Python是数据处理经常使用工具，能够处理数量级从几K至几T不等的数据，具备较高的开发效率和可维护性，还具备较强的通用性和跨平台性，这里就为你们分享几个不错的数据分析工具。python
Python数据分析须要安装的第三方扩展库有：Numpy、Pandas、SciPy、Matplotlib、Scikit-Learn、Keras、Gensim、Scrapy等，如下是第三方扩展库的简要介绍：git
- Pandas
Pandas是Python强大、灵活的数据分析和探索工具，包含Series、DataFrame等高级数据结构和工具，安装Pandas可以使Python中处理数据很是快速和简单。
Pandas是Python的一个数据分析包，Pandas最初被用做金融数据分析工具而开发出来，所以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建立的，Pandas归入了大量的库和一些标准的数据模型，提供了高效的操做大型数据集所须要的工具。Pandas提供了大量是咱们快速便捷的处理数据的函数和方法。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。它创建在Numpy之上，使得Numpy应用变得简单。
带有坐标轴的数据结构，支持自动或明确的数据对齐。这能防止因为数据结构没有对齐，以及处理不一样来源、采用不一样索引的数据而产生的常见错误。
使用Pandas更容易处理丢失数据。
合并流行数据库（如：基于SQL的数据库）
Pandas是进行数据清晰/整理的最好工具。算法
- Numpy
Python没有提供数组功能，Numpy能够提供数组支持以及相应的高效处理函数，是Python数据分析的基础，也是SciPy、Pandas等数据处理和科学计算库最基本的函数功能库，且其数据类型对Python数据分析十分有用。
Numpy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是可以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。能够不须要使用循环，就能对整个数组内的数据进行标准数学运算。很是便于传送数据到用低级语言编写(C\C++)的外部库,也便于外部库以Numpy数组形式返回数据。
Numpy不提供高级数据分析功能，但能够更加深入的理解Numpy数组和面向数组的计算。
- Matplotlib
Matplotlib是强大的数据可视化工具和做图库，是主要用于绘制数据图表的Python库，提供了绘制各种可视化图形的命令字库、简单的接口，能够方便用户轻松掌握图形的格式，绘制各种可视化图形。
Matplotlib是Python的一个可视化模块，他能方便的只作线条图、饼图、柱状图以及其余专业图形。
使用Matplotlib，能够定制所作图表的任一方面。他支持全部操做系统下不一样的GUI后端，而且能够将图形输出为常见的矢量图和图形测试，如PDF SVG JPG PNG BMP GIF.经过数据绘图，咱们能够将枯燥的数字转化成人们容易接收的图表。
Matplotlib是基于Numpy的一套Python包，这个包提供了吩咐的数据绘图工具，主要用于绘制一些统计图形。
Matplotlib有一套容许定制各类属性的默认设置，能够控制Matplotlib中的每个默认属性：图像大小、每英寸点数、线宽、色彩和样式、子图、坐标轴、网个属性、文字和文字属性。数据库
-
SciPy
SciPy是一组专门解决科学计算中各类标准问题域的包的集合，包含的功能有最优化、线性代数、积分、插值、拟合、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其余科学与工程中经常使用的计算等，这些对数据分析和挖掘十分有用。
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。
Python有着像Matlab同样强大的数值计算工具包Numpy；有着绘图工具包Matplotlib;有着科学计算工具包Scipy。
Python能直接处理数据，而Pandas几乎能够像SQL那样对数据进行控制。Matplotlib可以对数据和记过进行可视化，快速理解数据。Scikit-Learn提供了机器学习算法的支持，Theano提供了升读学习框架（还可使用CPU加速）。后端
-
Keras
Keras是深度学习库，人工神经网络和深度学习模型，基于Theano之上，依赖于Numpy和Scipy，利用它能够搭建普通的神经网络和各类深度学习模型，如语言处理、图像识别、自编码器、循环神经网络、递归审计网络、卷积神经网络等。数组
- Scikit-Learn
Scikit-Learn是Python经常使用的机器学习工具包，提供了完善的机器学习工具箱，支持数据预处理、分类、回归、聚类、预测和模型分析等强大机器学习库，其依赖于Numpy、Scipy和Matplotlib等。
Scikit-Learn是基于Python机器学习的模块，基于BSD开源许可证。
Scikit-Learn的安装须要Numpy Scopy Matplotlib等模块，Scikit-Learn的主要功能分为六个部分，分类、回归、聚类、数据降维、模型选择、数据预处理。
Scikit-Learn自带一些经典的数据集，好比用于分类的iris和digits数据集，还有用于回归分析的boston house prices数据集。该数据集是一种字典结构，数据存储在.data成员中，输出标签存储在.target成员中。Scikit-Learn创建在Scipy之上，提供了一套经常使用的机器学习算法，经过一个统一的接口来使用，Scikit-Learn有助于在数据集上实现流行的算法。
Scikit-Learn还有一些库，好比：用于天然语言处理的Nltk、用于网站数据抓取的Scrappy、用于网络挖掘的Pattern、用于深度学习的Theano等。
- Scrapy
Scrapy是专门为爬虫而生的工具，具备URL读取、HTML解析、存储数据等功能，可使用Twisted异步网络库来处理网络通信，架构清晰，且包含了各类中间件接口，能够灵活的完成各类需求。
- Gensim
Gensim是用来作文本主题模型的库，经常使用于处理语言方面的任务，支持TF-IDF、LSA、LDA和Word2Vec在内的多种主题模型算法，支持流式训练，并提供了诸如类似度计算、信息检索等一些经常使用任务的API接口。
以上就是python数据分析用什么软件的详细内容
若是你们若是在学习中遇到困难，想找一个Python学习交流环境，能够加入咱们的Python学习圈，点击我加入吧，会节约不少时间，减小不少遇到的难题。群号(930854956)网络