Python有哪些常用庫？如在資料清洗時使用numpy和pandas包，資料可視化時使用matplotlib庫，matplotlib庫上手容易，更進階的學習seaborn庫，seaborn庫是改良matplotlib庫的圖表畫法，如果建立有互動性的圖表，可以使用Pyecharts庫，還有一些其他在自動化辦公中使用到的庫。
Python的作用絕不僅僅隻是做資料清洗和資料可視化，其作用還有很多，有許多意想不到的功能，可以高效的做資料處理、資料可視化，以及可以實作自動化辦公，這裡僅僅舉例講講Python使用最多的幾個包，歡迎大家補充，下面一起來學習。
Numpy
官網https://www.numpy.org.cn/
NumPy是Python中科學計算的基礎包。該庫提供多元數組對象，各種派生對象，以及用于數組快速操作的各種API，有包括數學、邏輯、形狀操作、排序、選擇、輸入輸出、離散傅立葉變換、基本線性代數，基本統計運算和随機模拟等等。
NumPy包的核心是 ndarray 對象。封裝了python原生的同資料類型的 n 維數組，為保證其性能優良，其中許多操作都是代碼在本地進行編譯後執行的。
NumPy的主要對象是同構多元數組。它是一個元素表，所有類型都相同，由非負整數元組索引。在NumPy次元中稱為軸 。
Pandas
官網https://www.pypandas.cn/
Pandas 是 Python的核心資料分析支援庫，提供了快速、靈活、明确的資料結構，旨在簡單、直覺地處理關系型、标記型資料，廣泛應用于資料分析領域，Pandas 适用于處理與 Excel 表類似的表格資料，以及有序和無序的時間序列資料等。
Pandas 的主要資料結構是 Series（一維資料）和 DataFrame（二維資料），這兩種資料結構足以處理金融、統計、社會科學等領域的大多數典型用例，使用pandas進行資料分析流程包含資料整理與清洗、資料分析與模組化、資料可視化與制表等階段。
- 靈活的分組功能：（group by）資料分組、聚合、轉換資料；
- 直覺地合并功能：（merge）資料連接配接；
- 靈活地重塑功能：（reshape）資料重塑；
Matplotlib
官網https://www.matplotlib.org.cn/
Matplotlib是一個Python 2D繪圖庫，以多種硬拷貝格式和跨平台的互動式環境生成出版物品質的圖形。可用于Python腳本，Python和IPython Shell、Jupyter筆記本，Web應用程式伺服器和四個圖形使用者界面工具包。
Matplotlib 嘗試使容易的事情變得更容易，使困難的事情變得可能，隻需幾行代碼就可以生成圖表、直方圖、功率譜、條形圖、誤差圖、散點圖等。
該 pyplot 子產品提供了類似于MATLAB的界面，尤其是與IPython結合使用時，對于進階使用者，可以通過面向對象的界面或MATLAB使用者熟悉的一組功能來完全控制線型，字型屬性，軸屬性等。
Seaborn
官網http://seaborn.pydata.org/
Seaborn 是一個基于matplotlib的 Python 資料可視化庫，它建立在matplotlib之上，并與Pandas資料結構緊密內建，用于繪制有吸引力和資訊豐富的統計圖形的進階界面。
Seaborn 可用于探索資料，它的繪圖功能對包含整個資料集的資料框和數組進行操作，并在内部執行必要的語義映射和統計聚合以生成資訊圖，其面向資料集的聲明式 API可以專注于繪圖的不同元素的含義，而不是如何繪制它們的細節。
Matplotlib 擁有全面而強大的 API，幾乎可以根據自己的喜好更改圖形的任何屬性，seaborn 的進階界面和 matplotlib 的深度可定制性相結合，使得Seaborn既可以快速探索資料，又可以建立可定制為出版品質最終産品的圖形。
Pyecharts
官網https://pyecharts.org/#/
Echarts 是一個由百度開源的資料可視化，憑借着良好的互動性，精巧的圖表設計，得到了衆多開發者的認可。而 Python 是一門富有表達力的語言，很适合用于資料處理。當資料分析遇上資料可視化時，pyecharts 誕生了。
Pyecharts具有簡潔的 API 設計，使用如絲滑般流暢，支援鍊式調用，囊括了 30+ 種常見圖表，應有盡有，支援主流 Notebook 環境，Jupyter Notebook 和 JupyterLab，擁有高度靈活的配置項，可輕松搭配出精美的圖表。
Pyecharts強大的資料互動功能，使資料表達資訊更加生動，增加了人機互動效果，并且資料呈現效果可直接導出為html檔案，增加資料結果互動的機會，使得資訊溝通更加容易。
Pyecharts有着豐富的圖表素材，支援鍊式調用，如下是使用Pyecharts的地理圖表功能，空間上直覺顯示資料可視化效果。
wordcloud
繪制詞雲圖，使用Python中的wordcloud庫，首先，用pip install wordcloud安裝該庫，導入文本資料後，建立WordCloud對象，設定詞雲圖的背景顔色、寬度和高度，使用generate()方法将文本傳遞給詞雲對象，生成詞雲圖，最後，使用imshow()方法将詞雲圖顯示出來，并使用axis()方法隐藏坐标軸。
import matplotlib.pyplot as plt
from wordcloud import WordCloud
text = "This is some sample text for generating a word cloud."
# 建立詞雲對象
wordcloud = WordCloud(background_color='white', width=800, height=600).generate(text)
# 顯示詞雲圖
plt.figure(figsize=(9, 6))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")
plt.show() Faker
Faker庫是一個很好的模拟生成資料的庫，在滿足資料安全的情況下，使用Faker庫最大限度的滿足我們資料分析的測試需求，可以模拟生成文本、數字、日期等字段。
導入Faker庫可模拟生成資料，locale="zh_CN"用來顯示中文，如下生成了一組包含姓名、手機号、身份證号、出生年月日、郵箱、位址、公司、職位這幾個字段的資料。
#多行顯示運作結果
from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = "all"
from faker import Faker
faker=Faker(locale="zh_CN")#模拟生成資料
faker.name()
faker.phone_number()
faker.ssn()
faker.ssn()[6:14]
faker.email()
faker.address()
faker.company()
faker.job() PySimpleGUI
為了将代碼的運作過程增加互動式操作，使用PySimpleGUI庫開發一個圖形界面，layout用于自定義視窗布局，window用于定義整體的視窗界面，while True: 循環運作，當滿足特定的"事件"時，則傳回具體的"值"，進而實作人機互動功能。
import PySimpleGUI as sg
#自定義視窗布局，一共是兩行，第一行用于查找需要合并Excel的檔案目錄，第二行點選開始合并按鈕進行合并
layout = [[sg.Text("請選擇Excel檔案所在目錄："),sg.Input(size=(25, 1), enable_events=True, key="檔案路徑"),sg.FolderBrowse(button_text="浏覽檔案"),],
[sg.Button('開始合并', enable_events=True, key="開始"),]
]
window = sg.Window('批量資料合并：By大話資料分析', layout)#定義視窗
while True:
event, values = window.read()
if event in (None,):
break #關閉使用者界面
elif event == "開始":
if values["檔案路徑"]:
print(values["檔案路徑"])
sg.popup('資料合并已完畢！')
else:
sg.popup('請先輸入Excel檔案所在的路徑！')
window.close() 如下将人機互動功能開發完畢，點選浏覽檔案，找到需要批量合并檔案的檔案夾目錄，點選開始合并，即可輸出結果，其中，values["檔案路徑"]輸入的是需要合并Excel資料的檔案路徑，print列印出來的就是需要合并Excel資料的檔案路徑。
pipenv
互動式的指令開發完畢，如何分享給别人使用？或者是别人的電腦上沒有安裝Python也能正常使用資料合并功能？這裡給大家介紹Python程式打包，使用虛拟環境進行打包，在指令行輸入如下指令下載下傳pipenv包。
#使用虛拟環境壓縮
pip install pipenv -i https://pypi.tuna.tsinghua.edu.cn/simple 使用快捷鍵Win+R鍵，然後輸入CMD，輸入pipenv shell指令，進入虛拟環境，沒有虛拟環境的話會自動建立一個。
#Win+R輸入CMD，進入虛拟環境，沒有虛拟環境的話會自動建立一個
pipenv shell 由于Python打包會将電腦安裝的Python包全部打包，這裡我們在虛拟環境中隻安裝Python程式涉及的子產品，這樣會減少打包的體積，注意xlrd==1.2.0下載下傳低版本的包，預設安裝的是高版本的，安裝高版本的包在程式使用中會報錯。
#隻安裝Python程式涉及的子產品
pip install pandas xlrd==1.2.0 id-validator PySimpleGUI pyinstaller -ihttps://pypi.tuna.tsinghua.edu.cn/simple 将帶有互動式指令的資料合并代碼導出為.py檔案，在指令行輸入如下的打包指令，指定具體的路徑即可打包，稍作幾分鐘即可打包完成。
#進行打包
pyinstaller -F -w C:\Desktop\combine.py 稍等幾分鐘，在Python的工作目錄下看到一個dist檔案，如果不知道自己的Python工作目錄，可使用os.getcwd()指令檢視。
該dist檔案包含一個combine.exe程式，如下即為打包的程式。
pandasql
pandasql庫可以在Python中寫SQL，而且SQL文法在Python中完全支援，在Python中寫SQL能夠做到手寫自如，導入pandasql庫，SQL運作都需要借助pandasql庫，我們使用的是sql.sqldf(""" *** """)指令，其中***就是你要寫的SQL語句，寫SQL不難，很容易入門，隻要将SQL語句寫入到括号内，即可實作資料查詢。
import pandasql as sql 導入pandasql庫，将電影的累計票房分為'超低票房'、'低票房'、'中等票房'、'高票房'、'超高票房'，使用case when進行分組，以end結尾，成功實作在pandas中使用case when查詢，查詢結果如下。
#對電影的累計票房使用CASE WHEN分組
sql.sqldf("""select 電影名稱,電影導演,電影主演,累計票房,
case
when 累計票房 < 100000 then '超低票房'
when 累計票房 < 200000 then '低票房'
when 累計票房 < 300000 then '中等票房'
when 累計票房 < 400000 then '高票房'
else '超高票房'
end as '電影票房分組' from df
where 累計票房 is not null;""") 什麼？以上的這幾個Python庫還沒學過瘾？如果你還想學習更多的Python庫，卻不知道該學習哪些庫的時候，可以關注我，持續分享資料分析知識，帶你零基礎入門資料分析，掌握一項技能~
三年網際網路資料分析經驗，擅長Excel、SQL、Python、PowerBI資料處理工具，資料可視化、商業資料分析技能，統計學、機器學習知識，持續創作資料分析内容，點贊關注，不迷路。