前面几篇文章采用的案例的方法进行介绍的，这篇文章主要介绍python常用的扩展包，同时结合数据挖掘相关知识介绍该包具体的用法，主要介绍numpy、pandas和matplotlib三个包。目录：
一.python常用扩展包
二.numpy科学计算包
三.pandas数据分析包
四.matplotlib绘图包
前文推荐：
部分截图参考张良均的《python数据分析与挖掘实战》，推荐大家购买阅读。
参考张良均的《python数据分析与挖掘实战》，下图展示了常见的python扩展包。
常用的包主要包括：
1.numpy
python没有提供数组，列表（list）可以完成数组，但不是真正的数据，当数据量增大时，，它的速度很慢。所以numpy扩展包提供了数组支持，同时很多高级扩展包依赖它。例如：scipy、matplotlib、pandas。
2.scipy
该包提供矩阵支持，以及矩阵相关的数值计算模块。如果说numpy让python有了matlab的味道，那么scipy就让python真正地成为二半个matlib。因为涉及到矩阵内容，而课程中主要使用数组，所以不再介绍。
3.pandas
pandas是面板数据（panel data）的简写。它是python最强大的数据分析和探索工具，因金融数据分析工具而开发，支持类似sql的数据增删改查，支持时间序列分析，灵活处理缺失数据，后面详细介绍。
4.scikit-learn
scikit-learn是一个基于python的用于数据挖掘和数据分析的简单且有效的工具，它的基本功能主要被分为六个部分：分类(classification)、回归(regression)、聚类(clustering)、数据降维(dimensionality reduction)、模型选择(model selection)、数据预处理(preprocessing)，前面写的很多文章算法都是出自该扩展包。
5.matplotlib
该包主要用于绘图和绘表，强大的数据可视化工具，做图库，语法类似matlab。同时，seaborn也是数据可视化的工具包。
注意：这些包在anaconda集成环境中已经存在，可以直接使用，最早我是通过python2.7来编写代码的，安装过程通过pip install numpy，而且安装顺序非常讲究，容易出错，所以推荐大家使用该集成包。
numpy（numeric python）系统是python的一种开源的数值计算扩展，一个用python实现的科学计算包。它提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。
下面通过这段代码详细讲解这个包在数据分析中的常见用法：
1.一维数组处理
输出结果如下所示：
核心代码：
代码通过np.array定义了一个数组[2, 0, 1, 5, 8, 3]，其中min计算最小值，max计算最大值，shape表示数组的形状，因为是一维数组，故6l（6个数字）。
最重要的一个知识点是数组的切片操作，因为在数据分析过程中，通常会对数据集进行"80%-20%"或"70%-30%"的训练集和测试集划分，通常采用的方法就是切片。
a[:-2]表示从头开始获取，"-2"表示后面两个值不取，结果：[2 0 1 5]
a[-2:]表示后往前数两个数字，获取数字至结尾，即获取最后两个值[8 3]
a[:1]表示从头开始获取，获取1个数字，即[2]
2.二维数组处理
注意的是定义二维数组括号不要弄错，正确的应该是：[[1,2,3],[4,5,6]]
同时计算机的存储下标都是从0开始计算的。
代码如下：
代码输出结果如下所示：
需要注意：
（1）获取二维数组中的某行，如第2行数据[4,5,6,7]，采用方法是：c[1][:]；
（2）获取二维数组中的某列，如第2列数据[[3] [6] [9]]，c[:,np.newaxis, 2]。因为通常在数据可视化中采用获取某列数据作为x或y坐标，同时多维数据也可以采用pca降低成两维数据，再进行显示。
最后希望读者自己去阅读该段代码。
pandas是面板数据（panel data）的简写。它是python最强大的数据分析和探索工具，因金融数据分析工具而开发，支持类似sql的数据增删改查，支持时间序列分析，灵活处理缺失数据。
注意：首先声明改包功能非常强大，我只是学习了它的非常小的一部分，后面随着学习深入会写更多它的用法，同时建议读者自行学习，不喜勿喷。
约定俗成的导入惯例：
from pandas import series, dataframe
import pandas as pd
1.常见用法：读写文件
这里读文件最常用的是两种方法：
下面通过一个具体的案例来讲解该包，这里读取的数据是张良均的《python数据分析与挖掘实战》的第六章的电力用户数据集，missing_data.xls文件。内容如下，共3列数据，分别是用户a、用户b、用户c，共21行，对应21天的用电量，其中包含缺失值。
部分excel文件数据截图如下所示：
具体代码如下所示：
其中data.describe()输出数据的基本信息统计，其方法参考前面的图，包括count计数、std、max等函数。同时因为excel表格中存在空值，故python显示为nan（not a number）表示空。
2.series
series是一维标记数组，可以存储任意数据类型，如整型、字符串、浮点型和python对象等，轴标一般指索引。
series、numpy中的一维array 、python基本数据结构list区别：list中的元素可以是不同的数据类型，而array和series中则只允许存储相同的数据类型，这样可以更有效的使用内存，提高运算效率。
输出如下所示：
series的一个重要功能是在算术运算中它会自动对齐不同索引的数据。
3.dataframe
dataframe是二维标记数据结构，列可以是不同的数据类型。它是最常用的pandas对象，像series一样可以接收多种输入：lists、dicts、series和dataframe等。初始化对象时，除了数据还可以传index和columns这两个参数。
注意：
(1) 在pandas中用函数 isnull 和 notnull 来检测数据丢失：pd.isnull(a)、pd.notnull(b)。
series也提供了这些函数的实例方法：a.isnull()。
(2) pandas提供了大量的方法能够轻松的对series，dataframe和panel对象进行各种符合各种逻辑关系的合并操作。如：concat、merge （类似于sql类型的合并）、append （将一行连接到一个dataframe上）。
(3) dataframe中常常会出现重复行，dataframe的duplicated方法返回一个布尔型series，表示各行是否是重复行；还有一个drop_duplicated方法，它返回一个移除了重复行的dataframe。
总之，pandas是非常强大的一个数据分析包，很多功能都需要我自己去慢慢摸索。
matplotlib是一个python的图形框架，类似于matlab和r语言。它是python最著名的绘图库，它提供了一整套和matlab相似的命令api，十分适合交互式地进行制图。而且也可以方便地将它作为绘图控件，嵌入gui应用程序中。
补充两张图，原自《python数据分析与挖掘实战》，对大家绘图很有帮助。
最常用的画图函数是plot，同时常用的设置样式方法见下图。
这里主要使用前面第三部分pandas读取的电力数据绘制图形，主要是柱状图和饼图。
1.绘制柱状图
2.绘制饼图
3.柱状图及比例显示
输出如下所示（ps：该部分参考百度知道，网址忘记了，望提醒）。
当然该包可以绘制更多的图形，希望读者自己去学习。比如线性回归：
代码部分详解，引用前面自己写的第三篇文章：
matplotlib.pyplot是用来画图的方法，matplotlib是可视化包。
plt.scatter(x, y, c=y_pred, marker='o')
绘制散点图（scatter），横轴为x，获取的第1列数据；纵轴为y，获取的第2列数据；c=y_pred对聚类的预测结果画出散点图，marker='o'说明用点表示图形。
plt.title("kmeans-basketball data")
表示图形的标题为kmeans-heightweight data。
plt.xlabel("assists_per_minute")
表示图形x轴的标题。
plt.ylabel("points_per_minute")
表示图形y轴的标题。
plt.legend(["rank"])
设置右上角图例。
plt.show()
表示显示图形。
最后希望文章对你有所帮助，上课内容还需要继续探索，但enjoy myself~
同时周末监考两天回来，确实挺累的，事情堆了很多，浪费15个小时，发现这份工作，赚点外块真不容易啊！甚至比程序猿累多了。
当老师难，当好老师更难，当贵州的好老师难上难。希望还能坚持自己的梦想，做个财大信院的扫地僧吧，但每每和学生一起还是非常享受的。同时，这次熬夜写文到深夜4点半，旁边也坐着一个自己的学生，在调试struts、json代码，所以说，还真不是这边的学生差，你懂得，但也并不是没有好老师，只是相对较少。fighting~
最后补充学生冯y的一首朋友圈感言：
把握现在，活在当下。
不以物喜，不以己悲。
闲看花开花落，
静观云卷云舒。
顺其自然，随遇而安。
我也希望自己有朝一日能达到这种心境~
对这份工作、事业、校园、办公还是得看淡点。
(by:eastmount 2016-11-14 中午4点半 )