그럼, 라이브러리는 뭔가요?

고차원의 수학적 기능을 제공하는 오픈소스 파이썬 라이브러리입니다. NumPy의 핵심 기능은 ndarray 인데, 이는 n 차원의 배열 데이터 클래스로 다차원배열을 유연하면서도 빠른 속도로 사용할 수 있습니다. NumPy는 각종 수학과 과학 연산에서 많이 사용되는 벡터나 스칼라로 활용할 수 있고, 데이터베이스와 연동해 사용할 수도 있습니다.

파이썬의 과학 과제를 다루기 시작할 때 필연적으로 파이썬의 과학 컴퓨팅을 위해 특별히 설계된 소프트웨어 모음인 Python의 SciPy Stack에 도움이됩니다. (SciPy Stack을 이 스택의 일부인이 SciPy 라이브러리 또는 커뮤니티와 혼동하지 마십시오.) 스택은 매우 방대하고 여러개의 라이브러리가 포함되어 있습니다. 핵심 패키지이며, 특히 가장 중요한 패키지 중 하나라고 할 수 있습니다.

가장 기본적인 패키지는 NumPy (Numerical Python)입니다. 파이썬에서 n- 배열과 행렬에 대한 연산에 유용한 기능을 풍부하게 제공합니다. 라이브러리는 NumPy 배열 유형에서 수학 연산의 벡터화를 제공하여 성능을 개선하고 그에 따라 실행 속도를 높입니다.

과학 연산에 필요한 기능을 제공하는 라이브러리로, 최적화, 선형대수, 적분, FFT 등의 기능을 제공합니다.

SciPy는 공학 및 과학 용 소프트웨어 라이브러리입니다. 다시, SciPy Stack과 SciPy Library의 차이점을 이해해야 합니다. SciPy에는 선형 대수, 최적화, 통합 및 통계를 위한 모듈이 포함되어 있습니다. SciPy 라이브러리의 주요 기능은 NumPy를 기반으로 하므로 해당 배열은 NumPy를 실질적으로 사용합니다. 특정 하위 모듈을 통해 수치 통합, 최적화 및 기타 여러 가지로 효율적인 수치 루틴을 제공합니다. SciPy의 모든 하위 모듈에 있는 기능은 포트에 있는 또 다른 것으로 잘 문서화되어 있습니다.

금융 데이터 처리용 라이브러리로, DataFrame 클래스를 이용해 시계열 금융 데이터 처리에 필요한 각종 기능이 있습니다.

Pandas는 "labeled" 및 "relational" 데이터를 간단하고 직관적으로 사용할 수 있도록 설계된 Python 패키지입니다. Pandas는 데이터 핸들링을 위한 완벽한 도구입니다. 빠르고 쉬운 데이터 조작, 집계 및 시각화를 위해 설계되었습니다.

그래프를 그리거나 데이터를 시각화하는 데 필요한 풍부한 기능을 가지고 있는 라이브러리입니다. 그래프를 저장하거나 확대 또는 축소를 위한 간단한 UI도 제공합니다.

간단하고 강력한 시각화를 쉽게 만들 수 있도록 설계된 또 다른 SciPy Stack 코어 패키지 및 Python 라이브러리는 Matplotlib입니다. MATLAB 또는 Mathematica와 같은 과학 도구와 Python을 (NumPy, SciPy 및 Pandas의 도움을 받아) 경쟁자로 만드는 최고의 소프트웨어입니다. 고급 시각화 수준에 도달하려면 더 많은 코드를 작성해야 합니다. 일반적으로 고급 도구를 사용하는 것보다 더 많은 노력을 기울여야 하지만, 노력의 가치가 있습니다.

파이썬 머신러닝 라이브러리로, 딥러닝을 제외한 현존하는 거의 모든 머신러닝 알고리즘이 구현되어 있고 데이터 처리와 머신러닝 학습결과를 분석하는 기능들도 포함되어 있습니다. 알고리즘과 관계없이 사용법이 일관되어 짧은 학습시간에 직관적으로 이용할 수 있는 파이썬의 대표적인 머신러닝 라이브러리입니다.

파이썬 통계 라이브러리로 데이터 탐색, 통계적 모델 추정, 통계 테스트등 다양한 통계 관련 기능을 지원합니다.