【Python】numpy、scipy、pandas这些库的区别是什么？

打个比方，pandas类似Excel软件，scipy就像Excel里的函数算法包，numpy则好比构建Excel逻辑的底层语句。

所以说pandas擅长数据处理，scipy精通数学计算，numpy是构建pandas、scipy的基础库。

我们知道numpy通过N维数组来实现快速的数据计算和处理，它也是Python众多数据科学库的依赖，其中就包括pandas、scipy。

而numpy本身不依赖于任何其他Python软件包，只依赖于加速的线性代数库，通常为 Intel MKL或 OpenBLAS。

pandas是python数据处理的核心库，它基于数组形式提供了极其丰富的数据操作，对比excel有过之而无不及。

它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，广泛应用在学术、金融、统计学等各个数据分析领域。

一般来说，学python数据分析只需要学透pandas就够了，辅助加一些numpy、scipy、matplotlib等库。

scipy 是一个用于数学、科学、工程领域的常用软件包，可以处理最优化、线性代数、积分、插值、拟合、特殊函数、快速傅里叶变换、信号处理、图像处理、常微分方程求解器等。。

其包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。

scipy中主要的计算模块：

• scipy.integrate：数值积分例程和微分方程求解器
• scipy.linalg：扩展了由numpy.linalg提供的线性代数例程和矩阵分解功能
• scipy.optimize：函数优化器（最小化器）以及跟查找算法
• scipy.signal：信号处理工具
• scipy.sparse：稀疏矩阵和系数线性系统求解器
• scipy.special：SPECFUN(这是一个实现了许多常用数学函数（如伽马函数）的Fortran库)的包装器
• scipy.stats：标准连续和离散概率分布、各种统计检验方法，以及更好的描述统计法
• scipy.weave：利用内联C++代码加速数组计算的工具

综上所述，pandas和scipy是建立在numpy数组基础之上的数据工具，三者的协同工作可以高效解决很多问题，在金融、财务、天文、生物、气象和气候、材料等多个领域得到了广泛应用。