Numpy
NumPy主要用途包括：
- 数学运算：提供了丰富的数学函数和操作符，例如对数组进行加减乘除、三角函数、指数函数等。
- 线性代数：支持矩阵乘法、求逆、特征值分解等线性代数运算。
- 随机数生成：能够生成各种概率分布的随机数。
Scipy
Scipy的主要应用场景包括：
- 优化和拟合：提供了多种优化算法和曲线拟合工具。
- 信号处理：包括滤波、傅立叶变换、卷积等信号处理方法。
- 积分和微分方程：提供了各种积分方法和微分方程求解器。
Pandas
Pandas常见用途有：
- 数据清洗：加载、清洗和转换数据，处理缺失值和异常值。
- 数据分析：基于Series和DataFrame进行统计分析、聚合和数据切片。
- 时间序列处理：支持日期范围生成、频率转换、移动窗口统计等时间序列操作。
Matplotlib
Matplotlib广泛用于：
- 折线图：展示趋势和变化。
- 散点图：显示数据点之间的关系和分布。
- 直方图：展示数据分布和频数。
- 饼图：用于表示数据在整体中的占比情况。
举例
Numpy（图像手绘效果）
from PIL import Image
import numpy as np
vec_az = np.pi/4.
vec_el = np.pi/2.2
depth = 50
im = Image.open("E:\Python\实例\WECHAT头像.jpg").convert('L')
a = np.asarray(im).astype('float')
grad = np.gradient(a)
grad_x,grad_y = grad
grad_x = grad_x * depth/100
grad_y = grad_y * depth/100
dx = np.cos(vec_el)*np.cos(vec_az)
dy = np.cos(vec_el)*np.sin(vec_az)
dz = np.sin(vec_el)
A = np.sqrt(grad_x ** 2+grad_y ** 2 +1.)
uni_x = grad_x/A
uni_y = grad_y/A
uni_z = 1./A
a2 = 255*(dx*uni_x+dy*uni_y+dz*uni_z)
a2 = a2.clip(0,255)
im2 = Image.fromarray(a2.astype('uint8'))
im2.save('fcityhanddraw.jpg')
运行前后结果
