Numpy数据分析--读书笔记

NumPy--Python用于数值计算的一个库

ipython--方便分析性能的shell工具

NumPy对学过概率统计，线性代数的用户亲和度更高。

数组方面，它支持对多维数组的操作，切片分割等，同时像矩阵运算，分布绘制等数学领域的工作也能胜任。

实际应用中的数据统计，NumPy也有广泛应用。诸如金融行业的股票走势，通过建立模型预测价格，相关性分析，多项式拟合等操作进行。或者通信行业的傅里叶变换，滤波去噪，NumPy都能胜任。

虽然给人第一感觉就是“怎么看起来这么像Matlab”，但运用Python进行数学分析在国内普及度并不高。

客观地看待Python和Matlab在数学分析方面的现状:

Matlab:对新手友好,用户群体庞大。

第一，图形化界面做得更好，在学术领域很吃香；

第二，上手简单。基本指令学会之后翻来倒去就够用了。

第三，涵盖的领域完备，Matlab的工具箱包括但不限于数学统计（Statistics Toolbox, Symbolic Math Toolbox...）、优化（Optimization Toolbox,Global Optimization Toolbox...）、信号处理（Signal Processing Toolbox,DSP System Toolbox...）、生物计算（Bioinformatics Toolbox）...，用户面广，反过来更易于学习、推广和升级。

Python:更适用于喜欢敲代码的用户。

第一，需要引用的库和模块很难短时间掌握，但是一旦掌握，代码运行效率要比Matlab高。

第二，在新出现的一些领域，由于Python的应用更广，Python在Github的开源项目越来越多。

第三，相比正版Matlab，Python是免费开源的。

第四，MATLAB擅长数据分析，数学建模，其他方面就属于边缘功能了，即使有也比较弱。python可以做任何计算机能做的事，比如数据爬取，数据清洗， 数据分析，网络展示。

第五，可移植性，代码有其他方面需求或者数据分析只是作为一个业务的某块功能的话，Python显然更具有优势。

综上，我的看法是假如有需要研究数据分析的大多数时候（像竞赛、论文、展示、业务需要等等），优先选择Matlab。如果想做爱好向的项目，使用Python更加实用，因为它的实例更容易找到。