1樓：匿名使用者
ipython
ipython 是一個在多種程式語言之間進行互動計算的命令列 shell，最開始是用 python 開發的，提供增強的內省，富**，擴充套件的 shell
語法，tab 補全，豐富的歷史等功能。ipython 提供瞭如下特性：
更強的互動 shell(基於 qt 的終端)
一個基於瀏覽器的記事本，支援**，純文字，數學公式，內建圖表和其他富**
支援互動資料視覺化和圖形介面工具
靈活，可嵌入直譯器載入到任意一個自有工程裡
簡單易用，用於平行計算的高效能工具
由資料分析總監，galvanize 專家 nir kaldero 提供。
graphlab greate 是一個 python 庫，由 c++ 引擎支援，可以快速構建大型高效能資料產品。
這有一些關於 graphlab greate 的特點：
可以在您的計算機上以互動的速度分析以 t 為計量單位的資料量。
在單一平臺上可以分析**資料、曲線、文字、影象。
最新的機器學習演算法包括深度學習，進化樹和 factorization machines 理論。
可以用 hadoop yarn 或者 ec2 聚類在你的筆記本或者分佈系統上執行同樣的**。
藉助於靈活的 api 函式專注於任務或者機器學習。
在雲上用**服務便捷地配置資料產品。
為探索和產品監測建立視覺化的資料。
由 galvanize 資料科學家 benjamin skrainka 提供。
pandas
pandas 是一個開源的軟體，它具有 bsd 的開源許可，為 python
程式語言提供高效能，易用資料結構和資料分析工具。在資料改動和資料預處理方面，python 早已名聲顯赫，但是在資料分析與建模方面，python
是個短板。pands 軟體就填補了這個空白，能讓你用 python 方便地進行你所有資料的處理，而不用轉而選擇更主流的專業語言，例如 r 語言。
整合了勁爆的 ipyton 工具包和其他的庫，它在 python 中進行資料分析的開發環境在處理效能，速度，和相容方面都效能卓越。pands
不會執行重要的建模函式超出線性迴歸和麵板迴歸;對於這些，參考 statsmodel 統計建模工具和 scikit-learn 庫。為了把 python
打造成頂級的統計建模分析環境，我們需要進一步努力，但是我們已經奮鬥在這條路上了。
由 galvanize 專家，資料科學家 nir kaldero 提供。
pulp
線性程式設計是一種優化，其中一個物件函式被最大程度地限制了。pulp 是一個用 python
編寫的線性程式設計模型。它能產生線性檔案，能呼叫高度優化的求解器，glpk，coin clp/cbc，cplex，和gurobi，來求解這些線性問題。
由 galvanize 資料科學家 isaac laughlin 提供
matplotlib
matplotlib 是基於 python 的
2d(資料)繪相簿，它產生(輸出)出版級質量的圖表，用於各種列印紙質的原件格式和跨平臺的互動式環境。matplotlib 既可以用在 python 指令碼，
python 和 ipython 的 shell 介面 (ala matlab? 或 mathematica?)，web 應用伺服器，和6類 gui
工具箱。
matplotlib 嘗試使容易事情變得更容易，使困難事情變為可能。你只需要少量幾行**，就可以生成圖表，直方圖，能量光譜(power
spectra)，柱狀圖，errorcharts，散點圖(scatterplots)等，。
為簡化資料繪圖，pyplot 提供一個類 matlab 的介面介面，尤其是它與 ipython
共同使用時。對於高階使用者，你可以完全定製包括線型，字型屬性，座標屬性等，藉助物件導向介面介面，或項 matlab 使用者提供類似(matlab)的介面。
galvanize 公司的首席科學官 mike tamir 供稿。
scikit-learn
scikit-learn 是一個簡單有效地資料探勘和資料分析工具(庫)。關於最值得一提的是，它人人可用，重複用於多種語境。它基於
numpy，scipy 和 mathplotlib 等構建。scikit 採用開源的 bsd 授權協議，同時也可用於商業。scikit-learn
具備如下特性：
分類(classification) – 識別鑑定一個物件屬於哪一類別
迴歸(regression) – **物件關聯的連續值屬性
聚類(clustering) – 類似物件自動分組集合
降維(dimensionality reduction) – 減少需要考慮的隨機變數數量
模型選擇(model selection) –比較、驗證和選擇引數和模型
預處理(preprocessing) – 特徵提取和規範化
galvanize 公司資料科學講師，isaac laughlin提供
spark
spark 由一個驅動程式構成，它執行使用者的 main 函式並在聚類上執行多個並行操作。spark
最吸引人的地方在於它提供的彈性分佈資料集(rdd)，那是一個按照聚類的節點進行分割槽的元素的集合，它可以在平行計算中使用。rdds 可以從一個 hadoop
檔案系統中的檔案(或者其他的 hadoop 支援的檔案系統的檔案)來建立，或者是驅動程式中其他的已經存在的標量資料集合，把它進行變換。使用者也許想要 spark
在記憶體中永久儲存 rdd，來通過並行操作有效地對 rdd 進行復用。最終，rdds 無法從節點中自動復原。
spark 中第二個吸引人的地方在並行操作中變數的共享。預設情況下，當 spark
在並**況下執行一個函式作為一組不同節點上的任務時，它把每一個函式中用到的變數拷貝一份送到每一任務。有時，一個變數需要被許多工和驅動程式共享。spark
支援兩種方式的共享變數：廣播變數，它可以用來在所有的節點上快取資料。另一種方式是累加器，這是一種只能用作執行加法的變數，例如在計數器中和加法運算中。
2樓：瀟涼七
最基礎的就是numpy和pandas，這是資料分析入門必學的兩個包，此外想深入學習的話就要繼續學習機器學習和深度學習相關的演算法，以此為基礎才能有深入的掌握，希望可以幫到你
3樓：匿名使用者
numpy pandas matplotlib 機器學習的scikit-learn
python資料分析需要學習哪些內容
資料分析是指用適當的統計分析方法對收集來的大量資料進行分析，將它們加以彙總和理解並消化，以求最大化地開發資料的功能，發揮資料的作用。資料分析是為了提取有用資訊和形成結論而對資料加以詳細研究和概括總結的過程。 賈梓默 1.統計基礎 理工科的學生在本科階段學習過概率論與數理統計，單從做資料分析的角度已經...
如何用python寫資料分析工具
擦擦小塞尼 未至科技魔方是一款大資料模型平臺，是一款基於服務匯流排與分散式雲端計算兩大技術架構的一款資料分析 挖掘的工具平臺，其採用分散式檔案系統對資料進行儲存，支援海量資料的處理。採用多種的資料採集技術，支援結構化資料及非結構化資料的採集。通過圖形化的模型搭建工具，支援流程化的模型配置。通過第三方...
資料分析用python還是r語言
python與r語言的共同點 python和r在資料分析和資料探勘方面都有比較專業和全面的模組，很多常用的功能，比如矩陣運算 向量運算等都有比較高階的用法。python和r兩門語言有許多平臺適應性，linux windows都可以用，並且 可移植性強。python和r比較貼近matlab以及mini...