Python可用於資料分析，但其單純依賴Python本身自帶的函式庫進行資料分析還是具有一定的限制的，需要安裝第三方擴充函式庫來增強分析和挖掘能力。
1. Pandas（推薦學習：Python影片教學）
Pandas是Python強大、靈活的資料分析與探索工具，包含Series、DataFrame等高階資料結構與工具，安裝Pandas可讓Python中處理資料非常快速簡單。
Pandas是Python的一個資料分析包，Pandas最初被用作金融資料分析工具而開發出來，因此Pandas為時間序列分析提供了很好的支援。
Pandas是為了解決資料分析任務而創建的，Pandas納入了大量的函式庫和一些標準的資料模型，提供了高效的操作大型資料集所需的工具。 Pandas提供了大量是我們快速且方便的處理資料的函數和方法。 Pandas包含了高階資料結構，以及讓資料分析變得快速、簡單的工具。它建立在Numpy之上，使得Numpy應用變得簡單。
2. Numpy
Python沒有提供陣列功能，Numpy可以提供陣列支援以及對應的高效處理函數，是Python資料分析的基礎，也是SciPy、Pandas等資料處理和科學計算庫最基本的函數功能庫，且其資料類型對Python資料分析十分有用。
3. Matplotlib
Matplotlib是強大的資料視覺化工具和作圖庫，是主要用於繪製資料圖表的Python庫，提供了繪製各類別視覺化圖形的命令字庫、簡單的接口，可以方便使用者輕鬆掌握圖形的格式，繪製各類視覺化圖形。
4. SciPy
SciPy是一組專門解決科學計算中各種標準問題域的套件的集合，包含的功能有最優化、線性代數、積分、內插法、擬合、特殊函數、快速傅立葉變換、訊號處理和影像處理、常微分方程求解和其他科學與工程中常用的計算等，這些對資料分析和挖掘十分有用。
Scipy是一款方便、易於使用、專為科學和工程設計的Python包，它包括統計、最佳化、整合、線性代數模組、傅立葉變換、訊號與影像處理、常微分方程求解器等。 Scipy依賴Numpy，並提供許多對使用者友好的和有效的數值例程，如數值積分和最佳化。
5. Keras
Keras是深度學習庫，人工神經網路和深度學習模型，基於Theano之上，依賴Numpy和Scipy，利用它可以搭建普通的神經網路和各種深度學習模型，如語言處理、影像辨識、自編碼器、循環神經網路、遞歸審計網路、卷積神經網路等。
6. Scikit-Learn
Scikit-Learn是Python常用的機器學習工具包，提供了完善的機器學習工具箱，支援資料預處理、分類、回歸、聚類、預測和模型分析等強大機器學習庫，其依賴Numpy、Scipy和Matplotlib等。
Scikit-Learn是基於Python機器學習的模組，基於BSD開源授權。
Scikit-Learn的安裝需要Numpy Scopy Matplotlib等模組，Scikit-Learn的主要功能分為六個部分，分類、回歸、聚類、資料降維、模型選擇、資料預處理。
7. Scrapy
Scrapy是專為爬蟲而生的工具，具有URL讀取、HTML解析、儲存資料等功能，可使用Twisted非同步網路庫來處理網路通訊，架構清晰，且包含了各種中間件接口，可以靈活的完成各種需求。
8. Gensim
Gensim是用來做文字主題模型的函式庫，常用於處理語言方面的任務，支援TF-IDF、LSA、LDA和Word2Vec在內的多種主題模型演算法，支援串流訓練，並提供了諸如相似度計算、資訊檢索等一些常用任務的API介面。
更多Python相關技術文章，請造訪Python教學欄位學習！
以上是python資料分析用什麼工具的詳細內容。更多資訊請關注PHP中文網其他相關文章！
