numpy、scipy、pandas

　　如下分別是numpy、Scipy、pandas的簡介。雖然這些包提供的一些結構比python自身的「更高級、更高效」，更高級是由於它們能完成更高級的任務，可是，學習的時候儘可能不要和python割裂開認識，最好是辯證的看問題，既要看到區別，又要看到聯繫，這樣才能理解深入、真正的運用自如。好比python提供list這種數據結構，能夠用來看成數組使用；好比咱們定義一個list。a=range(10)，可是要是對每一個元素同時操做好比平方操做，這時候可能須要寫個循環，就沒有np.arange(10)**2方便。同時，如下的簡介和case中也會從對比和聯繫的角度出發，一塊學習這些概念或是實體。

　　What is numpy?

　　標準安裝的Python中用列表(list)保存一組值，能夠用來看成數組使用，不過因爲列表的元素能夠是任何對象，所以列表中所保存的是對象的指針。這樣爲了保存一個簡單的[1,2,3]，須要有3個指針和三個整數對象。對於數值運算來講這種結構顯然比較浪費內存和CPU計算時間。

　　此外Python還提供了一個array模塊，array對象和列表不一樣，它直接保存數值，和C語言的一維數組比較相似。可是因爲它不支持多維，也沒有各類運算函數，所以也不適合作數值運算。

　　NumPy的誕生彌補了這些不足，NumPy提供了兩種基本的對象：ndarray（N-dimensional array object）和 ufunc（universal function object）。即提供經常使用的數值數組、矩陣等函數。ndarray(下文統一稱之爲數組)是存儲單一數據類型的多維數組，而ufunc則是可以對數組進行處理的函數。

　　優勢是：是基於向量化的運算，進行數值運算時Numpy數組比list效率高

　　以上部分主要參考《利用numpy作科學計算》一書（點擊書名查看詳細介紹）

　　What is Scipy?

　　numpy 準確地說提供了一個在python中作科學計算的基礎庫，俠義地講它重在數值計算，甚至能夠說是用於多維數組處理的庫；而 scipy 則是基於numpy，提供了一個在python中作科學計算的工具集，也就是說它是更上一個層次的庫，主要包含一下模塊：

• statistics
• optimization
• numerical integration
• linear algebra
• Fourier transforms
• signal processing
• image processing
• ODE solvers
• special functions

　　What is pandas?

　　是一種構建於Numpy的高級數據結構和精巧工具，快速簡單的處理數據。

• 支持自動或明確的數據對齊的帶有標籤軸的數據結構。
• 整合的時間序列功能。
• 以相同的數據結構來處理時間序列和非時間序列。
• 支持傳遞元數據（座標軸標籤）的算術運算和縮減。

　　好比，要是沒有pandas，對某行元素的操做或是說轉置可能須要不少循環。

• 靈活處理丟失數據。
• 在經常使用的基於數據的數據庫（例如基於SQL）中的合併和其它關係操做。
• 提供數據結構：Series和DataFrame