jdbc預編譯物件，事務，資料庫連線池
Numpy: 基礎的數學計算模組，以矩陣為主,純數學。
SciPy: 基於Numpy，提供方法(函式庫)直接計算結果，封裝了一些高階抽象和物理模型。比方說做個傅立葉變換，這是純數學的，用Numpy；做個濾波器，這屬於訊號處理模型了，在Scipy裡找。
Pandas: 提供了一套名為DataFrame的資料結構，適合統計分析中的表結構,在上層做資料分析。
Numpy：
來儲存和處理大型矩陣，比Python自身的巢狀列表（nested list structure)結構要高效的多，本身是由C語言開發。這個是很基礎的擴充套件，其餘的擴充套件都是以此為基礎。資料結構為ndarray,一般有三種方式來建立。
Pandas:
基於NumPy 的一種工具，該工具是為了解決資料分析任務而建立的。Pandas 納入了大量庫和一些標準的資料模型，提供了高效地操作大型資料集所需的工具。最具有統計意味的工具包，某些方面優於R軟體。資料結構有一維的Series，二維的DataFrame(類似於Excel或者SQL中的表，如果深入學習，會發現Pandas和SQL相似的地方很多，例如merge函式)，三維的Panel（Pan（el) + da(ta) + s，知道名字的由來了吧）。
1.彙總和計算描述統計，處理缺失資料 ，層次化索引
2.清理、轉換、合併、重塑、GroupBy技術
3.日期和時間資料型別及工具（日期處理方便地飛起）
Matplotlib:
Python中最著名的繪圖系統，很多其他的繪圖例如seaborn（針對pandas繪圖而來）也是由其封裝而成。
繪製的圖形可以大致按照ggplot的顏色顯示，但是還是感覺很雞肋。但是matplotlib的複雜給其帶來了很強的定製性。其具有面向物件的方式及Pyplot的經典高層封裝。
需要掌握的是：
1.散點圖，折線圖，條形圖，直方圖，餅狀圖，箱形圖的繪製。
2.繪圖的三大系統：pyplot，pylab(不推薦)，面向物件
3.座標軸的調整，新增文字註釋，區域填充，及特殊圖形patches的使用
4.金融的同學注意的是：可以直接呼叫Yahoo財經資料繪圖
Scipy：
方便、易於使用、專為科學和工程設計的Python工具包.它包括統計,優化,整合,線性代數模組,傅立葉變換,訊號和影象處理,常微分方程求解器等等。基本可以代替Matlab，但是使用的話和資料處理的關係不大，數學系，或者工程系相對用的多一些。
近期發現有個statsmodel可以補充scipy.stats，時間序列支援完美。
一。 陣列要比列表效率高很多
numpy高效的處理資料，提供陣列的支援，python預設沒有陣列。pandas、scipy、matplotlib都依賴numpy。
pandas主要用於資料探勘，探索，分析
matplotlib用於作圖，視覺化
scipy進行數值計算，如：積分，傅立葉變換，微積分
statsmodels用於統計分析
Gensim用於文字挖掘
sklearn機器學習， keras深度學習
二。
numpy和mkl 下載安裝
pandas和maiplotlib網路安裝
scipy 下載安裝
statsmodels和Gensim網路安裝
三numpy的操作。
import numpy
# 建立數一維陣列組
# numpy.array([元素1,元素2，......元素n])
x = numpy.array(['a', '9', '8', '1'])
# 建立二維陣列格式
# numpy.array([[元素1,元素2，......元素n],[元素1,元素2，......元素n],[元素1,元素2，......元素n]])
y = numpy.array([[3,5,7],[9,2,6],[5,3,0]])
# 排序
x.sort()
y.sort()
# 取最大值
y1 = y.max()
# 取最小值
y2 = y.main()
# 切片
四pandas的操作。 import pandas as pda # 使用pandas生成資料 # Series代表某一串資料 index指定行索引名稱，Series索引預設從零開始 # DataFrame代表行列整合出來的資料框,columns 指定列名 a = pda.Series([8, 9, 2, 1], index=['one', 'two', 'three', 'four']) # 以列表的格式建立資料框 b = pda.DataFrame([[5,6,2,3],[3,5,1,4],[7,9,3,5]], columns=['one', 'two', 'three', 'four'],index=['one', 'two', 'three']) # 以字典的格式建立資料框 c = pda.DataFrame({ 'one':4, # 會自動補全 'two':[6,2,3], 'three':list(str(982)) }) # b.head(行數)# 預設取前5行頭 # b.tail(行數)# 預設取後5行尾 # b.describe() 統計資料的情況 count mean std min 25% max e = b.head() f = b.describe() # 資料的轉置,及行變成列，列變成行 g = b.T
print(e)
print(f)
print(g)
五python資料的匯入
import pandas as pad
f = open('d:/大.csv','rb')
# 匯入csv
a = pad.read_csv(f, encoding='python')
# 顯示多少行多少列
a.shape()
a.values[0][2] #第一行第三列
# 描述csv資料
b = a.describe()
# 排序
c = a.sort_values()
# 匯入excel
d = pad.read_excel('d:/大.xls')
print(d)
print(d.describe())
# 匯入mysql
import pymysql
conn = pymysql.connect(host='localhost', user='root', passwd='root', db='')
sql = 'select * from mydb'
e = pad.read_sql(sql, conn)
# 匯入html表格資料 需要先安裝 html5lib和bs4
g = pad.read_html('https://book.douban.com/subject/30258976/?icn=index-editionrecommend')
# 匯入文字資料
h = pad.read_table('d:/lianjie.txt','rb', engine='python')
print(h.describe())
六matplotlib的使用
# 折線圖/散點圖用plot
# 直方圖用hist
import matplotlib.pylab as pyl
import numpy as npy
x = [1,2,4,6,8,9]
y = [5,6,7,8,9,0]
pyl.plot(x, y) #plot(x軸資料，y軸資料，展現形式)
# o散點圖,預設是直線 c cyan青色 r red紅色 m magente品紅色 g green綠色 b blue藍色 y yellow黃色 w white白色
# -直線 --虛線 -. -.形式 :細小虛線
# s方形 h六角形 *星星 + 加號 x x形式 d菱形 p五角星
pyl.plot(x, y, 'D')
pyl.title('name') #名稱
pyl.xlabel('xname') #x軸名稱
pyl.ylabel('yname') #y軸名稱
pyl.xlim(0,20) #設定x軸的範圍
pyl.ylim(2,22) #設定y軸的範圍
pyl.show()
# 隨機數的生成
data = npy.random.random_integers(1,20,100) #(最小值，最大值，個數)
# 生成具有正態分佈的隨機數
data2 = npy.random.normal(10.0, 1.0, 10000) #(均值，西格瑪，個數)
# 直方圖hist
pyl.hist(data)
pyl.hist(data2)
# 設定直方圖的上限下限
sty = npy.arange(2,20,2) #步長也表示直方圖的寬度
pyl.hist(data, sty, histtype='stepfilled') # 去除輪廓
# 子圖的繪製和使用
pyl.subplot(2, 2, 2) # (行，列，當前區域)
x1 = [2,3,5,8,6,7]
y1 = [2,3,5,9,6,7]
pyl.plot(x1, y1)
pyl.subplot(2, 2, 1) # (行，列，當前區域)
x1 = [2,3,5,9,6,7]
y1 = [2,3,5,9,6,7]
pyl.plot(x1, y1)
pyl.subplot(2, 1, 2) # (行，列，當前區域)
x1 = [2,3,5,9,6,7]
y1 = [2,3,9,5,6,7]
pyl.plot(x1, y1)
pyl.show()