Nützliche Bibliotheken¶
Folgende Bibliotheken finden in PyVo Verwendung, sind jedoch ebenfalls im Allgemeinen in den Data Sciences nützlich. Bei Benutzung von PyVo müssen die folgenden Bibliotheken nicht zusätzlich installiert werden, da dies während der PyVo-Installation bei der Erstellung des Environments automatisch geschieht. Das Importieren in den Notebooks ist weiterhin notwendig.
csv für das Einlesen und Abspeichern von CSV-Dateien
Lesen und Schreiben von CSV-Dateien möglich, auch ohne genaue Details zum csv-Format zu kennen
Einbindungimport csv
Funktionencsv.reader(), csv.writer()
, mehr unter csv.
numpy für wissenschaftliche Berechnungen
Bearbeitung von multidimensionalen Arrays und Matrizen
bietet mathematische Funktionen für das Arbeiten mit Arrays und Matrizen
Einbindung import numpy as np
Funktionen np.append()
, mehr unter numpy.
pandas zur Datenanalyse und Datenanalyse
bietet praktische Datenstrukturen (zB das Dataframe (“Datentabelle”))
Datenverwaltung mittels Funktionen zur Verarbeitung von Dataframes
Einbindungimport pandas as pd
Funktionenpd.read_csv(), pd.DataFrame()
, mehr unter pandas.
math für mathematische Funktionen
enthält Funktionen wie Logarithmus- oder Exponentialfunktion, Winkelumrechnung, Wurzel/Potenzen uvm.
Konstanten pi, e und Eulersche Zahl vordefiniert
Einbindungimport math
Funktionenmath.exp(), math.log(), math.sqrt()
, mehr unter math.
scipy für wissenschaftliches Rechnen
bietet verschiedenste Module für numerische Integration/Optimierung, Interpolation, algebraische Gleichungen, Differentialgleichungen, statistische Funktionen, Signal- und Bildverarbeitung uvm.
Einbindungimport scipy
Funktionendescribe(), chisquare()
, mehr unter SciPy.
matplotlib für 2D/3D Datenvisualisierung
verschiedene Arten von Diagrammen möglich
Einbindungimport matplotlib.pyplot as plt
Funktionenplt.plot(), plt.scatter()
, mehr unter Matplotlib.
Weitere Funktionen, Erklärungen und Informationen zu Python unter The Python Standard Library.