知乎上有個(gè)熱門問題，問numpy，scipy，pandas這三個(gè)庫(kù)的區(qū)別是什么？

打個(gè)比方，pandas類似Excel軟件，scipy就像Excel里的函數(shù)算法包，numpy則好比構(gòu)建Excel邏輯的底層語句。

所以說pandas擅長(zhǎng)數(shù)據(jù)處理，scipy精通數(shù)學(xué)計(jì)算，numpy是構(gòu)建pandas、scipy的基礎(chǔ)庫(kù)。

我們知道numpy通過N維數(shù)組來實(shí)現(xiàn)快速的數(shù)據(jù)計(jì)算和處理，它也是Python眾多數(shù)據(jù)科學(xué)庫(kù)的依賴，其中就包括pandas、scipy。

而numpy本身不依賴于任何其他Python軟件包，只依賴于加速的線性代數(shù)庫(kù)，通常為 Intel MKL或 OpenBLAS。

pandas是python數(shù)據(jù)處理的核心庫(kù)，它基于數(shù)組形式提供了極其豐富的數(shù)據(jù)操作，對(duì)比excel有過之而無不及。

它可以對(duì)各種數(shù)據(jù)進(jìn)行運(yùn)算操作，比如歸并、再成形、選擇，還有數(shù)據(jù)清洗和數(shù)據(jù)加工特征，廣泛應(yīng)用在學(xué)術(shù)、金融、統(tǒng)計(jì)學(xué)等各個(gè)數(shù)據(jù)分析領(lǐng)域。

一般來說，學(xué)python數(shù)據(jù)分析只需要學(xué)透pandas就夠了，輔助加一些numpy、scipy、matplotlib等庫(kù)。

scipy 是一個(gè)用于數(shù)學(xué)、科學(xué)、工程領(lǐng)域的常用軟件包，可以處理最優(yōu)化、線性代數(shù)、積分、插值、擬合、特殊函數(shù)、快速傅里葉變換、信號(hào)處理、圖像處理、常微分方程求解器等。。

其包含的模塊有最優(yōu)化、線性代數(shù)、積分、插值、特殊函數(shù)、快速傅里葉變換、信號(hào)處理和圖像處理、常微分方程求解和其他科學(xué)與工程中常用的計(jì)算。

scipy中主要的計(jì)算模塊：

• scipy.integrate：數(shù)值積分例程和微分方程求解器
• scipy.linalg：擴(kuò)展了由numpy.linalg提供的線性代數(shù)例程和矩陣分解功能
• scipy.optimize：函數(shù)優(yōu)化器（最小化器）以及跟查找算法
• scipy.signal：信號(hào)處理工具
• scipy.sparse：稀疏矩陣和系數(shù)線性系統(tǒng)求解器
• scipy.special：SPECFUN(這是一個(gè)實(shí)現(xiàn)了許多常用數(shù)學(xué)函數(shù)（如伽馬函數(shù)）的Fortran庫(kù))的包裝器
• scipy.stats：標(biāo)準(zhǔn)連續(xù)和離散概率分布、各種統(tǒng)計(jì)檢驗(yàn)方法，以及更好的描述統(tǒng)計(jì)法
• scipy.weave：利用內(nèi)聯(lián)C++代碼加速數(shù)組計(jì)算的工具

綜上所述，pandas和scipy是建立在numpy數(shù)組基礎(chǔ)之上的數(shù)據(jù)工具，三者的協(xié)同工作可以高效解決很多問題，在金融、財(cái)務(wù)、天文、生物、氣象和氣候、材料等多個(gè)領(lǐng)域得到了廣泛應(yīng)用。