python數據分析（一）重要的python庫
簡單學習完python的基礎語法之後，我想進一步瞭解如何使用python進行粗略的數據分析。但是，再正式開始學習之前，我們需要對相關的python庫先展開一定程度的認識。
1、NumPy
NumPy(Numerical Python)，是Python科學計算的基礎包，許多Python庫都是在它的基礎上構建出來的，主要擁有如下功能（不限於此）：
- 快速高效的多維數組對象ndarray
- 用於對數組執行元素級計算以及直接對數組執行數學運算的函數
- 用於讀寫硬盤上基於數組的數據集的工具
- 線性代數、傅立葉變換以及隨機數生成
由此可見，NumPy庫的主要針對對象就是數組及其相應處理。實際上，它在數據分析方面還有另一個主要作用——作爲在算法之間傳遞數據的容器。對於數值型數據，NumPy數組在存儲和處理數據時，要比內置的Python數據結構更加高效。
2、pandas
pandas提供了使用戶能夠快速處理結構化數據的大量數據結構和函數，同時，它兼具NumPy高性能的數組計算功能以及電子表格和關係型數據庫（如SQL）靈活的數據處理功能。
而且，對於金融行業的用戶，pandas提供了大量適用於金融數據的高性能時間序列功能和工具。
3、matplotlib
matplotlib是目前最適合用於繪製數據圖表的Python庫，它和IPython的結合維用戶提供了一種非常好用的交互式數據繪圖環境，它幫助我們真正實現了數據的可視化。
4、IPython
IPython是Python科學計算標準工具集的組成部分，它的目的就是提高編寫、測試、調試Python代碼的效率。主要應用於交互式數據處理和利用matplotlib對數據進行可視化處理。
除了標準的基於終端的IPython shell以外，該項目還提供了：
- 一個類似於Mathematica的HTML筆記本
- 一個基於Qt框架的GUI控制檯，其中含有繪圖、多行編輯以及語法高亮顯示等功能
- 用於交互式並行和分佈式計算的基礎架構
5、SciPy
SciPy是一組專門解決科學計算中各種標準問題域的包的集合，主要包括：
- scipy.integrate：數值積分例程和微分方程求解器
- scipy.linalg：擴展了由numpy.linalg提供的線性代數例程和矩陣分解功能
- scipy.optimize：函數優化器（最小化器）以及跟查找算法
- scipy.signal：信號處理工具
- scipy.sparse：稀疏矩陣和稀疏線性系統求解器
- scipy.special：SPECFUN（實現了許多常用數學函數（如伽馬函數）的Fortran庫）的包裝器
- scipy.stats：標準連續和離散概率分佈（如密度函數、採樣器、連續分佈函數等）、各種統計檢驗方法以及更好的描述統計法
由於是第一篇，老規矩，我們先來看相關Python庫的安裝。實際上很簡單，因爲OS X操作系統內置了python3.7版本（如果沒有就先安裝一下），該版本內置了pip包管理器，所以直接打開終端，輸入命令pip install (庫名,如numpy)，然後敲擊回車，等待下載完成即可。