知乎上有個熱門問題，問numpy，scipy，pandas這三個庫的區(qū)別是什么？

打個比方，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擅長數(shù)據(jù)處理，scipy精通數(shù)學計算，numpy是構(gòu)建pandas、scipy的基礎庫。

我們知道numpy通過N維數(shù)組來實現(xiàn)快速的數(shù)據(jù)計算和處理，它也是Python眾多數(shù)據(jù)科學庫的依賴，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，通常為 Intel MKL或 OpenBLAS。

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

它可以對各種數(shù)據(jù)進行運算操作，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，廣泛應用在學術、金融、統(tǒng)計學等各個數(shù)據(jù)分析領域。

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

scipy 是一個用于數(shù)學、科學、工程領域的常用軟件包，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、信號處理和圖像處理、常微分方程求解和其他科學與工程中常用的計算。

scipy中主要的計算模塊：

• scipy.integrate：數(shù)值積分例程和微分方程求解器
• scipy.linalg：擴展了由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(這是一個實現(xiàn)了許多常用數(shù)學函數(shù)（如伽馬函數(shù)）的Fortran庫)的包裝器
• scipy.stats：標準連續(xù)和離散概率分布、各種統(tǒng)計檢驗方法，以及更好的描述統(tǒng)計法
• scipy.weave：利用內(nèi)聯(lián)C++代碼加速數(shù)組計算的工具

綜上所述，pandas和scipy是建立在numpy數(shù)組基礎之上的數(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、財務、天文、生物、氣象和氣候、材料等多個領域得到了廣泛應用。