Python科学计算和数据分析库简介

科学计算和数据分析库：

NumPy
NumPy是Python数据处理的底层库，是高性能科学计算和数据分析的基础，许多其它科学计算库都基于NumPy库
SciPy
SciPy是Python解决科学计算中常见问题的工具集团，其不同子模块对应于不同的应用，包括：线性代数、插值、积分、最优化、图像处理、统计等等
Pandas
Pandas是Python的高级数据分析工具库
Matplotlib
Matplotlib是Python最流行的绘图程序库。Seaborn和Prettyplotlib是在Matplotlib的基础上改进功能的绘图程序库
SciKit
SciKit程序库为SciPy、NumPy和Python提供了专业化的扩展。例如，scikit-learn是用于机器学习和数据挖掘的库
IPython
IPython是基于Python Shell的交互式解释器，功能更加强大，被广泛应用于交互式科学计算

使用IPython Notebook进行科学计算

第一种安装方法：如果你安装了Python面向科学计算的环境Anaconda。安装Anaconda时会安装Jupyter Notebook (以前的版本也叫IPython Notebook)。

第二种安装方法：在控制台cmd中输入以下命令（使用pip命令安装）

先更新pip包

python -m pip install -U pip

然后安装jupyter（即IPython Notebook）

python -m pip install jupyter

如果在安装时出现这个问题：pip._vendor.urllib3.exceptions.ReadTimeoutError: HTTPSConnectionPool(host=‘files.pythonhosted.org’, port=443): Read timed out.

在cmd中输入以下命令，将超时限制修改一下

pip --default-timeout=100 install -U jupyter

Jupyter Notebook是一种交互式的数据分析与记录工具，它既是一个交互计算平台，又是一个记录计算过程的“笔记本”，它是数据分析、科学计算以及交互计算的“利器

Jupyter Notebook 由服务端和客户端两部分组成。服务端可以运行在本机，也可以运行在远程服务器上，它主要包含负责运算的iPython kernel，以及一个HTTP/HTTPS服务器(Tornado) ，主要负责代码的解释和计算；而客户端是浏览器，主要负责与用户进行交互，接受用户的输入，以及渲染输出。

Jupyter Notebook的使用示例

一：运行Jupyter Notebook

windows + R

输入 cmd ，点击确定

在cmd中输入 jupyter notebook

在浏览器中会出现如下界面：

Jupyter Notebook的特点是支持可重复性的互动计算，即可以重复更改并且执行曾经的输入记录。它可以记录演算过程，并保存成其他很多格式，例如Python脚本、HTML、PDF等。很多课程、数据和博客是用Notebook写作的。

二：新建Notebook文件

打开Notebook，可以看到主面板。在菜单栏中有Files、Running、Clusters三个选项，用到最多的是Files

单击如图的“New”下拉菜单，选择Python 3，新建一个名为Untitled的Notebook

JupyterNotebook使用浏览器作为界面，向后台的IPython服务器发送请求，并显示结果。在浏览器的界面中使用单元格(Cell) 输入保存各种信息。

Cell主要有两种类型:

Code(输入、编辑和执行Python代码)
MarkDown (输入、编辑和显示Markdown格式的文本)

三：输入markdown文本

在第一个单元格输入框中，输入“点赞、收藏、关注”，并设置单元格的类型为markdown

四：输入并执行Python代码

输入快捷键B也可以在下方插入一个单元格

输入代码，并执行（按快捷键 Ctrl+Enter，或者点击运行按钮）

Python在线性代数中的应用

线性代数(linear algebra) 是数学的一个分支，主要研究矩阵理论、向量空间、线性变换和有限维线性方程组等内容。使用Python的科学计算库NumPy和SciPy，可以进行线性代数的学习和研究。

一：创建向量和矩阵（数组）

通常使用NumPy的array函数可以创建向量和矩阵(数组)

一维数组表示向量
二维数组表示矩阵
也可以使用函数zeros、 zeros_like、 ones、ones_like、empty、 empty_like、arange、 linspace、 numpy. random.rand、numpy.random.randn、fromfunction、fromfile等函数创建特殊数组。