import 库名
import math as m
1, Numpy
提供数组支持,以及相应的高效的处理函数
- 快速高效的多维数组对象ndarray,
- 用于对数组执行元素级计算以及直接对数组执行数学运算的函数,
- 用于读写硬盘上基于数组的数据集的工具,
- 线性代数运算,傅里叶变换,以及随机数生成,
- 用于将C,C++,Fortran代码集成到Python的工具。
2,scipy
提供矩阵支持,以及矩阵相关的数值计算模块。
scipy 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、常微分方程求解等。
3,Matplotlib
数据可视化工具,做图库。二维绘图。
图:
在图像中显示中文,作图之前手动指定默认字体为中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']
4,pandas
强大灵活的数据分析和探索工具
基本的数据结构
- Series
- DataFrame
简单示例
#读取文件,英文路径
pd.read_excel('data.xls')#读取excel文件,
pd.read_csv('data.csv',encoding = 'utf-8')
#读取CSVimport pandas as pd
5,scikit-learn
机器学习库,数据预处理、分类、回归、聚类、预测和模型分析。
from sklearn.linear_model import LinearRegression
#导入线性回归模型
model = LineraRegression( ) #建立线性回归模型
print(model)
- 所有模型提供的接口有:
model.fit( )
训练模型,对于监督模型来说fit(X,y) ;对于非监督模型是f(X)
2,监督模型提供的接口有
model.predict(X_new) 预测新样本
model.predict_proba(X_new) 预测概率
model.score( ) 得分越高 fit 越好。
3,非监督模型提供的接口有
model.transform ( ) 从数据中学到的新的 “基空间”
model.fit_trasform( ) 从数据中学到的新的基,并将这个数据按照这组‘基’进行转换。
6, Keras
深度学习库,用于建立神经网络以及深度学习模型。