python常用库
NumPy
NumPy 通常与 SciPy（Scientific Python）和 Matplotlib（绘图库）一起使用， 这种组合广泛用于替代 MatLab，是一个强大的科学计算环境，有助于我们通过 Python 学习数据科学或者机器学习。
SciPy 是一个开源的 Python 算法库和数学工具包。
SciPy 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。
Matplotlib 是 Python 编程语言及其数值数学扩展包 NumPy 的可视化操作界面。它为利用通用的图形用户界面工具包，如 Tkinter, wxPython, Qt 或 GTK+ 向应用程序嵌入式绘图提供了应用程序接口（API）。
SciPy
参考：https://www.runoob.com/scipy/scipy-tutorial.html
SciPy 是一个开源的 Python 算法库和数学工具包。
SciPy 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。
Pandas
Pandas 一个强大的分析结构化数据的工具集，基础是 Numpy（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 的主要数据结构是 Series （一维数据）与 DataFrame（二维数据），这两种数据结构足以处理金融、统计、社会科学、工程等领域里的大多数典型用例。
Series 是一种类似于一维数组的对象，它由一组数据（各种Numpy数据类型）以及一组与之相关的数据标签（即索引）组成。
DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。
Matplotlib
参考：https://www.runoob.com/matplotlib/matplotlib-tutorial.html
Matplotlib 是 Python 的绘图库，它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。
Matplotlib 可以绘制线图、散点图、等高线图、条形图、柱状图、3D 图形、甚至是图形动画等等。
Pyplot 是 Matplotlib 的子库，提供了和 MATLAB 类似的绘图 API。Pyplot 是常用的绘图模块，能很方便让用户绘制 2D 图表。
import matplotlib.pyplot as plt
Pyplot中的 subplot() 和 subplots() 方法来绘制多个子图。subplot() 方法在绘图时需要指定位置，subplots() 方法可以一次生成多个，在调用时只需要调用生成对象的 ax 即可。
subplot(nrows, ncols, index, **kwargs)
将整个绘图区域分成 nrows 行和 ncols 列，然后从左到右，从上到下的顺序对每个子区域进行编号 1...N ，左上的子区域的编号为 1、右下的区域编号为 N，编号可以通过参数 index 来设置。
设置 numRows ＝ 2，numCols ＝ 1，就是将图表绘制成 2x1 的图片区域, 对应的坐标为：（1,1）（2,1）
import numpy as np from matplotlib import pyplot as plt fig = plt.figure() #plot （1,1） x = np.arange(24) y = 2 * x + 5 plt.subplot(2, 1, 1) plt.title("Matplotlib demo") plt.xlabel("x axis caption") plt.ylabel("y axis caption") plt.plot(x,y, 'ob') #plt.show() #plot (2,1) m = np.arange(0, 3*np.pi, 0.1) n = np.sin(m) plt.subplot(2, 1, 2) plt.title('sine wave form') plt.plot(m, n) plt.show() fig.savefig("test.png")
Pillow
Python Imaging Library，python平台事实上的图像处理标准库。
支持图像缩放、切片、旋转、滤镜、输出文字、调色板、模糊效果等。
xlwt
https://github.com/python-excel/xlwt
Python3 xlwt库基本教程 w3cschool
轻量级xls处理库，用于在原有工作簿或新建工作簿进行数据的写入，速度较快。
仅支持xls格式的excel文件。
import xlwt from datetime import datetime style0 = xlwt.easyxf('font: name Times New Roman, color-index red, bold on', num_format_str='#,##0.00') style1 = xlwt.easyxf(num_format_str='D-MMM-YY') wb = xlwt.Workbook(encoding='utf-8') ws = wb.add_sheet('A Test Sheet') ws.write(0, 0, 1234.56, style0) ws.write(1, 0, datetime.now(), style1) ws.write(2, 0, 1) ws.write(2, 1, 1) ws.write(2, 2, xlwt.Formula("A3+B3")) wb.save(str('example.xls'))
xls处理
- xlrd 、 xlwt 、 xlutils 各自的功能都有局限性，但三者互为补充，覆盖了Excel文件尤其是 .xls 文件的操作。 xlwt 可以生成 .xls 文件， xlrd 可以读取已经存在的 .xls 文件， xlutils 连接 xlrd 和 xlwt 两个模块，使用户可以同时读写一个 .xls 文件。简单来说， xlrd 负责读、 xlwt 负责写、 xlutils 负责提供辅助和衔接。
- xlwings 能够非常方便的读写 Excel 文件中的数据，并且能够进行单元格格式的修改。
- XlsxWriter 是一个用来写 .xlsx 文件格式的模块。它可以用来写文本、数字、公式并支持单元格格式化、图片、图表、文档配置、自动过滤等特性。但不能用来读取和修改 Excel 文件。
- openpyxl 通过 工作簿 “workbook - 工作表 sheet - 单元格 cell” 的模式对 .xlsx 文件进行读、写、改，并且可以调整样式。
- pandas 大家都不陌生，是进行数据处理和分析的强大模块，有时也可以用来自动化处理Excel。
参考：
1. https://www.runoob.com/ 数据分析
