认识达内从这里开始

认真做教育专心促就业

python数据库领域应用的利器（二）

发布：达内编程培训
来源：互联网
时间：2018-08-23 10:15

    6.Anaconda
    相信大多数 Python 的初学者们都曾为环境问题而头疼不已，但你并不孤独，大家都是这么折腾过来的，打算学习 Python 来做数据分析的你，是不是在开始时就遇到各种麻烦呢？仅仅是安装数据计算库估计就耗尽了所有的热情。
    这里推荐使用 Anaconda 来管理你的安装环境和各种工具包。
    Anaconda是数据分析的Python发行版本，集成了几百个专门做数据分析的库，像numpy,pandas,matplotlib,scikit-learn等常用的库都有集成，而且还提供跨平台的安装包，实在是做数据分析不二的选择
    7.IPython 、Spyder
    它是一个增强的Python shell,目的是提高编写，测试，调试Python代码的速度，
    支持变量自动补全，自动缩进，支持bash shell命令，内置了许多很有用的功能和函数。学习ipython将会让我们以一种更高的效率来使用Python.同时它也是利用Python进行科学计算和交互可视化的一个最佳的平台。
    IPython提供了两个主要的组件：
    一个强大的Python交互式shell
    供Jupyter notebooks使用的一个Jupyter内核（IPython notebook）

Spyder是anaconda自带的集成开发环境，专门针对数据处理而优化，集成了ipython控制台，可以方便查看数据处理结果及数据可视化

    8.NumPy
    Python 数据科学十大利器，你用过几个？
    数据科学的核心库，是其他高级数据分析库的基础和依赖，Numpy不提供高级数据分析功能，可以更加深刻的理解Numpy数组和面向数组的计算。
    umpy提供了两种基本的对象：ndarray和ufunc.
    ndarray是存储单一数据类型的多维数组，而ufunc是能够对数组进行处理的函数。
    Numpy的功能：
    N维数组，一种快速、高效使用内存的多维数组，他提供矢量化数学运算。
    可以不需要使用循环，就能对整个数组内的数据进行标准数学运算。
    非常便于传送数据到用低级语言编写（CC++）的外部库，也便于外部库以Numpy数组形式返回数据。
    9.Scipy
    Scipy是一款方便、易于使用、专门为科学和工程设计的Python包，它包括统计、优化、整合、线性代数模块、傅里叶变换、信号和图像处理、常微分方程求解器等。Scipy依赖于Numpy,并提供许多对用户友好的和有效的数值例程，如数值积分和优化。
    10.Pandas
    Python 数据科学十大利器，你用过几个？
    Pandas是Python的一个数据分析包，Pandas最初被用作金融数据分析工具而开发出来，因此Pandas为时间序列分析提供了很好的支持。
    Pandas是为了解决数据分析任务而创建的，Pandas纳入了大量的库和一些标准的数据模型，提供了高效的操作大型数据集所需要的工具。Pandas包含了高级数据结构，以及让数据分析变得快速、简单的工具，提供了大量快速便捷的处理数据的函数和方法。它建立在Numpy之上，使得Numpy应用变得简单。
    Pandas在数据探索，数据清洗方面表现的更加出色，可以很容易的处理缺失值，异常值，筛选或合并数据集
    Pandas是进行数据清洗、整理的最好工具。
    以上就是潍坊IT培训给大家做的内容详解，更多关于IT知识的学习，请继续关注潍坊IT培训。

< 上一篇：python数据库领域应用的利器（一）

下一篇：python基础知识讲解 >