建议安装顺序：numpy(pip)+mkl(download)->pandas(pip)->matplotlib(pip)->scipy(download)->statsmodels(pip)->Gensim(pip)
常用模块
1.numpy
是其他数据分析模块的基础
(1)array()：创建数组，举例：
创建一维数组：numpy.array([x,y,...])
二维数组：numpy.array([[x,y...],[x,y...],[x,y...])
注：
创建的数组如果想看格式（几行几列），就通过array.shape来看就行了
注2：
数组创建后大小就固定了，所以如果想要进行增删改查则可以参考如下方法：
- 增：使用
tile()扩展、vstack()合并、转成列表操作再转回来（参考后面） - 删：可以直接像
a=a[0]，那么就只有一行了、分片操作 - 改：直接改
- 查：直接查
(2)sort()：排序，正常排，遇到无法排序的放最后，举例：
>>> x = numpy.array([1,3,2,'a',5])
>>> x
array(['1', '3', '2', 'a', '5'], dtype='>> x.sort()
>>> x
array(['1', '2', '3', '5', 'a'], dtype=' 注：
二维数组排序只排每一行里面的，其他行之间互不干扰
(3)max()：求最大值，如果在二维数组中，每行的列数相等，那么最大值就是所有元素里最大的，举例：
>>> x = numpy.array([[1,2,3,5],[1,2,0,0],[5,8,23,1]])
>>> x.max()
23
但如果每行列数不同，返回的就是数开头最大的那一行（假如第一个一样，再比第二个...），举例：
>>> x = numpy.array([[3,2,1,4,10],[1,2,0,0],[3,6,9,1]])
>>> x.max()
[3, 6, 9, 1]
注：
最小值min()，平均值是mean()，加权平均值是average()，标准差是std()
(4)[:]：数组切片，参考列表，举例：
>>> b = numpy.array([1,2,3,4,5])
>>> b[1:3]
array([2, 3])
>>> a = numpy.array(([1,2,3,4],[5,6,7,8],[9,10,11,12]))
>>> a[1:]
array([[ 5, 6, 7, 8],
[ 9, 10, 11, 12]])
>>> a[:][1] #切出所有行，取第2个
array([5, 6, 7, 8])
>>> a[:][1:] #切出所有行，取第二个2到最后一个
array([[ 5, 6, 7, 8],
[ 9, 10, 11, 12]])
可以看出上面只能切出行而不能切分列（其将行看作整体来切分），所以推荐使用下面的针对数组特殊的切片方法来切分行列，格式：[:,:]，在一个括号里写分片，逗号分隔行列，举例：
>>> a = numpy.array(([1,2,3,4],[5,6,7,8],[9,10,11,12]))
>>> a[1:, 1] #取第二、三行的第二列数据
array([ 6, 10])
>>> a[:, 0:3] #取所有行的第一列到第三列数据
array([[ 1, 2, 3],
[ 5, 6, 7],
[ 9, 10, 11]])
(5)random.random_integers(x,y,n)：随机数生成，前两个参数代表范围，第三个为可选，表示生成数量，比如：
>>> numpy.random.random_integers(1,10,10) #随机生成10个1到10的随机数
array([ 6, 5, 7, 6, 5, 4, 9, 9, 10, 5])
上面那个是生成整数的随机数，还有rand()用来生成0到1之间的随机数，中间可以加参数代表生成几个，举例：
>>> numpy.random.rand(10) #生成10个0-1的随机数
array([0.42462596, 0.0985224 , 0.22108224, 0.46230285, 0.40928969,
0.54201574, 0.88982411, 0.8450716 , 0.21384846, 0.38896833])
(6)random.random.normal(μ,σ,n)：生成一堆符合正态分布的数，第一个参数是均值，第二个参数是标准差，第三个参数是生成数，举例：
>>> a = numpy.random.normal(0,1,10)
>>> a
array([-0.55491277, -1.1161704 , 0.97514814, 1.99653332, -0.08500584,
0.64075696, 1.96409159, -0.11636198, 0.52605946, 0.90563603])
>>> a.mean()
0.513577451404013
>>> a.std()
0.9612030098851562
#当生成的数多了，精度自然也会提高
更多numpy.random参考：
http://www.mamicode.com/info-detail-507676.html
(7)arange()：类似range，前两个参数代表范围，第三个代表阶值类似range，举例：
>>> numpy.arange(10)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> numpy.arange(1,10,2)
array([1, 3, 5, 7, 9])
注：
发现了吗，像python自带的random、range虽然和这些几乎一样，但有个区别就是numpy下的这几个方法生成的都是array类型的，原来那些都是list类型
(8)concatenate()：将数组整合在一起，数组不像列表那样可以直接加着整合，比如列表里：
>>> a = [1,2,3]
>>> b = [4,5,6]
>>> a+b
[1, 2, 3, 4, 5, 6]
>>> a*2
[1, 2, 3, 1, 2, 3]
从上面可以看出对列表进行运算都是把列表当成整体来运算，而对于数组里：
>>> a = numpy.array([1,2,3])
>>> b = numpy.array([4,5,6])
>>> a + b
array([5, 7, 9])
>>> a * 2
array([2, 4, 6])
可以看出对数组的运算是对他里面的值进行运算，因此要对数组进行列表那样的操作，就需要用上面那个方法，对上面的a、b举例：
>>> numpy.concatenate((a, b)) #以元组形式传入
array([1, 2, 3, 4, 5, 6])
(9)sum()：计算总和，举例：
>>> numpy.sum([1,2,3])
6
上面的是对行内相加，如果是多行数据，并且希望是各行的对应数据之间相加，可以设置参数：axis=0（默认为1，即行内相加），举例：
>>> a = numpy.array([[1,2,3,4], [5,6,7,8], [1, 2, 3, 4]])
>>> a.sum() #全部数据之和
46
>>> a.sum(axis=0) #各行对应数据之和
array([ 7, 10, 13, 16])
注：
其他计算操作如：求对数用numpy.log()，向上取整用numpy.ceil()，比如3.1就变成4
(10)unique()：去重，举例：
>>> numpy.unique([1,2,3,1,2,3,5,6,4])
array([1, 2, 3, 4, 5, 6])
>>> numpy.unique(numpy.array([1,2,3,1,2,3,5,6,4])) #对数组、列表都可以，但最终都是变成数组
array([1, 2, 3, 4, 5, 6])
(11)drop()：丢弃
(12)fillna()：对丢失值的填充
(13)tile()：复制扩展数组，有两个参数，第一个是要复制扩展的数组，第二个参数是个元组，意思是变成几行几列，举例：
>>> a = numpy.array([1,2,3,4])
>>> numpy.tile(a, 2) #此时第二个参数相当于(1,2)，即扩展成1行2列（x轴变成原来2倍）
array([1, 2, 3, 4, 1, 2, 3, 4])
第二个参数的元组有几位，就代表几维，一般都是用二维，即两个值，代表几行几列，在列上扩展举例1：
>>> numpy.tile(a, (2, 1)) #扩展成2行1列
array([[1, 2, 3, 4],
[1, 2, 3, 4]])
其还能扩展到更多维，如三维举例：
>>> numpy.tile(a, (3, 2, 1)) #在三维下，分3组，每组2行1列
array([[[1, 2, 3, 4],
[1, 2, 3, 4]],
[[1, 2, 3, 4],
[1, 2, 3, 4]],
[[1, 2, 3, 4],
[1, 2, 3, 4]]])
四维举例：
>>> numpy.tile(a, (2, 3, 3, 2)) #在4维下，分2组，每组3个，每个3行2列
array([[[[1, 2, 3, 4, 1, 2, 3, 4],
[1, 2, 3, 4, 1, 2, 3, 4],
[1, 2, 3, 4, 1, 2, 3, 4]],
[[1, 2, 3, 4, 1, 2, 3, 4],
[1, 2, 3, 4, 1, 2, 3, 4],
[1, 2, 3, 4, 1, 2, 3, 4]],
[[1, 2, 3, 4, 1, 2, 3, 4],
[1, 2, 3, 4, 1, 2, 3, 4],
[1, 2, 3, 4, 1, 2, 3, 4]]],
[[[1, 2, 3, 4, 1, 2, 3, 4],
[1, 2, 3, 4, 1, 2, 3, 4],
[1, 2, 3, 4, 1, 2, 3, 4]],
[[1, 2, 3, 4, 1, 2, 3, 4],
[1, 2, 3, 4, 1, 2, 3, 4],
[1, 2, 3, 4, 1, 2, 3, 4]],
[[1, 2, 3, 4, 1, 2, 3, 4],
[1, 2, 3, 4, 1, 2, 3, 4],
[1, 2, 3, 4, 1, 2, 3, 4]]]])
发现了吗，可以这样理解第二个参数，那就是元组的最后两个数代表变成原来的几行几列，前面的数都是分多少组多少个，比如三维的3个数分别代表：几组几行几列；四维分别代表：几组几个几行几列；五维：几组几个几块几行几列；六…（单位是瞎编的，但是意思没错）
(15)zero()：生成一个自定义大小值全为0的数组，传入参数是一个列表或元组，代表几行几列，举例：
>>> numpy.zeros([2,5])
array([[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.]])
其传入的列表也可以是多维的，比如：
>>> numpy.zeros([2,2,5]) #2组，每组2行5列
array([[[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.]],
[[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.]]])
多维的用法和tile()函数的基本一样，参考上面即可
注：
numpy里还有生成一个自定义大小值全为1的数组放方法：ones()，还有值都为空的数组：empty()
(16)vstack()：将两个数组合并，举例：
>>> c = numpy.array(([1,2],[3,4]))
>>> d = numpy.array(([5,6],[7,8]))
>>> numpy.vstack((c,d))
array([[1, 2],
[3, 4],
[5, 6],
[7, 8]])
2.pandas
用于数据探索和分析，需要先安装numpy模块
(1)Series()：序列（可以理解为一列数据），举例：
>>> a = pandas.Series([2,1,6,3])
>>> pandas.Series([2,1,6,3])
0 2
1 1
2 6
3 3
dtype: int64
注：
上面没有指定索引，所以默认索引就为从0开始的数字，也可以自己指定索引，举例：
>>> pandas.Series([2,1,6,3], index=['a','b','c','d'])
a 2
b 1
c 6
d 3
dtype: int64
(2)DataFrame()：数据框（行列都有的数据），举例：
>>> a = pandas.DataFrame([[1,2,5,3],[3,6],[3,5,1,2,6]]) #里面不一定得数字
>>> a
0 1 2 3 4
0 1 2 5.0 3.0 NaN
1 3 6 NaN NaN NaN
2 3 5 1.0 2.0 6.0
#最上面一行代表每一列序号，最左边一列代表每一行序号
其中数据框的值都是先列后行，而且空的地方虽然为NaN，但是NaN之间是不等的，对上面的a举例：
>>> a[2][1] #这里不是[1][2]，是先列后行
nan
>>> a[3][1]
nan
>>> a[3][1] == a[3][1]
False #可以看出两个NaN不等
数据框的列名也可以自定义，举例：
>>> b = pandas.DataFrame([[1,2,5,3],[3,6,'s'],[3,5,1,2,6]], columns=['one','two','three','four','five'])
>>> b
one two three four five
0 1 2 5 3.0 NaN
1 3 6 s NaN NaN
2 3 5 1 2.0 6.0
>>> b['one'][2]
3
数据框的定义也可以是字典形式，举例：
>>> pandas.DataFrame({"a":1,"b":[2,3],"c":'321'})
a b c
0 1 2 321
1 1 3 321
可以看出a、c列里面因为只有一个元素，所以他们会自动重复复制补全。如果想要把某一列转成列表形式，可以用tolist()，举例：
>>> c = pandas.DataFrame([[1,2,5,3],[3,6],[3,5,1,2,6]]) #里面不一定得数字
>>> c[0].tolist()
[1, 3, 3]
>>> type(c[0].tolist())
注：
DataFrame数据可以直接输出成字典、CSV、excel等格式，举例：
c.to_dict() #转成字典
c.to_csv("E:/a.csv") #输出csv文件
c.to_excel("E:/abc.xlsx") #输出excel文件
c.to_html("E:/abc.html") #输出html文件
c.to_json("E:/abc.json") #输出json
…
(3)head()：头部数据，也就是前几行的，括号里写行数，不写默认显示前5行，如果要取后几行就用tail()
(4)describe()：按列统计情况，举例：
>>> c = pandas.DataFrame([[1,2,5,3],[3,6,'s'],[3,5,1,2,6]], columns=['one','two','three','four','five'])
>>> c.describe()
one two four five
count 3.000000 3.000000 2.000000 1.0 #count说明这一列有几个元素
mean 2.333333 4.333333 2.500000 6.0 #这一列的平均数
std 1.154701 2.081666 0.707107 NaN #标准差
min 1.000000 2.000000 2.000000 6.0 #最小值
25% 2.000000 3.500000 2.250000 6.0 #前%25分位数，和下面两行都是分位数
50% 3.000000 5.000000 2.500000 6.0
75% 3.000000 5.500000 2.750000 6.0
max 3.000000 6.000000 3.000000 6.0 #最大值
可以看出因为three那列有非数字内容存在，所以不会被统计
(5)T：转置，就是行和列对调，举例：
>>> c = pandas.DataFrame({"a":1,"b":[2,3],"c":'321'})
>>> c
a b c
0 1 2 321
1 1 3 321
>>> c.T
0 1
a 1 1
b 2 3
c 321 321
(6)导入文件：
csv read_csv()
excel read_excel()
html read_html()
txt read_table()
例如：data = pandas.read_csv("a.csv")，像excel文件如果不想要表头（第一行）可以设置属性header=None，举例：
data = pandas.read_excel("a.xls", header=None)
其中，html的特别厉害，他可以自动帮你获取一个网页里table标签的所有信息然后格式化打印出来，举例：
res = requests.get('https://wenku.baidu.com/list/202') #这网页有嵌在表格里的内容
content = res.content.decode('gb2312') #因为直接输出乱码，先转字节流再解码
c = pandas.read_html(content)
print(c) #你会惊叹，虽然本质其实就是自动定位table标签的内容
注：
要使用read_excel()方法还需要：pip install xlrd
(7)导入mysql数据：这块特殊讲，使用的是pymysql模块，可以参照前面，使用举例：
conn = pymysql.connect(host="127.0.0.1", port=3306, user="root", passwd="123456", db="test")
cursor = conn.cursor()
sql = "select * from user"
k = pandas.read_sql(sql, conn) #第一个参数查询语句、第二个是游标
print(k)
结果为：
name password nickname
0 a v c
1 aaa 111 dawson
2 abc aaa abc
3 asd sfa fas
4 ch ch ch
注：
对于(6)、(7)导入的数据，返回的类型是DataFrame，所以我们可以通过.shape来看有几行几列，通过.values来看其第几行第几列的对应信息，比如看第一行的就.value[0]，第二行第一列就.value[1][0]，还可以通过columns看有那些列，举例：
>>> c = pandas.DataFrame([[1,2,5,3],[3,6,'s'],[3,5,1,2,6]], columns=['one','two','three','four','five'])
>>> c
one two three four five
0 1 2 5 3.0 NaN
1 3 6 s NaN NaN
2 3 5 1 2.0 6.0
>>> c['one']
0 1
1 3
2 3
>>> c['one'][1] #因为数据框必须先选列然后选行，所以不能只取某一行的数据
3
>>> c.values
array([[1, 2, 5, 3.0, nan],
[3, 6, 's', nan, nan],
[3, 5, 1, 2.0, 6.0]], dtype=object)
>>> c.values[0] #values是先选行在选列，所以可以只取一行
array([1, 2, 5, 3.0, nan], dtype=object)
>>> c.values[0][3] #values选列时是按0,1,2那样定位，不是按列名定位
3.0
>>> c.columns
Index(['one', 'two', 'three', 'four', 'five'], dtype='object')
甚至可以看、改变哪一列的哪个值的信息，比如对于上面数据库导入的信息：
k['name']
获得的就是name这一列的信息：
0 a
1 aaa
2 abc
3 asd
4 ch
Name: name, dtype: object
然后输入：
k['name'][k['name']=='asd']='ccc'
#将name这一列中值为asd的改为ccc，这里用k['name'][3]效果也一样
结果为：
0 a
1 aaa
2 abc
3 ccc
4 ch
Name: name, dtype: object
(8)sort_values(by=哪一列)：根据某一列的值来排序，举例：
>>> c = pandas.DataFrame([[2,1,4,3],[1,4,6,2]])
>>> c
0 1 2 3
0 2 1 4 3
1 1 4 6 2
>>> c.sort_values(by=0)
0 1 2 3
1 1 4 6 2
0 2 1 4 3
(9)data['列名'].unique()：计算某一列有多少种不同的元素，对上面的数据库数据举例：
>>> k['name'].unique()
array(['a', 'aaa', 'abc', 'ccc', 'ch'], dtype=object)
(10)cut(数据, 份数[, labels=[每列名称]])：可以将数据分成好几份，会自动计算判断这块数据该处于哪份当中，举例：
>>> a = [0,2,3,93,4,5,70,16,48,76,25,30,31,50,51,100]
>>> c = pandas.cut(a, 4, labels=['低', '中', '高', '特高']) #分成4份
>>> c
[低, 低, 低, 特高, 低, ..., 中, 中, 中, 高, 特高]
Length: 16
Categories (4, object): [低 < 中 < 高 < 特高]
>>> for each in c:
print(each,end='\t')
低 低 低 特高 低 低 高 低 中 特高 低 中 中 中 高 特高
上面的如果没有第三个参数，其就会按数值区间来区分，可以发现其是根据最大值和最小值来进行等宽处理，从而分块：
>>> pandas.cut(a, 4)
[(-0.1, 25.0], (-0.1, 25.0], (-0.1, 25.0], (75.0, 100.0], (-0.1, 25.0], ..., (25.0, 50.0], (25.0, 50.0], (25.0, 50.0], (50.0, 75.0], (75.0, 100.0]]
Length: 16
Categories (4, interval[float64]): [(-0.1, 25.0] < (25.0, 50.0] < (50.0, 75.0] < (75.0, 100.0]]
#能看出极差是100，所以每25分一块
如果不想按均分的范围来分块，我们可以自定义，此时只要第二个参数改成列表形式就行了，举例：
>>> pandas.cut(a, [0, 10, 50, 100]) #自定义分了3个区间
[NaN, (0, 10], (0, 10], (50, 100], (0, 10], ..., (10, 50], (10, 50], (10, 50], (50, 100], (50, 100]]
Length: 16
Categories (3, interval[int64]): [(0, 10] < (10, 50] < (50, 100]]
#因为0不在范围内，所以是NaN
此时如果想看分块情况可以用describe()，举例：
>>> b = pandas.cut(a, [0, 10, 50, 100]) #自定义分了3个区间
>>> b.describe()
counts freqs
categories
(0, 10] 4 0.2500
(10, 50] 6 0.3750
(50, 100] 5 0.3125
NaN 1 0.0625
示例：计算CSV文件各水果销量
里面有2列是水果名字和水果购买量（每一行是一个单号），计算每个水果的销量，并以字典形式返回
import pandas
from matplotlib import pylab
import numpy
data = pandas.read_csv("C:/Users/Dawsonenjoy/Desktop/12.csv")
goods_name = list(data['goodsname'].unique())
goods = list(data['goodsname'])
purchase = list(data['purchaseqty'])
all = list(zip(goods, purchase))
total = {}
for i in range(65535):
if all[i][0] not in total:
total[all[i][0]] = all[i][1]
else:
total[all[i][0]] += all[i][1]
total_food = list(total.keys())
total_num = list(total.values())
print("--------------------------------------------------------------------------------------------------------------------------\n十二月统计汇总：\n")
print(total)
print("--------------------------------------------------------------------------------------------------------------------------\n名字：\n")
print(total_food)
print("--------------------------------------------------------------------------------------------------------------------------\n数量：\n")
print(total_num)
部分结果如下：
{'小鲜橙': 472, '芦柑（酸）': 40, '黄柠檬': 292, '国产香蕉（特价）': 294, '泡面拍档': 14, '蜜柚': 32, '金牌萨琪玛（2个）': 5, '凉拌黄瓜': 5, '瑕疵南果梨': 18,...}
3.matplotlib
主要用于作图、可视化问题
from matplotlib import pylab
也有很多是导入模块pyplot而不是pylab，可以参考下面链接观察两者区别：
https://www.cnblogs.com/Shoesy/p/6673947.html
（说白了就是pylay=pyplot+numpy）
图片中文乱码问题
输入这三行解决
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['FangSong'] # 指定默认字体
mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
折线/散点图
主要使用plot()来展示，里面前两个参数代表x，y坐标（注意x，y数量要一样），第三个参数可以用来设置散点图('o')或者颜色、线条形式等各种样式，并且第三个参数可以同时传入多个，比如要红色的散点图就：'0r'
(1)颜色样式：
青 c(cyan)
红 r
品红 m(magente)
绿 g
蓝 b
黄 y
黑 k
白 w
(2)线条样式：
- 直线
-- 虚线
-. 就是这个样
: 细小虚线（就是`...`）
(3)点的样式：
s 方形
h 六角形（比大写的细一点）
H 六角形
* 星形
+ 加号
x x形
d 菱形
D 菱形（和上面的些微不一样）
p 五边形
(4)坐标区间：
plt.axis([-10, 10, 0, 2])
#x轴从-10到10，y轴0到2
或者分别设置x、y的区间：
plt.xlim(-10,10)
#设置x范围在-10到10
plt.ylim(0,2)
#设置y范围在0到2
注：
设置点的样式时默认就是散点图，以及同类样式只能设置一个（比如不能设置两种颜色），并且还可以把多个图集合在一起展示，那就多plot几个，plot就相当于一个画布，每plot一个就相当于在上面画一张图，再弄就继续在上面画
实际举例
x = [1,3,5,2,4]
y = [2,4,5,1,3]
pylab.plot(x, y) #将x，y轴坐标数据传入，第三个参数是展现形式，默认是折线图
pylab.plot(x, y, 'ok') #黑色散点图
pylab.xlim(0,10) #设置x范围在0到10
pylab.ylim(0,10) #设置y范围在0到10
pylab.title("show") #设置标题名，在中上方
pylab.xlabel("num") #设置x轴名称，在中下方
pylab.ylabel("age") #设置y轴名称，在中左方
pylab.show() #可视化显示数据，注意show了之后画布就被清空了，前面的内容下次就show不出来了
直方图
主要用hist()来显示，实现方式很简单，把一组数据放入括号里就行了，例如随机生成一堆正态分布的数，然后直方图显示：
data = numpy.random.normal(0, 1, 10000000) #随机生成这么多个符合正态分布的数
style = numpy.arange(-3, 3, 0.01)
#从-3到3按0.01为间隔的格式，如果不设格式，弄出来一点都不像
pylab.hist(data, style)
pylab.show()
其中如果要设置直方图格式（宽度、上下限、是否要轮廓）可以这样：
x = numpy.random.random_integers(0, 100, 100) #随机生成100个上下限为0到100的数
style = numpy.arange(1, 100, 2) #在1到100内，阶值为2
pylab.hist(x, style, histtype='stepfilled')
#生成相应样式直方图，前面的样式可以看作范围是1到100里
#直方图的每条柱子宽度为2的意思
#第三个参数是不要轮廓的意思，默认是有
pylab.show()
#实际上你会发现只有1到99的数据，因为99+2>100，而100要和101的数据在一起才能显示
#所以除非有101，才能显示100-101的数据
子图
使用subplot(row, col, area)：三个参数分别是行数、列数和区域，比如要将原图分成2行2列（切成4份），然后要左下角那个图就：
pylab.subplot(2, 2, 3)
pylab.show()
如果想4个图都显示就4个subplot，分别1、2、3、4就行了，然后在各图的subplot之后写的都是每个图的内容，现在我们试试弄一个2行，第一行两列的图片（想象下鼠标的样子），而且分别是不同的内容：
pylab.subplot(2,2,1) #第一个图，内容为1到100递增为5的直方图
x = numpy.arange(1,100,5)
pylab.hist(x)
pylab.subplot(2,2,2) #第二个图，内容为100个符合正态分布数的直方图
y = numpy.random.normal(0,1,100)
pylab.hist(y)
pylab.subplot(2,1,2) #第三个图，内容为一个折线图
z = [[1,2,3,4,5],[1,5,3,2,4]]
pylab.plot(z[0],z[1],'k')
pylab.show() #展示这三个图
饼状图
示例
from matplotlib import pyplot as plt
#调节图形大小，宽，高
plt.figure(figsize=(6,9))
#定义饼状图的标签，标签是列表
labels = [u'第一部分',u'第二部分',u'第三部分']
#每个标签占多大，会自动去算百分比
sizes = [60,30,10]
colors = ['red','yellowgreen','lightskyblue']
#将某部分出来，使用括号，将第一块分割出来，数值的大小是分割出来的与其他两块的间隙
explode = (0.05,0,0)
patches,l_text,p_text = plt.pie(sizes,explode=explode,labels=labels,colors=colors, \
labeldistance = 1.1,autopct = '%3.1f%%',shadow = False, startangle = 90,pctdistance = 0.6)
#labeldistance，文本的位置离远点有多远，1.1指1.1倍半径的位置
#autopct，圆里面的文本格式，%3.1f%%表示小数有三位，整数有一位的浮点数
#shadow，饼是否有阴影
#startangle，起始角度，0，表示从0开始逆时针转，为第一块。一般选择从90度开始比较好看
#pctdistance，百分比的text离圆心的距离
#patches, l_texts, p_texts，为了得到饼图的返回值，p_texts饼图内部文本的，l_texts饼图外label的文本
#改变文本的大小
#方法是把每一个text遍历。调用set_size方法设置它的属性
for t in l_text:
t.set_size=(30)
for t in p_text:
t.set_size=(20)
# 设置x，y轴刻度一致，这样饼图才能是圆的
plt.axis('equal')
plt.legend()
plt.show()
注：
labels、sizes、colors和explode的长度都要一样
4.scipy
用于数值计算、包括矩阵、各种积分、数学公式等
5.statsmodels
用于统计分析
6.Gensim
用于文本挖掘
7.sklearn
机器学习(pip install sklearn)
from sklearn import svm
8.keras
深度学习