一、数据结构与基础处理
1. NumPy（数值计算核心）
-
定位：Python科学计算的基石，提供高效多维数组（
ndarray）和向量化运算。 -
核心功能：数组创建、数值运算（矩阵乘法、统计计算）、随机数生成。
-
典型用法：
import numpy as np
# 创建数组
arr = np.array([[1, 2], [3, 4]])
# 数值运算
print(arr.sum()) # 求和
2. Pandas（表格数据处理）
-
定位：专为表格数据（如CSV、Excel）设计的处理库，核心结构为
DataFrame（二维表格）和Series（一维序列）。 -
核心功能：数据读取（
read_csv）、筛选、分组、聚合、缺失值处理。 -
典型用法：
import pandas as pd
# 读取数据
df = pd.read_csv("data.csv")
# 筛选数据
filtered_df = df[df["age"] > 30]
二、科学计算
SciPy（高级科学计算）
-
定位：基于NumPy的高级科学计算库，专注工程、物理、数学领域的专业计算。
-
核心子模块：
- scipy.integrate：数值积分（定积分、常微分方程求解）；
- scipy.linalg：线性代数操作（矩阵分解、求逆、特征值）。
- 典型用法（数值积分示例）：
from scipy.integrate import quad
# 计算∫(0到1) x² dx
result, _ = quad(lambda x: x**2, 0, 1)
print(result) # 输出：0.333333...
三、数据可视化
1. Matplotlib（基础可视化）
-
定位：Python可视化的“基石”，支持折线图、柱状图、散点图等基础图表。
-
典型用法（折线图）：
import matplotlib.pyplot as plt
x = [1, 2, 3]
y = [2, 4, 6]
plt.plot(x, y)
plt.title("Line Plot")
plt.show()
2. Seaborn（统计可视化）
-
定位：基于Matplotlib的高级统计可视化库，专注于美观的统计图表（如散点图、热力图、箱线图）。
-
典型用法（散点图）：
import seaborn as sns
df = sns.load_dataset("iris")
sns.scatterplot(x="sepal_length", y="sepal_width", hue="species", data=df)
plt.show()
四、机器学习与统计建模
1. Scikit-Learn（工程化机器学习）
-
定位：最流行的机器学习库，封装经典算法（线性回归、决策树等），接口统一（
fit训练、predict预测）。 -
典型用法（线性回归）：
from sklearn.linear_model import LinearRegression
import numpy as np
# 准备数据
X = np.array([[1], [2], [3]])
y = np.array([2, 4, 6])
# 建模与训练
model = LinearRegression().fit(X, y)
# 预测
print(model.predict([[4]])) # 输出：[8.]
2. Statsmodels（统计推断建模）
-
定位：专注统计建模与推断，输出p值、置信区间等统计指标，适合学术分析。
-
典型用法（OLS线性回归）：
import numpy as np
import statsmodels.api as sm
# 准备数据
x = np.random.rand(100)
y = 2 * x + 1 + np.random.rand(100)
X = sm.add_constant(x) # 添加截距项
# 拟合与统计分析
model = sm.OLS(y, X).fit()
print(model.summary()) # 输出完整统计报告
五、地理空间数据处理（GeoPandas）
-
定位：扩展Pandas功能，专为矢量地理数据（Shapefile、GeoJSON等）设计，支持空间处理与可视化。
-
核心数据结构：
GeoDataFrame（含geometry列存储地理要素，如点、多边形）。 -
典型用法：
import geopandas as gpd
import matplotlib.pyplot as plt
# 读取Shapefile
gdf = gpd.read_file("taxi_zones.shp")
# 地图可视化
gdf.plot(column="人口密度", cmap="viridis", legend=True)
plt.title("区域人口密度分布")
plt.show()
