❶ numpy、matplotlib、pyQT、seaborn、turtle,的作用幾個插件的作用以及
摘要 Numpy是python的一個科學計算的庫，提供了矩陣運算的功能，其一般與Scipy、matplotlib一起使用。
❷ python 怎麼以pylab模式打開程序
預設狀態下python安裝包並不包含pylab包，直接import如下圖所示就立馬報錯了，小編以為還是跟以前一樣，只要去下載個模塊導進去就成了，結果發現開始了漫漫長路。
pylab是matplotlib的一部分，可到相應網址下載，具體的網址參考下圖，最新版本為1.5.0，請注意下載對應自己python的版本，小編下載是exe,雙擊後自動找到python目錄安裝
下一步還要下載numpy包，具體的鏈接參考下圖或者直接度娘吧，下載時注意選擇python的版本以及windows的位數，如小編下載的是1.10.1，win32位python2.7的版本，8M大的文件。
進入安裝過程，exe文件雙擊後自動執行，然後就會在本機自動找到python的安裝目錄，如下圖，所要做的就是確認一下找到目錄是不是正確，然後點擊下一步就自動安裝好了。
還是繼續報錯，缺少six模塊，這個模塊在six官網可以下載，但下載卻是個whl結尾的文件，不能自動安裝，找一下python的安裝目錄，尋找pip文件，小編是在scripts目錄下。
把下載的文件拷貝到這個目錄（因為小編不想再設搜索目錄），進入CMD命令進入命令行模式，cd到剛才的目錄，運行如下圖的命令，pip install six-1.10.0-py2.py3-none-any.whl完成安裝
知道了上述安裝方式，下一個組件就好辦了，見下圖的網站下載Python-Dateutil組件，同樣是whl文件，如法泡製，用pip intall python_dateutil-2.4.2-py2.py3-none-any.whl進行安裝
跟著import的報錯下載下個組件，pyparsing，但要注意這個組件是分python2和3版本的，別下錯了。下載後同樣使用pip install pyparsing-2.0.5-py2.py3-none-any.whl進行安裝
安裝完成後可以回到python，運行import pylab，一切運行正常，不再報錯了。搞定收工，==，小編發現真要畫圖時，會發現整個程序運行得暴慢，機器和死機了一樣，還是少了點什麼。
研究半天發現還少了個科學計算包scipy，有60多M，具體下載地址參考下圖，提醒下這個文件分python版本，有64位和32位的。下載後是個exe文件，自動找到python目錄進行安裝。
11
再次導入後運行程序，過程是辛苦的，但終於成功了，總算是長出了口氣，不過小編總結還是走了太多彎路，下一次知道了要裝這些包的名字，估計直接用pip工具就可以很快搞定了。
❸ 怎麼給python3.5 裝pylab
pylab是模塊matplotlib下的一個包，所以可以進行matplotlib模塊的安裝，針對於您的Python版本可到Python包官網下載對應的版本，exe文件可以一鍵安裝，whl文件可以解壓到Python安裝目錄下的Lib\site-packages來進行安裝。
❹ python中from pylab import *是什麼意思
* 代表所有，就是從pylab中導入所有的非私有類，函數，全局變數等。
❺ 怎麼給Python3.2 裝pylab
1, 據我所知，pylab是模塊matplotlib下的一個包，所以我們可以進行matplotlib模塊的安裝，針對於您的Python版本可到Python包官網：https://pypi.python.org/pypi/matplotlib/1.4.3來下載對應的版本，exe文件可以一鍵安裝，whl文件可以解壓到Python安裝目錄下的Lib\site-packages來進行安裝。
2,一般要導入pylab時，可以直接用 import pylab 來導入。
❻ python中的plt是什麼
python中的plt即Matplotlib庫，是Python中最常用的可視化工具之一，可以非常方便地創建2D圖表和一些基本的3D圖表。
它以各種硬復制格式和跨平台的互動式環境生成出版質量級別的圖形。通過Matplotlib，開發者可能僅需要幾行代碼，便可以生成繪圖、直方圖、功率譜、條形圖、錯誤圖、散點圖等。
它提供了一整套和Matlab相似的命令API，十分適合互動式地進行制圖。而且也可以方便地將它作為繪圖控制項，嵌入GUI應用程序中。
推薦學習《Python教程》。
❼ 如何系統地學習Python 中 matplotlib，numpy，scipy，pandas
總結一下自己學習，接觸了Numpy，Pandas，Matplotlib，Scipy，Scikit-learn，也算是入門，給出自己的軌跡（略去安裝），並總結一下其他人的答案，最後有彩蛋。
Numpy：
來存儲和處理大型矩陣，比Python自身的嵌套列表（nested list structure)結構要高效的多，本身是由C語言開發。這個是很基礎的擴展，其餘的擴展都是以此為基礎。數據結構為ndarray,一般有三種方式來創建。
Python對象的轉換
通過類似工廠函數numpy內置函數生成：np.arange,np.linspace.....
從硬碟讀取，loadtxt
快速入門：Quickstart tutorial
Pandas:
基於NumPy 的一種工具，該工具是為了解決數據分析任務而創建的。Pandas 納入了大量庫和一些標準的數據模型，提供了高效地操作大型數據集所需的工具。最具有統計意味的工具包，某些方面優於R軟體。數據結構有一維的Series，二維的DataFrame(類似於Excel或者SQL中的表，如果深入學習，會發現Pandas和SQL相似的地方很多，例如merge函數)，三維的Panel（Pan（el) + da(ta) + s，知道名字的由來了吧）。學習Pandas你要掌握的是：
匯總和計算描述統計，處理缺失數據 ，層次化索引
清理、轉換、合並、重塑、GroupBy技術
日期和時間數據類型及工具（日期處理方便地飛起）
快速入門：10 Minutes to pandas
Matplotlib:
Python中最著名的繪圖系統，很多其他的繪圖例如seaborn（針對pandas繪圖而來）也是由其封裝而成。創世人John Hunter於2012年離世。這個繪圖系統操作起來很復雜，和R的ggplot,lattice繪圖相比顯得望而卻步，這也是為什麼我個人不丟棄R的原因，雖然調用
plt.style.use("ggplot")
繪制的圖形可以大致按照ggplot的顏色顯示，但是還是感覺很雞肋。但是matplotlib的復雜給其帶來了很強的定製性。其具有面向對象的方式及Pyplot的經典高層封裝。
需要掌握的是：
散點圖，折線圖，條形圖，直方圖，餅狀圖，箱形圖的繪制。
繪圖的三大系統：pyplot，pylab(不推薦)，面向對象
坐標軸的調整，添加文字注釋，區域填充，及特殊圖形patches的使用
金融的同學注意的是：可以直接調用Yahoo財經數據繪圖（真。。。）
Pyplot快速入門：Pyplot tutorial
Scipy：
方便、易於使用、專為科學和工程設計的Python工具包.它包括統計,優化,整合,線性代數模塊,傅里葉變換,信號和圖像處理,常微分方程求解器等等。
基本可以代替Matlab，但是使用的話和數據處理的關系不大，數學系，或者工程系相對用的多一些。（略）
近期發現有個statsmodel可以補充scipy.stats，時間序列支持完美
Scikit-learn：
關注機器學習的同學可以關注一下，很火的開源機器學習工具，這個方面很多例如去年年末Google開源的TensorFlow，或者Theano，caffe(賈揚清)，Keras等等，這是另外方面的問題。
主頁：An introction to machine learning with scikit-learn
圖書：
Pandas的創始者：利用Python進行數據分析 (豆瓣)（力薦）
教材的集合：Scipy Lecture Notes（寫的非常棒！遺憾缺少Pandas）
提升自己：機器學習實戰 (豆瓣)