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)

1. 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。