python学习--大数据与科学计算第三方库简介

大数据与科学计算

库名称	简介
pycuda/opencl	GPU高性能并发计算
Pandas	python实现的类似R语言的数据统计、分析平台。基于NumPy和Matplotlib开发的，主要用于数据分析和数据可视化，它的数据结构DataFrame和R语言里的data.frame很像，特别是对于时间序列数据有自己的一套分析机制，非常不错。
Open Mining	商业智能（BI），Pandas的Web界面。
blaze	NumPy和Pandas大数据界面。
SciPy	开源的Python算法库和数学工具包，SciPy包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。其功能与软件MATLAB、Scilab和GNU Octave类似。 Numpy和Scipy常常结合着使用，Python大多数机器学习库都依赖于这两个模块。
ScientificPython	一组经过挑选的Python程序模块，用于科学计算，包括几何学（矢量、张量、变换、矢量和张量场），四元数，自动求导数，（线性）插值，多项式，基础统计学，非线性最小二乘拟合，单位计算，Fortran兼容的文本格式，通过VRML的3D显示，以及两个Tk小工具，分别用于绘制线图和3D网格模型。此外还具有到netCDF，MPI和BSPlib库的接口。
NumPy	科学计算库，提供了矩阵，线性代数，傅立叶变换等等的解决方案, 最常用的是它的N维数组对象. NumPy提供了两种基本的对象：ndarray（N-dimensional array object）和 ufunc（universal function object）。ndarray是存储单一数据类型的多维数组，而ufunc则是能够对数组进行处理的函数。
Cvxopt	最优化计算包，可进行线性规划、二次规划、半正定规划等的计算。
Numba	科学计算速度优化编译器。
pymvpa2	是为大数据集提供统计学习分析的Python工具包，它提供了一个灵活可扩展的框架。它提供的功能有分类、回归、特征选择、数据导入导出、可视化等
NetworkX	复杂网络的优化软件包。
zipline	交易算法的函数库。
PyDy	Python动态建模函数库。
SymPy	符号数学的Python库。
statsmodels	Python的统计建模和计量经济学。
astropy	天文学界的Python库。
orange	橙色，数据挖掘，数据可视化，通过可视化编程或Python脚本学习机分析。
RDKit	化学信息学和机器学习的软件。
Open Babel	巴贝尔，开放的化学工具箱。
cclib	化学软件包的计算函数库。
Biopython	免费的生物计算工具包。
bccb	生物分析相关的代码集。
bcbio-nextgen	提供完全自动化、高通量、测序分析的工具包。
visvis	可视化计算模块库，可进行一维到四维数据的可视化。
MapReduce	是Google提出的一个软件[架构]，用于大规模数据集（大于1TB）的并行运算。概念“Map（映射）”和“Reduce（归纳）”，及他们的主要思想，都是从函数式编程语言借来的MapReduce函数库。Framworks and libraries for MapReduce.,
PySpark	[Spark]的Python API。
dpark	Spark的Python克隆，Python中的MapReduce框架。
luigi	为批量工作，建立复杂的管道。
mrjob	运行在[Hadoop]，或亚马逊网络服务的，MapReduce工作。

转载自