Numpy: 基礎(chǔ)的數(shù)學(xué)計算模塊，以矩陣為主,純數(shù)學(xué)。

SciPy: 基于Numpy，提供方法(函數(shù)庫)直接計算結(jié)果，封裝了一些高階抽象和物理模型。比方說做個傅立葉變換，這是純數(shù)學(xué)的，用Numpy；做個濾波器，這屬于信號處理模型了，在Scipy里找。

Pandas: 提供了一套名為DataFrame的數(shù)據(jù)結(jié)構(gòu)，適合統(tǒng)計分析中的表結(jié)構(gòu),在上層做數(shù)據(jù)分析,

更簡潔的說:

NumPy：N維數(shù)組容器

SciPy：科學(xué)計算函數(shù)庫

Pandas：表格容器

非數(shù)學(xué)研究,建議直接入手pandas,包含基礎(chǔ)的Numpy方法

Numpy：

來存儲和處理大型矩陣，比Python自身的嵌套列表（nested list structure)結(jié)構(gòu)要高效的多，本身是由C語言開發(fā)。這個是很基礎(chǔ)的擴展，其余的擴展都是以此為基礎(chǔ)。數(shù)據(jù)結(jié)構(gòu)為ndarray,一般有三種方式來創(chuàng)建。

Pandas:

基于NumPy 的一種工具，該工具是為了解決數(shù)據(jù)分析任務(wù)而創(chuàng)建的。Pandas 納入了大量庫和一些標準的數(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。最具有統(tǒng)計意味的工具包，某些方面優(yōu)于R軟件。數(shù)據(jù)結(jié)構(gòu)有一維的Series，二維的DataFrame(類似于Excel或者SQL中的表，如果深入學(xué)習(xí)，會發(fā)現(xiàn)Pandas和SQL相似的地方很多，例如merge函數(shù))，三維的Panel（Pan（el) + da(ta) + s，知道名字的由來了吧）。

學(xué)習(xí)Pandas你要掌握的是：
1.匯總和計算描述統(tǒng)計，處理缺失數(shù)據(jù) ，層次化索引
2.清理、轉(zhuǎn)換、合并、重塑、GroupBy技術(shù)
3.日期和時間數(shù)據(jù)類型及工具（日期處理方便地飛起）

Matplotlib:

Python中最著名的繪圖系統(tǒng)，很多其他的繪圖例如seaborn（針對pandas繪圖而來）也是由其封裝而成。
繪制的圖形可以大致按照ggplot的顏色顯示，但是還是感覺很雞肋。但是matplotlib的復(fù)雜給其帶來了很強的定制性。其具有面向?qū)ο蟮姆绞郊癙yplot的經(jīng)典高層封裝。

需要掌握的是：
1.散點圖，折線圖，條形圖，直方圖，餅狀圖，箱形圖的繪制。
2.繪圖的三大系統(tǒng)：pyplot，pylab(不推薦)，面向?qū)ο?br /> 3.坐標軸的調(diào)整，添加文字注釋，區(qū)域填充，及特殊圖形patches的使用
4.金融的同學(xué)注意的是：可以直接調(diào)用Yahoo財經(jīng)數(shù)據(jù)繪圖

Scipy：

方便、易于使用、專為科學(xué)和工程設(shè)計的Python工具包.它包括統(tǒng)計,優(yōu)化,整合,線性代數(shù)模塊,傅里葉變換,信號和圖像處理,常微分方程求解器等等?；究梢源鍹atlab，但是使用的話和數(shù)據(jù)處理的關(guān)系不大，數(shù)學(xué)系，或者工程系相對用的多一些。
近期發(fā)現(xiàn)有個statsmodel可以補充scipy.stats，時間序列支持完美

鏈接：https://www.jianshu.com/p/32cb09d84487

總結(jié)

以上是生活随笔為你收集整理的简述Python的Numpy,SciPy和Pandas,Matplotlib的区别的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。