我们很多人学习python是为了开发，但是也有的人的是为了数据分析，今天小猿圈就给大家分享一些数据分析的工具，希望能帮助到大家，让大家的数据分析更便捷。 处理较大、较复杂的类excel数据 • Pandas -处理tabular（类似Excel）数据的通用工具套件 • SQLite – Tabular数据库格式，能够处理大规模数据集，同时也能在桌面环境运行。 • PostgreSQL – 企业级数据库系统 处理空间、地理数据： PostGIS – Postgres的地理空间数据类型扩展 Carto – 地理空间数据的商业数据挖掘工具 Mapbox – 商业地图绘制工具，同时也是一个web地图系统。 Leaflet – 基于网络资源和本地数据开发活动web地图的代码库 qGIS – 适用于几乎所有地理空间和地图绘制的图形化GIS工具 处理非常规数据： • RethinkDB – 处理实时数据流非常棒的数据库，正在从商业转开源，小心使用。 • MongoDB – 处理大规模非结构化和半结构化数据的流行数据库，应用于生产环境需要加小心。 • CouchDB – 与MongoDB有些类似但不尽相同。 • Cassandra – 图谱和关系数据库 为大规模数据集创建性能代码： • Pandas – Python下一个开源数据分析的库,它提供的数据结构DataFrame极大的简化了数据分析过程中一些繁琐操作。 • Apache Spark – 一个通用的高性能数据处理系统 • SciPy and Numpy -可编写脚本的基于C的数值算法，能在紧凑的,底层机器数据架构上运行。 • Cython – 使用用C编译器的Python编译器，用来提升Python性能。 • PyOpenCL – 在图形显卡上进行数值计算和统计处理。 数据清洗工具 • ODO – 在不同数据格式间进行转换的Python库。 • OpenRefine – 拥有图形用户界面的数据发现和清洗工具 • Pandas – 数据科学任务中用来处理tabular数据的通用Python工具集 • Scrapy – Python开发的一个快速,高层次的屏幕抓取和web抓取框架，用于抓取web站点并从页面中提取结构化的数据。 • BeautifulSoup – 与Scrapy类似但不尽相同 • Scrubadub – 去除个人身份信息 • Arrow – 帮你轻松驾驭日期和时间戳的Python库 • DataCleaner – 剔除脏数据的Python库 • Dora – 与DataCleaner功能类似的Python库。 数据可视化工具 • Processing – 交互式开发交互式可视化内容. 推荐读本：Visualizing Data • D3 – 在web上开发可视化交互 • C3 – 来自D3的图表. • Bokeh – 与D3类似, 但基于Python. • matplotlib – 最早的Python数据可视化工具集。 • Leaflet – 一个为开发移动设备友好的互动地图的开源 JavaScript 库。 • MapBox -详见地图工具集。 • qGIS – 详见地图工具集。 • VTK – 在医疗、 和物理研究领域常用的重型可视化工具包。 数据挖掘和机器学习工具 • Weka – 一个机器学习和数据挖掘工具包，这里有一本免费可读的参考书 • SciKitLearn – 基于Python的机器学习和数据挖掘工具套件。 • Orange – 另一个基于Python的数据挖掘工具套件，同样拥有图形用户界面。 • TensorFlow – Google开源的多维度图谱数学建模工具。 分享、协作以及知识管理工具 • Django -基于Python的web框架 • Django REST Framework – 为Django网站创建 REST APIs • IRODS – 企业级数据存储和管理，包括元数据管理和基于规则的数据处理。 • Cassandra (useful for metadata and relationship storage) – 一个存储和查询元数据经常用到的开源分布式数据管理系统 • GitLab -GitHub的开源替代品，可搭建私人服务器。 • ReciPy – • Prov – Python implementation of the W3C provenance model • Kanren (部署基于元数据和数据源信息的业务逻辑非常有用) – 一个描述性Python逻辑编程系统，非常适合科学元数据的查询和基于规则的处理。 • 好了今天的分享就是这么多，希望能够帮助到大家，这些工具涉及到了我们数据分析师的每个工作内容，希望可以让我们复杂的工作变得更加便捷更加灵活
