SciPy

SciPy是一組專門解決科學(xué)計(jì)算中各種標(biāo)準(zhǔn)問題域的包的集合，主要包括下面這些包：

• scipy.integrate：數(shù)值積分例程和微分方程求解器。
• scipy.linalg：擴(kuò)展了由numpy.linalg提供的線性代數(shù)例程和矩陣分解功能。
• scipy.optimize：函數(shù)優(yōu)化器（最小化器）以及根查找算法。
• scipy.signal：信號(hào)處理工具。
• scipy.sparse：稀疏矩陣和稀疏線性系統(tǒng)求解器。
• scipy.special：SPECFUN（這是一個(gè)實(shí)現(xiàn)了許多常用數(shù)學(xué)函數(shù)（如伽瑪函數(shù)）的Fortran庫）的包裝器。
• scipy.stats：標(biāo)準(zhǔn)連續(xù)和離散概率分布（如密度函數(shù)、采樣器、連續(xù)分布函數(shù)等）、各種統(tǒng)計(jì)檢驗(yàn)方法，以及更好的描述統(tǒng)計(jì)法。

NumPy和SciPy結(jié)合使用，便形成了一個(gè)相當(dāng)完備和成熟的計(jì)算平臺(tái)，可以處理多種傳統(tǒng)的科學(xué)計(jì)算問題。

scikit-learn

2010年誕生以來，scikit-learn成為了Python的通用機(jī)器學(xué)習(xí)工具包。僅僅七年，就匯聚了全世界超過1500名貢獻(xiàn)者。它的子模塊包括：

• 分類：SVM、近鄰、隨機(jī)森林、邏輯回歸等等。
• 回歸：Lasso、嶺回歸等等。
• 聚類：k-均值、譜聚類等等。
• 降維：PCA、特征選擇、矩陣分解等等。
• 選型：網(wǎng)格搜索、交叉驗(yàn)證、度量。
• 預(yù)處理：特征提取、標(biāo)準(zhǔn)化。

與pandas、statsmodels和IPython一起，scikit-learn對(duì)于Python成為高效數(shù)據(jù)科學(xué)編程語言起到了關(guān)鍵作用。雖然本書不會(huì)詳細(xì)講解scikit-learn，我會(huì)簡(jiǎn)要介紹它的一些模型，以及用其它工具如何使用這些模型。

statsmodels

statsmodels是一個(gè)統(tǒng)計(jì)分析包，起源于斯坦福大學(xué)統(tǒng)計(jì)學(xué)教授Jonathan Taylor，他設(shè)計(jì)了多種流行于R語言的回歸分析模型。Skipper Seabold和Josef Perktold在2010年正式創(chuàng)建了statsmodels項(xiàng)目，隨后匯聚了大量的使用者和貢獻(xiàn)者。受到R的公式系統(tǒng)的啟發(fā)，Nathaniel Smith發(fā)展出了Patsy項(xiàng)目，它提供了statsmodels的公式或模型的規(guī)范框架。

與scikit-learn比較，statsmodels包含經(jīng)典統(tǒng)計(jì)學(xué)和經(jīng)濟(jì)計(jì)量學(xué)的算法。包括如下子模塊：

• 回歸模型：線性回歸，廣義線性模型，健壯線性模型，線性混合效應(yīng)模型等等。
• 方差分析（ANOVA）。
• 時(shí)間序列分析：AR，ARMA，ARIMA，VAR和其它模型。
• 非參數(shù)方法： 核密度估計(jì)，核回歸。
• 統(tǒng)計(jì)模型結(jié)果可視化。

statsmodels更關(guān)注與統(tǒng)計(jì)推斷，提供不確定估計(jì)和參數(shù)p-值。相反的，scikit-learn注重預(yù)測(cè)。

同scikit-learn一樣，我也只是簡(jiǎn)要介紹statsmodels，以及如何用NumPy和pandas使用它。

除了在網(wǎng)上搜索，各式各樣的科學(xué)和數(shù)據(jù)相關(guān)的Python郵件列表是非常有幫助的，很容易獲得回答。包括：

• pydata：一個(gè)Google群組列表，用以回答Python數(shù)據(jù)分析和pandas的問題；
• pystatsmodels： statsmodels或pandas相關(guān)的問題；
• scikit-learn和Python機(jī)器學(xué)習(xí)郵件列表，scikit-learn@python.org；
• numpy-discussion：和NumPy相關(guān)的問題；
• scipy-user：SciPy和科學(xué)計(jì)算的問題；

因?yàn)檫@些郵件列表的URLs可以很容易搜索到，但因?yàn)榭赡馨l(fā)生變化，所以沒有給出。

每年，世界各地會(huì)舉辦許多Python開發(fā)者大會(huì)。如果你想結(jié)識(shí)其他有相同興趣的人，如果可能的話，我建議你去參加一個(gè)。許多會(huì)議會(huì)對(duì)無力支付入場(chǎng)費(fèi)和差旅費(fèi)的人提供財(cái)力幫助。下面是一些會(huì)議：

• PyCon和EuroPython：北美和歐洲的兩大Python會(huì)議；
• SciPy和EuroSciPy：北美和歐洲兩大面向科學(xué)計(jì)算的會(huì)議；
• PyData：世界范圍內(nèi)，一些列的地區(qū)性會(huì)議，專注數(shù)據(jù)科學(xué)和數(shù)據(jù)分析；
• 國(guó)際和地區(qū)的PyCon會(huì)議（http://pycon.org有完整列表） 。