python现有多少工具包（python中有很多包管理工具）

1、SublimeText

SublimeText轻量级的代码编辑器，跨平台，支持几十种编程语言，包括Python，Java，C/C++等，小巧灵活，运行轻快，支持代码高亮、自动补全、语法提示，插件扩展丰富，是一个很不错的代码编辑器，配置相关文件后，可直接运行Python程序。SublimeText是开发者中最流行的编辑器之一，多功能，支持多种语言，而且在开发者社区非常受欢迎。Sublime有自己的包管理器，开发者可以使用TA来安装组件，插件和额外的样式，所有这些都能提升你的编码体验。

2、VSCode

这是微软开发的一个跨平台的代码编辑器，支持常见的编程语言开发，插件拓展丰富，不仅智能补全、语法检查、代码高亮，还支持git功能，运行流畅，是一个很不错的代码编辑器，安装相关插件后，可直接运行Python程序。

3、Atom

这是github专门为程序员开发的一个代码编辑器，也是款平台的，界面简洁直观，使用起来非常方便，自动补全、代码高亮、语法提示，启动运行速度较快，对于初学者来说，是一个很不错的代码编辑器。

4、PyCharm：

这是一个专门用于Python开发的IDE，常见的代码补全、智能提示、语法检查，这个软件都支持，除此之外，还集成了版本控制、单元测试、git功能，可以快速创建Django，Flask等PythonWeb框架，使用起来非常不错，在开发大型项目中经常会用到，唯一的缺点就是，启动起来有些卡，还不是免费的，不过可以下载社区免费版的。PyCharm是JetBrains开发的PythonIDE。PyCharm用于一般IDE具备的功能，比如，调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制……另外，PyCharm还提供了一些很好的功能用于Django开发，同时支持GoogleAppEngine，更酷的是，PyCharm支持IronPython。

5、Vim

Vim可以说是Python最好的IDE。Vim是高级文本编辑器，旨在提供实际的Unix编辑器‘Vi’功能，支持更多更完善的特性集。Vim不需要花费太多的学习时间，一旦你需要一个无缝的编程体验，那么就会把Vim集成到你的工作流中。

6、EclipsewithPyDev

Eclipse是非常流行的IDE，而且已经有了很久的历史。EclipsewithPydev允许开发者创建有用和交互式的Web应用。PyDev是Eclipse开发Python的IDE，支持Python，Jython和IronPython的开发。

7、Emacs

GNUEmacs是可扩展，自定义的文本编辑器，甚至是更多的功能。Emacs的核心是EmacsLisp解析器，但是支持文本编辑。如果你已经使用过Vim，可以尝试一下Emacs。

8、KomodoEdit

KomodoEdit是非常干净专业的PythonIDE。

9、Wing

Wingware的PythonIDE兼容Python2.x和3.x，可以结合Django,matplotlib,Zope,Plone,AppEngine,PyQt,PySide,wxPython,PyGTK,Tkinter,mod_wsgi,pygame,Maya,MotionBuilder,NUKE,Blender和其他Python框架使用。Wing支持测试驱动开发，集成了单元测试，nose和Django框架的执行和调试功能。WingIDE启动和运行的速度都非常快，支持Windows,Linux,OSX和Pythonversi。

10、PyScripter

PyScripter是款免费开源的Python集成开发环境（IDE）。

11、TheEricPythonIDE

Eric是全功能的Python和Ruby编辑器和IDE，是使用Python编写的。Eric基于跨平台的GUI工具包Qt，集成了高度灵活的Scintilla编辑器控件。Eric包括一个插件系统，允许简单的对IDE进行功能性扩展。

12、InteractiveEditorforPython

IEP是跨平台的PythonIDE，旨在提供简单高效的Python开发环境。包括两个重要的组件：编辑器和Shell，并且提供插件工具集从各个方面来提高开发人员的效率。

以上就是我总结的好用的12款Python编辑器。因每个人的操作习惯不同，适合自己使用的才是好用的Python编辑器。

1、Numpy

Numpy是Python科学计算的基础包，它提供了很多功能：快速高效的多维数组对象ndarray、用于对数组执行元素级计算以及直接对数组执行数学运算的函数、用于读写硬盘上基于数组的数据集的工具、线性代数运算、傅里叶变换以及随机数生成等。NumPy在数据分析方面还有另外一个主要作用，即作为在算法和库之间传递数据的容器。

2、Pandas

Pandas提供了快速便捷处理结构化数据的大量数据结构和函数。自从2010年出现以来，它助使Python成为强大而高效的数据分析环境。其中用得最多的Pandas对象是DataFrame，它是一个面向列的二维表结构，另一个是Series，一个一维的标签化数组对象。Pandas兼具Numpy高性能的数组计算功能以及电子表格和关系型数据库灵活的数据处理功能。还提供了复杂精细的索引功能，能更加便捷地完成重塑、切片和切块、聚合以及选取数据子集等操作。

3、matplotlib

matplotlib是最流行的用于绘制图表和其他二维数据可视化的Python库。它最初由John

D.Hunter(JDH)创建，目前由一个庞大的开发团队维护。它非常适合创建出版物上用的图表。虽然还有其他的Python可视化库，但matplotlib应用最为广泛。

4、SciPy

SciPy是一组专门解决科学计算中各种标准问题域的包的集合，它与Numpy结合使用，便形成了一个相当完备和成熟的计算平台，可以处理多种传统的科学计算问题。

5、scikit-learn

2010年诞生以来，scikit-learn成为了Python通用机器学习工具包。它的子模块包括：分类、回归、聚类、降维、选型、预处理等。与pandas、statsmodels和IPython一起，scikit-learn对于Python成为高效数据科学编程语言起到了关键作用。

6、statsmodels

statsmodels是一个统计分析包，起源于斯坦福大学统计学教授，他设计了多种流行于R语言的回归分析模型。SkipperSeabold和Josef

Perktold在2010年正式创建了statsmodels项目，随后汇聚了大量的使用者和贡献者。与scikit-learn比较，statsmodels包含经典统计学和经济计量学的算法。

1.Numpy

可以供给数组支撑，进行矢量运算，而且高效地处理函数，线性代数处理等。供给真实的数组，比起python内置列表来说，Numpy速度更快。一起，Scipy、Matplotlib、Pandas等库都是源于Numpy。由于Numpy内置函数处理数据速度与C语言同一等级，建议使用时尽量用内置函数。

2.Scipy

根据Numpy,可以供给了真实的矩阵支撑，以及大量根据矩阵的数值计算模块，包含：插值运算，线性代数、图画信号，快速傅里叶变换、优化处理、常微分方程求解等。

3.Pandas

源于NumPy，供给强壮的数据读写功用，支撑相似SQL的增删改查，数据处理函数十分丰富，而且支撑时间序列剖析功用，灵敏地对数据进行剖析与探索，是python数据发掘，必不可少的东西。

Pandas根本数据结构是Series和DataFrame。Series是序列，相似一维数组，DataFrame相当于一张二维表格，相似二维数组，DataFrame的每一列都是一个Series。

4.Matplotlib

数据可视化最常用，也是醉好用的东西之一，python中闻名的绘图库，首要用于2维作图，只需简单几行代码可以生成各式的图表，例如直方图，条形图，散点图等，也可以进行简单的3维绘图。

5.Scikit-Learn

Scikit-Learn源于NumPy、Scipy和Matplotlib，是一款功用强壮的机器学习python库，可以供给完整的学习东西箱(数据处理，回归，分类，聚类，猜测，模型剖析等)，使用起来简单。缺乏是没有供给神经网络，以及深度学习等模型。

6.Keras

根据Theano的一款深度学习python库，不仅可以用来建立普通神经网络，还能建各种深度学习模型，例如：自编码器、循环神经网络、递归神经网络、卷积神经网络等，重要的是，运转速度几块，对建立各种神经网络模型的过程进行简化，可以答应普通用户，轻松地建立几百个输入节点的深层神经网络，定制程度也十分高。

关于python数据挖掘工具有哪些，环球青藤小编就和大家分享到这里了，学习是没有尽头的，学习一项技能更是受益终身，因此，只要肯努力学，什么时候开始都不晚。如若你还想继续了解关于python编程的素材及学习方法等内容，可以点击本站其他文章学习。