numpy、scipy、pandas

　　如下分别是numpy、Scipy、pandas的简介。虽然这些包提供的一些结构比python自身的“更高级、更高效”，更高级是由于它们能完成更高级的任务，可是，学习的时候尽可能不要和python割裂开认识，最好是辩证的看问题，既要看到区别，又要看到联系，这样才能理解深入、真正的运用自如。好比python提供list这种数据结构，能够用来看成数组使用；好比咱们定义一个list。a=range(10)，可是要是对每一个元素同时操做好比平方操做，这时候可能须要写个循环，就没有np.arange(10)**2方便。同时，如下的简介和case中也会从对比和联系的角度出发，一块学习这些概念或是实体。

　　What is numpy?

　　标准安装的Python中用列表(list)保存一组值，能够用来看成数组使用，不过因为列表的元素能够是任何对象，所以列表中所保存的是对象的指针。这样为了保存一个简单的[1,2,3]，须要有3个指针和三个整数对象。对于数值运算来讲这种结构显然比较浪费内存和CPU计算时间。

　　此外Python还提供了一个array模块，array对象和列表不一样，它直接保存数值，和C语言的一维数组比较相似。可是因为它不支持多维，也没有各类运算函数，所以也不适合作数值运算。

　　NumPy的诞生弥补了这些不足，NumPy提供了两种基本的对象：ndarray（N-dimensional array object）和 ufunc（universal function object）。即提供经常使用的数值数组、矩阵等函数。ndarray(下文统一称之为数组)是存储单一数据类型的多维数组，而ufunc则是可以对数组进行处理的函数。

　　优势是：是基于向量化的运算，进行数值运算时Numpy数组比list效率高

　　以上部分主要参考《利用numpy作科学计算》一书（点击书名查看详细介绍）

　　What is Scipy?

　　numpy 准确地说提供了一个在python中作科学计算的基础库，侠义地讲它重在数值计算，甚至能够说是用于多维数组处理的库；而 scipy 则是基于numpy，提供了一个在python中作科学计算的工具集，也就是说它是更上一个层次的库，主要包含一下模块：

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

　　What is pandas?

　　是一种构建于Numpy的高级数据结构和精巧工具，快速简单的处理数据。

• 支持自动或明确的数据对齐的带有标签轴的数据结构。
• 整合的时间序列功能。
• 以相同的数据结构来处理时间序列和非时间序列。
• 支持传递元数据（坐标轴标签）的算术运算和缩减。

　　好比，要是没有pandas，对某行元素的操做或是说转置可能须要不少循环。

• 灵活处理丢失数据。
• 在经常使用的基于数据的数据库（例如基于SQL）中的合并和其它关系操做。
• 提供数据结构：Series和DataFrame