1、Pandas
Python Data Analysis Library 或 pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一。
2、Numpy
NumPy系统是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵,比Python自身的嵌套列表(nested list structure)结构要高效的多(该结构也可以用来表示矩阵(matrix))。据说NumPy将Python相当于变成一种免费的更强大的MatLab系统。
3、DateTime
Python提供了多个内置模块用于操作日期时间,像calendar,time,datetime。
相关程序:
1 # -*- coding: utf-8 -*- 2 3 import pandas as pd 4 import numpy as np 5 6 7 8 dates = pd.date_range('20130101',periods=6) 9 10 df = pd.DataFrame(np.random.randn(6,4),index=dates,columns=list('ABCD')) 11 12 print df 13 14 print '取出数据:',df.at[dates[0],'A'] 15 16 print '转置 ',df.T 17 18 19 import datetime as dt 20 import time 21 22 # 从dt包里取出datetime类,然后now是datetime类的方法 23 a=dt.datetime.now() 24 print a 25 26 # 从dt包里取出datetime类,然后通过其初始化方法初始化datetime对象 27 d1 = dt.datetime(2005, 2, 16) 28 d2 = dt.datetime(2004, 12, 31) 29 print (d1 - d2).days 30 31 dateNoStr = time.strptime("2017-2-1","%Y-%m-%d") 32 y,m,d = dateNoStr[0:3] 33 34 dateNoStr2 = time.strptime("2016-2-1","%Y-%m-%d") 35 y2,m2,d2 = dateNoStr2[0:3] 36 37 print (dt.datetime(y,m,d)-dt.datetime(y2,m2,d2)).days