Module 01 · Course Introduction and Python Basics
Python Packages for Data SciencePython 数据分析库
欢迎来到本节课！在利用 Python 进行数据分析之前，首先需要了解与分析任务最为相关的核心工具包。
什么是 Python 库（Library）？
Python 库是函数与方法的集合，它允许您无需从零编写代码即可执行大量操作。
- 内置模块：提供可直接调用的多种功能。
- 广泛设施：提供涵盖各种应用场景的丰富功能。
我们将 Python 数据分析库划分为以下三大类：
一、 科学计算库 (Scientific Computing Libraries)
此类库是处理数据结构和数学运算的基础。
- Pandas
- 提供用于高效数据操纵和分析的数据结构与工具。
- 能够快速访问结构化数据。
- 核心工具：数据框 (Data Frame)。这是一种由行、列标签组成的二维表格，旨在提供便捷的索引功能。
- NumPy
- 使用数组 (Arrays) 作为输入和输出。
- 可扩展至矩阵 (Matrices) 对象。
- 通过少量代码改动，开发者即可实现更快的处理速度。
- SciPy
- 包含解决高级数学问题的算法（如微积分、线性代数等）。
- 同时也包含数据可视化功能。
二、 数据可视化库 (Data Visualization Libraries)
可视化是与他人沟通并展示分析结果的最佳方式，能够生成图形、图表和地图。
| 库名称 | 特点与功能 |
|---|---|
| Matplotlib | 最知名的可视化软件包，擅长制作各种图形和散点图，且具备极高的可定制性。 |
| Seaborn | 基于 Matplotlib 的高级绘图库。可以非常轻松地生成热力图 (Heat maps)、时间序列图 (Time series) 和 小提琴图 (Violin plots)。 |
三、 算法库与机器学习 (Algorithmic Libraries)
通过机器学习算法，我们可以利用数据集开发模型并获得预测结果。这些库涵盖了从基础到复杂的机器学习任务。
- Scikit-learn
- 包含统计建模工具，如回归 (Regression)、分类 (Classification) 和聚类 (Clustering) 等。
- 底层依赖：构建于 NumPy、SciPy 和 Matplotlib 之上。
- Statsmodels
- 允许用户探索数据、估计统计模型并进行统计检验。
结语：
掌握了这些工具，我们就可以正式进入统计学的世界了。感谢您的观看！