前言：
数据分析三剑客
数据分析就是让数据数据产生价值，通过数据的筛选、汇总等等操作从而分析或预测出事件的变化规律。python语言在数据分析领域同样扮演者比较强大的角色，其中被树枝的主要有三个扩展库用来做数据分析，分别是：numpy、pandas、matplotlib，其中，numpy则提供强大的科学计算、pandas主要是用作提炼数据使用、matplotlib负责数据可视化的操作，三者并成为python数据分析界的三大剑客。
numpy库是科学计算的基础库，为什么这么说呢？因为，pandas库依赖于numpy库，而matplotlib库依赖于numpy库和pandas库。如果只安装pandas库不安装numpy库，那么，pandas库不能正常运行。
正文：
科学计算库是由三个基础库组成的，也是人工智能，机器学习的基础库。
正文：
一、numpy简介
Numpy是高性能科学计算和数据分析的基础包，机器学习三剑客之一。Numpy库中最核心的部分是ndarray 对象，它封装了同构数据类型的n维数组。部分功能如下：
- ndarray, 具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组。
- 用于对整组数据进行快速运算的标准数学函数（无需编写循环）。
- 用于读写磁盘数据的工具以及用于操作内存映射文件的工具。
- 线性代数、随机数生成以及傅里叶变换功能。
- 用于集成C、C++、Fortran等语言编写的代码的工具。
二，pandas简介
Pandas 是python的一个数据分析包，最初由AQR Capital Management于2008年4月开发，并于2009年底开源出来，目前由专注于Python数据包开发的PyData开发team继续开发和维护，属于PyData项目的一部分。Pandas最初被作为金融数据分析工具而开发出来，因此，pandas为时间序列分析提供了很好的支持。 Pandas的名称来自于面板数据（panel data）和python数据分析（data analysis）。panel data是经济学中关于多维数据集的一个术语，在Pandas中也提供了panel的数据类型。
说人话就是，Pandas 一个强大的分析结构化数据的工具集，基于numpy库（提供高性能的矩阵运算）。Pandas 可以从各种文件格式比如 CSV、JSON、SQL、Microsoft Excel 导入数据。Pandas 可以对各种数据进行运算操作，比如归并、再成形、选择，还有数据清洗和数据加工特征。Pandas 广泛应用在学术、金融、统计学等各个数据分析领域。
三，matplotlib简介
matplotlib实际上是一套面向对象的绘图库，它所绘制的图表中的每个绘图元素，例如线条Line2D、文字Text、刻度等在内存中都有一个对象与之对应。
为了方便快速绘图matplotlib通过pyplot模块提供了一套和MATLAB类似的绘图API，将众多绘图对象所构成的复杂结构隐藏在这套API内部。我们只需要调用pyplot模块所提供的函数就可以实现快速绘图以及设置图表的各种细节。pyplot模块虽然用法简单，但不适合在较大的应用程序中使用。
matplotlib是数据分析流程里的最后一步：数据展示，也可以称之为结果展示。
数据分析流程通常为：数据源的获取或者生产----->数据清洗，数据加工----->数据展示，成果展示这样的三步流程。而numpy，pandas，matplotlib分别对应这三个流程。
四，科学计算之数据分析三剑客的安装建议和契合的IDE选择
三库的安装建议：
以上三个库建议使用linux操作系统安装，为什么是linux呢？因为，Windows安装第三方库有很多依赖不太好安装，通常，Windows安装第三方库需要借助anaconda这个第三方工具来解决依赖问题，由此给学习和训练造成更多的困扰，而linux操作系统安装第三方库比较的简单，基本是一条命令就可以搞定了，安装命令为（安装前设置好国内pip源即可，设置方法见我的博客：pip的官方源替换为国内高速镜像源_zsk_john的博客-CSDN博客_pip官方源）：
pip install numpy pandas matplotlib在linux操作系统下，基本这么一条命令就可以搞定三剑客的安装了。
契合三库的iDE：
而比较契合这三个库的IDE无疑就是jupyter了，首选jupyter的原因为matplotlib的代码写好后，可以在jupyter里立刻看到，所见即所得，十分的方便简单，如果使用pycharm这些比较重型的或者sublime这些常规的IDE，在使用之前是需要一些设置的。
jupyter的安装见我的博客：python学习之科学计算的jupyter安装和配置 day11_zsk_john的博客-CSDN博客
