gè) N長(zhǎng)度的一維全一 ndarray 生成一個(gè) N長(zhǎng)度類型是 dtype的一維全一 ndarray 生成一個(gè)形狀與參數(shù)相同的全一 ndarray ( N) ( N, dtype) (ndarray) 生成一個(gè) N長(zhǎng)度的一維全零 ndarray 生成一個(gè) N長(zhǎng)度類型位 dtype的一維全零 ndarray 類似 ( ndarray ) ( N ) ( N, dtype) (ndarray) 生成一個(gè) N長(zhǎng)度的未初始化一維 ndarray 生成一個(gè) N長(zhǎng)度類型是 dtype的未初始化一維 ndarray 類似 ( ndarray ) ( N ) ( N ) 創(chuàng)建一個(gè) N * N的單位矩陣（對(duì)角線為 1，其余為 0） ( num) ( begin, end) ( begin, end, step) 生成一個(gè)從 0到 num1步數(shù)為 1的一維 ndarray 生成一個(gè)從 begin到 end1步數(shù)為 1的一維 ndarray 生成一個(gè)從 begin到 endstep的步數(shù)為 step的一維 ndarray (ndarray, [x,y,...]) 檢查 ndarray中的元素是否等于 [x,y,...]中的一個(gè)，返回 bool數(shù)組 矩陣函數(shù) 說明 ( ndarray) ( [x,y,...]) 以一維數(shù)組的形式返回方陣的對(duì)角線（或非對(duì)角線）元素 將一維數(shù)組轉(zhuǎn)化為方陣（非對(duì)角線元素為 0） (ndarray, ndarray) 矩陣乘法 ( ndarray) 計(jì)算對(duì)角線元素的和 排序函數(shù) 說明 ( ndarray) 排序，返回副本 (ndarray) 返回 ndarray中的元素，排除重復(fù)元素之后，并進(jìn)行排序 ( ndarray1, ndarray2) ( ndarray1, ndarray2) ( ndarray1, ndarray2) ( ndarray1, ndarray2) 返回二者的交集并排序。 返回二者的差。\n39。 Pandas 納入了大量庫和一些標(biāo)準(zhǔn)的數(shù)據(jù)模型，提供了高效地操作大型數(shù)據(jù)集所需的工具。 ? 使用方法 – from pandas import Series, DataFrame – import pandas as pd Series常用函數(shù) 函數(shù) 說明 Series([x,y,...])Series({39。:x,39。:y,...}, index=param1) 生成一個(gè) Series () 復(fù)制一個(gè) Series ([x,y,...], fill_value=NaN) ([x,y,...], method=NaN) (columns=[x,y,...]) 重返回一個(gè)適應(yīng)新索引的新對(duì)象，將缺失值填充為 fill_value 返回適應(yīng)新索引的新對(duì)象，填充方式為 method 對(duì)列進(jìn)行重新索引 (index) 丟棄指定項(xiàng) (f) 應(yīng)用元素級(jí)函數(shù) 排序函數(shù) 說明 (ascending=True) 根據(jù)索引返回已排序的新對(duì)象 (ascending=True) 根據(jù)值返回已排序的對(duì)象， NaN值在末尾 (method=39。, ascending=True, axis=0) 為各組分配一個(gè)平均排名 () () 返回含有最大值的索引位置 返回含有最小值的索引位置 DataFrame常用函數(shù) 函數(shù) 說明 DataFrame(dict, columns=, index=[]) DataFrame(二維 ndarray) DataFrame(由數(shù)組、列表或元組組成的字典 ) DataFrame(NumPy的結(jié)構(gòu)化 /記錄數(shù)組 ) DataFrame(由 Series組成的字典 ) DataFrame(由字典組成的字典 ) DataFrame(字典或 Series的列表 ) DataFrame(由列表或元組組成的列表 ) DataFrame(DataFrame) DataFrame(NumPy的 MaskedArray) 構(gòu)建 DataFrame 數(shù)據(jù)矩陣，還可以傳入行標(biāo)和列標(biāo) 每個(gè)序列會(huì)變成 DataFrame的一列。如果沒有顯式制定索引，則各 Series的索引會(huì)被合并成結(jié)果的行索引 各內(nèi)層字典會(huì)成為一列。 各項(xiàng)將會(huì)成為 DataFrame的一行。 類似于二維 ndarray 沿用 DataFrame 類似于二維 ndarray，但掩碼結(jié)果會(huì)變成 NA/缺失值 ([x,y,...], fill_value=NaN, limit) ([x,y,...], method=NaN) ([x,y,...], columns=[x,y,...],copy=True) 返回一個(gè)適應(yīng)新索引的新對(duì)象，將缺失值填充為 fill_value，最大填充量為 limit 返回適應(yīng)新索引的新對(duì)象，填充方式為 method 同時(shí)對(duì)行和列進(jìn)行重新索引，默認(rèn)復(fù)制新對(duì)象。 匯總統(tǒng)計(jì)函數(shù) 說明 () 非 NaN的數(shù)量 () 一次性產(chǎn)生多個(gè)匯總統(tǒng)計(jì) () () 最小值 最大值 (axis=0, skipna=True) (axis=0, skipna=True) 返回含有最大值的 index的 Series 返回含有最小值的 index的 Series (axis=0) 計(jì)算樣本的分位數(shù) (axis=0, skipna=True, level=NaN) (axis=0, skipna=True, level=NaN) (axis=0, skipna=True, level=NaN) (axis=0, skipna=True, level=NaN) (axis=0, skipna=True, level=NaN) (axis=0, skipna=True, level=NaN) (axis=0, skipna=True, level=NaN) (axis=0, skipna=True, level=NaN) (axis=0, skipna=True, level=NaN) (axis=0, skipna=True, level=NaN) (axis=0, skipna=True, level=NaN) (axis=0, skipna=True, level=NaN) (axi