前言
Python 是常用是數據分析工具，常用的數據分析庫有很多，下面主要介紹如下五個分析庫：NumPy、Pandas、SciPy、StatsModels、Matplotlib。
NumPy
NumPy 是一個非常常用的數據分析庫，更準確點說是一個數學計算庫，包括下面的 Pandas 也依賴於 NumPy。話說爲什麼用 NumPy，他有什麼優點？
- 衆多內置的數學計算：文章你看到這裏，說明你要做的工作大概率是和人工智能、機器學習或數據分析相關的工作，這些工作不是簡單的代碼邏輯的堆疊，而更多的數學的應用，時常需要矩陣計算、基本線性代數操作、隨機模擬和傅里葉變換等，NumPy 內置就可以精心這些操作，而不需要你徒手進行傅里葉展開。
- 快：舉個例子，矩陣 a 和 b 的乘法，可以直接寫成 a * b（元素乘積）或 a @ b（矩陣乘積），會比你徒手寫循環要快，原因你可能猜到了，那就是預編譯成 C 代碼或者用到更好的緩存策略等，有這樣的優點，你沒有什麼理由不用。
- 代碼簡單：矩陣相乘上面的寫法就比循環更易讀，更少的代碼也意味着更少的 Bug。
做數據分析，人生苦短，都已經用了 Python，那不妨瞭解一下 NumPy，你會有更深的理解。
Pandas
Pandas，Python Data Analysis Library，這是一個爲數據建模分析而生的工具庫，Pandas 包含許多數據模型，也吸納了很多其他庫的優勢，比如上文就提到 Pandas 依賴於 NumPy，這裏也建議瞭解了 NumPy 後再去學習 Pandas。Pandas 提供了大量的數據處理的函數和方法，尤其對大型數據集有其獨特的優勢，且由於其創建有着金融方面的背景，因此其在時間序列分析或經濟學方面也有其獨特的優勢。
Matplotlib
Matplotlib 是一個 2D 繪圖庫。一堆數據擺在面前，或者是一個巨大的數據表格擺在面前，去分析其中數據特徵，這樣的任務對於人眼來說有點難度，但是如果轉化爲圖形，則又是另一番感覺了。幾行代碼就可以畫出精確的直方圖、條形圖、誤差圖或散點圖，這樣的工具對於數據分析來說就是神器呀。
上面就是 Python 數據分析三大支柱（當然，有人會說其他的庫或工具也很好用，確實我不否認這一點，但是我個人及一部分人仍然認爲上面三個庫是 Python 數據分析三大支柱），下面繼續分析其他三個也很好用值得了解學習的工具庫。
SciPy
很多人也想把 SciPy 列爲支柱工具包，可見其還是很重要的。SciPy 也依賴於 NumPy，SciPy 是一個科學計算工具庫，其中也包含很多的高階抽象和物理模型，在積分、差值、信號處理等。
StatsModels
StatsModels 包含了許多的統計模型，線性模型、廣義線性模型、方差分析、時間序列（Pandas 也可以做，因爲 StatsModels 又依賴於 Pandas）和線性混合效用模型等，在統計方面有其獨特的優勢。
後記
對於 Python 的數據分析庫，我不得不說，他們之間真的是緊密的聯繫在了一起，往往官網也都是相互有鏈接索引，互相推薦，真的是抱團取暖呀。並且他們之間有些功能還略有重複，但又各有側重，對於這一點，這也是難免的，因爲數據分析一些基礎的操作都是一致的，哪一個庫又都不可能把那些基礎的功能屏蔽掉。對我們來說，我們往往是都需要有一定的瞭解，在不同的工作或任務中，使用不同的工具庫。
對於學習步驟，我的建議是先看看三大支柱（NumPy、Pandas 和 Matplotlib）的文檔，學會基本使用後，具體的 API 以後的學習過程中慢慢去掌握。