python之所以能夠成為資料分析與挖掘領域的最佳語言，是有其獨特的優勢的。因為他有很多這個領域相關的庫可以用，而且很好用，比如numpy、scipy、matploglib、pandas、scikitlearn、keras、gensim等
1）numpy，它給python提供了真正的陣列功能，包括多維陣列，以及對資料進行快速處理的函式，numpy還是更多高階擴充套件庫的依賴庫，比如後續的scipy、matplotlib、pandas等，都一樣；
2）scipy，他讓python成了半個matlab，scipy提供了真正的矩陣型別，及其大量基於矩陣運算的物件和函式，他包括的功能包括最優化、線性代數、積分、插值、你和、特殊函式、快速傅利葉變換、訊號處理與影象處理、常微分求解方程和其他科學與工程中常用的計算；scipy依賴於numpy；
3）matplotlib，對於python來說，matplotlib是最著名的繪相簿，主要是二維繪圖，當然，也可以支援一些簡答的三圍繪圖；
4）pandas，他是python下最強大的資料分析和探索工具，沒有之一。他包含的高階的資料結構和精巧的工具，使得在python中處理資料非常快速和簡單，pandas構建在numpy之上，他使得以numpy為中心的應用很容易使用，pandas的名稱來自於面板資料（panel data）和python資料分析（data analysis），他最初被作為金融資料分析工具而開發出來，由aqr capital management公司於2023年4月開發出來，並與2023年底開源；
他的功能非常強大，支援類似於sql的資料增刪改查，並且帶有豐富的資料處理函式，支援時間序列分析，支援靈活處理確實資料等。pandas其實很複雜， 夠單獨寫一本書，如果對他有興趣可以看看pandas主要作者之一 wesmckinney寫的《利用python進行資料分析》一書。
5）statmodels，pandas著眼於資料的讀取、處理和探索，而statsmodels則更加注重資料的統計建模和分析，他使得python有了r語言的味道。statmodels支援與pandas的資料互動，因此，他與pandas結合，成為了python下強大的資料探勘組合；
6）scikit-learn，這是乙個和機器學習有關的庫，他是python下強大的及其學習工具包，他提供了完善的及其學習工具箱，包括：資料預處理、分類、回歸、聚類、**和模型分析等。他依賴於numpy、scipy、matplotlib等；
7）keras，他是用來搭建神經網路的，他並非簡單的神經網路庫，而是乙個基於theano的強大的深度學習庫，利用它不僅僅可以搭建普通的神經網路，還可以搭建各種深度學習模型，如自編碼器、迴圈神經網路、遞迴神經網路、卷積神經網路等。由於它是基於theano的，速度相當快。
8）theano，他也是乙個python庫，他是由深度學習專家yoshuabengio帶領的實驗室開發出來的，用來定義、優化和高效地解決多維陣列對應數學表示式的模擬估計問題。他具有高效地實現符號分解、高度優化的速度、和穩定性等特點，最重要的是還實現了gpu加速，是的密集型資料的處理速度是cpu的十倍；
9）gensim，topic modelling of humans，他主要用來處理語言方面的任務，如文字相似度計算、lda、word2vec等，這些領域的任務往往需要比較多的背景知識，通常的情況是：研究這方面的讀者已經不需要我再多說什麼，而不研究這方面的讀者，在這裡也說不清楚。
python的使用（資料分析常用的庫）
二 pandas 三 matplotlib numpy是資料科學計算的基礎模組，用於資料值計算 基於陣列運算，效率高 擁有許多高階函式，可以對資料進行高效處理 可以進行線性代數相關運算 匯入numpy庫 import numpy as np建立乙個一維陣列 a np.array 2 4,5 7,8 ...
資料分析常用庫 numpy
乙個在python中做科學計算的基礎庫，重在數值計算，也是大部分python科學計算庫的基礎庫,常用於大型 多維陣列上執行數值計算。numpy中的軸 axis 簡單理解為方向，使用0,1,2 數字表示，對於一位陣列，只有乙個0軸，對於二維陣列，有0軸和1軸，對於三維陣列有0,1,2軸。如果兩個陣列的...
python資料分析常用函式
for 目標 in 對像 print 賦值目標 1.for迴圈字串操作 a iplaypython.com for i in a print i 案例中的 i 相當於目標，字串變數a是遍歷 迭代 對像。當執行for迴圈語句時，每一次迭代時，i 都會從遍歷 迭代 對像a中接收乙個新值輸出。結束迴圈後，...