七个生态系统核心库[python自学收藏]

目录

  • 一 概述
  • 二官网链接
  • 三 安装指南
    • 3.1、使用已有的发行版本
    • 3.2、使用 pip 安装
    • 3.3、使用pycharm安装
    • 3.4、安装验证
  • 四 上手应用

    一 概述 Python生态系统的一些核心基础数据分析库:
    NumPy:支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库,包含:
    一个强大的N维数组对象 ndarray广播功能函数整合 C/C++/Fortran 代码的工具线性代数、傅里叶变换、随机数生成等功能
    SciPy:这也是一个功能强大的科学计算库,用于执行科学,数学和工程运算。包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。
    Pandas
    可以从各种文件格式比如 CSV、JSON、SQL、Microsoft Excel 导入数据。
    可以对各种数据进行运算操作,比如归并、再成形、选择,还有数据清洗和数据加工特征。
    广泛应用在学术、金融、统计学等各个数据分析领域。
    Scikit-learn:代表“机器学习的科学工具包”。它是一个机器学习库,提供了各种有监督和无监督的算法,例如回归,分类,降维,聚类分析和异常检测。
    Matplotlib:这是一个核心的数据可视化库,并且是Python中所有其他可视化库的基础库。它提供2D和3D绘图,图形,图表以及用于数据浏览的图形。它在NumPy和SciPy之上运行。
    Seaborn:这是基于Matplotlib的,提供了易于绘制,高层次,互动性和更有条理的平面图。
    Plotly:是一个数据可视化库。它提供了高质量的交互式图表,例如散点图,折线图,条形图,直方图,箱形图,热图和子图。

    二官网链接
    Packages/Software Description
    NumPy NumPy 官网 http://www.numpy.org/
    NumPy 源代码:https://github.com/numpy/numpy
    SciPy SciPy 官网:https://www.scipy.org/
    SciPy 源代码:https://github.com/scipy/scipy
    Pandas 官网:https://pandas.pydata.org/
    Matplotlib Matplotlib 官网:https://matplotlib.org/
    Matplotlib源代码:https://github.com/matplotlib/matplotlib
    Seaborn 官网:https://seaborn.pydata.org/
    Scikit-learn 官网:https://scikit-learn.org/stable/
    Anaconda 官网:https://www.anaconda.com/distribution/

    三 安装指南 各组件的安装方法类似,以NumPy为参考。
    Python 官网上的发行版是不包含 NumPy 模块的,我们可以使用以下几种方法来安装。

    3.1、使用已有的发行版本
    对于许多用户,尤其是在 Windows 上,最简单的方法是下载以下的 Python 发行版,它们包含了所有的关键包
    (包括 NumPy,SciPy,matplotlib,IPython,SymPy 以及 Python 核心自带的其它包):
    Anaconda: 免费 Python 发行版,用于进行大规模数据处理、预测分析,和科学计算,致力于简化包的管理和部署。
    支持 Linux, Windows 和 Mac 系统。
    Enthought Canopy: 提供了免费和商业发行版。持 Linux, Windows 和 Mac 系统。
    Python(x,y) : 免费的 Python 发行版,包含了完整的 Python 语言开发包 及 Spyder IDE。
    支持 Windows,仅限 Python 2 版本。
    WinPython:另一个免费的 Python 发行版,包含科学计算包与 Spyder IDE。
    支持 Windows。
    Pyzo: 基于 Anaconda 的免费发行版本及 IEP 的交互开发环境,超轻量级。
    支持 Linux, Windows 和 Mac 系统。

    3.2、使用 pip 安装
    安装 NumPy 最简单的方法就是使用pip 工具:
    pip3 install --user numpy scipy matplotlib

    --user 选项可以设置只安装在当前的用户下,而不是写入到系统目录。
    默认情况使用国外线路,国外太慢,我们使用清华的镜像就可以:
    pip3 install numpy scipy matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple


    3.3、使用pycharm安装
    • 点击 pycharm
    • 点击preferences
    • 点击 python interpreter
    • 点击 +
    • 检索安装
    七个生态系统核心库[python自学收藏]
    文章图片


    3.4、安装验证
    测试是否安装成功:
    >>> from numpy import *>>> eye(4)array([[1., 0., 0., 0.],[0., 1., 0., 0.],[0., 0., 1., 0.],[0., 0., 0., 1.]])


    四 上手应用 以NumPy为例,更多玩法请查看官方文档。
    函数 描述
    dot 两个数组的点积,即元素对应相乘。
    vdot 两个向量的点积
    inner 两个数组的内积
    matmul 两个数组的矩阵积
    determinant 数组的行列式
    solve 求解线性矩阵方程
    inv 计算矩阵的乘法逆矩阵
    numpy.vdot() 函数是两个向量的点积。
    如果第一个参数是复数,那么它的共轭复数会用于计算。
    如果参数是多维数组,它会被展开。
    import numpy as np a = np.array([[1,2],[3,4]])b = np.array([[11,12],[13,14]])# vdot 将数组展开计算内积print(np.vdot(a,b))

    输出结果为:
    130
    【七个生态系统核心库[python自学收藏]】以上就是pypython自学建议收藏学习的七个生态系统核心库的详细内容,更多关于pypython生态系统核心库的资料请关注脚本之家其它相关文章!

      推荐阅读