From：https://www.jianshu.com/p/32cb09d84487

 

1. Numpy：基礎的數學計算模組，以矩陣為主，純數學。
2. SciPy：基於Numpy，提供方法(函式庫)直接計算結果，封裝了一些高階抽象和物理模型。比方說做個傅立葉變換，這是純數學的，用Numpy；做個濾波器，這屬於訊號處理模型了，在Scipy裡找。
3. Pandas：提供了一套名為DataFrame的資料結構，適合統計分析中的表結構,在上層做資料分析,

更簡潔的說:

1. NumPy：N維 陣列 容器
2. SciPy：科學計算 函式庫
3. Pandas：表格 容器

 

非數學研究，建議直接入手 pandas，包含基礎的 Numpy 方法

 

Numpy：

來儲存和處理大型矩陣，比Python自身的巢狀列表（nested list structure)結構要高效的多，本身是由C語言開發。這個是很基礎的擴充套件，其餘的擴充套件都是以此為基礎。資料結構為ndarray，一般有三種方式來建立。

numpy 主要用來做一些科學運算，主要是矩陣的運算。NumPy為Python帶來了真正的多維陣列功能，並且提供了豐富的函式庫處理這些陣列。它將常用的數學函式都進行陣列化，使得這些數學函式能夠直接對陣列進行操作，將本來需要在Python級別進行的迴圈，放到C語言的運算中，明顯地提高了程式的運算速度。

 

Pandas:

基於NumPy 的一種工具，該工具是為了解決資料分析任務而建立的。Pandas 納入了大量庫和一些標準的資料模型，提供了高效地操作大型資料集所需的工具。最具有統計意味的工具包，某些方面優於R軟體。資料結構有一維的Series，二維的DataFrame(類似於Excel或者SQL中的表，如果深入學習，會發現Pandas和SQL相似的地方很多，例如merge函式)，三維的Panel（Pan（el) + da(ta) + s，知道名字的由來了吧）。

學習Pandas你要掌握的是：

• 1.彙總和計算描述統計，處理缺失資料 ，層次化索引
• 2.清理、轉換、合併、重塑、GroupBy技術
• 3.日期和時間資料型別及工具（日期處理方便地飛起）

 

Matplotlib:

Python中最著名的繪圖系統，很多其他的繪圖例如seaborn（針對pandas繪圖而來）也是由其封裝而成。
繪製的圖形可以大致按照ggplot的顏色顯示，但是還是感覺很雞肋。但是matplotlib的複雜給其帶來了很強的定製性。其具有物件導向的方式及Pyplot的經典高層封裝。

需要掌握的是：

• 1.散點圖，折線圖，條形圖，直方圖，餅狀圖，箱形圖的繪製。
• 2.繪圖的三大系統：pyplot，pylab(不推薦)，物件導向
• 3.座標軸的調整，新增文字註釋，區域填充，及特殊圖形patches的使用
• 4.金融的同學注意的是：可以直接呼叫Yahoo財經資料繪圖

 

Scipy：

方便、易於使用、專為科學和工程設計的Python工具包.它包括統計,優化,整合,線性代數模組,傅立葉變換,訊號和影象處理,常微分方程求解器等等。基本可以代替Matlab，但是使用的話和資料處理的關係不大，數學系，或者工程系相對用的多一些。
近期發現有個statsmodel可以補充scipy.stats，時間序列支援完美

scipy 主要是一些科學工具集，訊號處理工具集（如線性代數使用LAPACK庫，快速傅立葉變換使用FFTPACK庫）及數值計算的一些工具（常微分方程求解使用ODEPACK庫，非線性方程組求解以及最小值求解等）。

 

scikit-learn

scikit-learn：裡面有很多機器學習相關的演算法（如聚類演算法，SVM等）。

 

 

用Python來編寫機器學習方面的程式碼是相當簡單的，因為Python下有很多關於機器學習的庫。其中三個庫 numpy，scipy，matplotlib，scikit-learn是常用組合，分別是科學計算包，科學工具集，畫圖工具包,機器學習工具集。

Python安裝完Numpy，SciPy和MatplotLib後，可以成為非常犀利的科研利器。網上關於這三個庫的安裝都寫得非常不錯，但是大部分人遇到的問題並不是如何安裝，而是安裝好後因為配置不當，在使用時總會出現import xxx error之類的錯誤。我也是自己摸索了很久才發現如何去正確配置的

詳解Python中的Numpy、SciPy、MatPlotLib安裝與配置：https://www.jb51.net/article/128468.htm

 

 

Numpy和Scipy是機器學習專案中最受歡迎的函式庫 

 

參考：http://www.sohu.com/a/291941853_506163