数据表示、数据清理、数据统计、数据可视化等算法库是科学计算、数据分析以及人工智能的基础。

python拥有非常丰富数据科学相关的库，被广泛用于工程领域、数据分析领域以及人工智能领域。主要库有：

Python科学计算和数据分析库

---

• Numpy：科学计算和数据分析基础库
• Scipy：科学计算工具库
• Pandas：数据分析工具库
• Matplotlib：2D可视化绘图库(新版支持3D绘图)
• Seaborn：易用的2D可视化绘图库(对统计更加友好)
• Mayavi2：可交互3D可视化绘图库

Matplotlib和Seaborn都是静态绘图库，不支持交互式控件。交互式绘图库推荐PyEcharts和PyQtGraph。

• PyEcharts是一个功能强大的基于web的可嵌入网页的交互式绘图库。plotly也不错，但是部分功能收费。
• PyQtGraph是一个基于qt的高性能交互式绘图库，主要用于数学、科学、工程领域。

• Numpy，Pandas，Matplotlib是Python数据分析使用频率最高的库。
• Numpy，Scipy可以代替Matlab的常规矩阵运算、科学计算功能（不含Simulink和专用行业部分）
• Tensorflow、Pytorch等深度学习库和Numpy、Pandas、Matplotlib、Seaborn配合，也能够更加高效的完成工作

Numpy，Scipy，Pandas，Matplotlib，Seaborn，Mayavi2简介

---

1. Numpy

Numpy（Numeric Python）是高性能科学计算和数据分析的基础库。

Numpy的核心由多维数组对象和用于处理数组的函数组成。Numpy提供了N维数组基础操作，数组的算术和逻辑运算，随机数和随机分布，线性代数，统计，傅里叶变换等内置函数。代码简洁且速度快。

Numpy是几乎所有数据分析高级库（比如scipy，pandas）的构建基础。

2. Scipy

Scipy是基于Numpy的科学计算工具库，方便、易于使用、专为科学和工程设计。

Scipy提供了许多用户友好和高效的高阶方法，如插值，积分，统计，优化，图像处理等等。

Scipy包含Matlab的大多计算功能，和数据处理的关系不大，数值计算或者工程研究应用更多一些。

StatsModels是一个统计库，着重于统计模型。包含了许多的统计模型，线性模型、广义线性模型、
方差分析、和线性混合效用模型等，在统计方面有其独特的优势。可以作为Scipy.stats的补充。

3. Pandas

Pandas（Panel Data）是基于NumPy的数据分析库。 包含许多数据模型。Pandas纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集
所需的方法，并且提供了大量能使我们快速便捷地处理数据的内置函数。

Pandas的核心为三种数据结构和操作：

• Series：带索引的一维数组，与Numpy中的一维array类似。
• DataFrame：带索引的二维的表格型数据结构。

老版本有Panel(三维的数组，DataFrame的容器)数据结构，新版本已经废除。

4. Matplotlib

Matplotlib 是一个2D可视化绘图库。可以使用这个库轻松地完成线形图、直方图、条形图、误差图或散点图等操作，设置标签、图例、调整绘图大小等。

Numpy，Pandas，Matplotlib被称为Python数据分析三大支柱。

5. Seaborn

Seaborn是基于Matplotlib的2D图形可视化工具包。
Seaborn是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，个人认为Seaborn的核心意义在于统计绘图，Seaborn的函数主要分为关系、分布、分类统计等几类，统计绘图更加方便，功能更强，而不是取代matplotlib。

6. Mayavi2

Mayavi2是基于VTK开发的可视化python库（更加高效）。Mayavi2旨在提供方便和互动的三维数据可视化。

Mayavi2无缝集成numpy和3D绘图，可以嵌入到用户编写的Python程序中，并且提供了而向脚本的mlab模块，以方便用户快速绘制三维图，和matplotlib的pylab—样。

---

持续更新及修订升级中。

未经允许请勿转载。