最好可以生成數據報表，或者可以作為數據存儲中心

---

1、python下的數據分析模塊

pandas：依賴於numpy和sciepy，主要用於數據分析，數據預處理以及基本的作圖，這個包不涉及複雜的模型。

statsmodels：統計包，設計各種統計模型，包括回歸、廣義回歸、假設檢驗等，結果類似於R語言，會給出各種檢驗結果。

對於numpy和scipy是作為科學計算用的，提供各種向量矩陣計算、優化、隨機數生成等等。

以上都是一些包，如果是分析環境的話，可以考慮spyder和ipython notebook——其中ipython notebook 是可以把代碼、結果以及報告同時結合在一起的東西——類似於R語言的Rmarkdown。

2、python的數據可視化

最常用的matplotlib，用於科學製圖——基礎的繪圖，已經集成在pandas里。此外，ggplot2在R語言下的繪圖神器，也同時支持python的喲，非常推薦。

3、數據存儲

一般都用資料庫吧。如果怕麻煩，用cPickle直接把數據保存成文本，下次使用直接load就可以。此外，python是內置了spqlite3資料庫的，可以直接使用。對於複雜的數據，可以使用資料庫介面——各種的，包括hadoop。

---

ipython：只是個notebook，但是很好用。。。

numpy

scipy :

pandas

matplotlib： python畫圖

nltk， gensim：nlp

statsmodels： 各種模型

scikit-learn： machine learning模塊，很全

---

樓上講了那麼多，應該有人想看實例，看看我的以pandas為例的代碼演示吧：sherryup - 簡書

---

數據分析圖表工具matplotlib還可以

---

簡單的畫圖也可以用seaborn，很好用。

見鏈接Seaborn: statistical data visualization

---

我來貢獻兩個——

• Python中著名的數據分析庫Panda

Pandas庫是基於NumPy 的一種工具，該工具是為了解決數據分析任務而創建，也是圍繞著 Series 和 DataFrame 兩個核心數據結構展開的，其中Series 和 DataFrame 分別對應於一維的序列和二維的表結構。

Pandas提供了大量能使我們快速便捷地處理數據的函數和方法。這個庫優點很多，簡單易用，介面抽象得非常好，而且文檔支持實在感人。你很快就會發現，它是使Python成為強大而高效的數據分析環境的重要因素之一。

• 數據可視化採用Python上最常用的Matplotlib庫

Matplotlib是一個Python的圖形框架，也是Python最著名的繪圖庫，它提供了一整套和Matlab相似的命令API，十分適合互動式地進行製圖。

---

Python機器學習庫

【轉】Python機器學習庫

---

一般的數據處理，用numpy和scipy夠了，數據展示用matplotlib和plotly也完全可以實現絕大多數常用圖形的繪製。

---

強力推薦statsmodels

---

除了樓上的我還知道一個networkx

不過這些都傾向於圖論

數據分析肯定是NumPy, SciPy

---

推薦閱讀：