❶ numpy、matplotlib、pyQT、seaborn、turtle,的作用几个插件的作用以及
摘要 Numpy是python的一个科学计算的库，提供了矩阵运算的功能，其一般与Scipy、matplotlib一起使用。
❷ python 怎么以pylab模式打开程序
缺省状态下python安装包并不包含pylab包，直接import如下图所示就立马报错了，小编以为还是跟以前一样，只要去下载个模块导进去就成了，结果发现开始了漫漫长路。
pylab是matplotlib的一部分，可到相应网址下载，具体的网址参考下图，最新版本为1.5.0，请注意下载对应自己python的版本，小编下载是exe,双击后自动找到python目录安装
下一步还要下载numpy包，具体的链接参考下图或者直接度娘吧，下载时注意选择python的版本以及windows的位数，如小编下载的是1.10.1，win32位python2.7的版本，8M大的文件。
进入安装过程，exe文件双击后自动执行，然后就会在本机自动找到python的安装目录，如下图，所要做的就是确认一下找到目录是不是正确，然后点击下一步就自动安装好了。
还是继续报错，缺少six模块，这个模块在six官网可以下载，但下载却是个whl结尾的文件，不能自动安装，找一下python的安装目录，寻找pip文件，小编是在scripts目录下。
把下载的文件拷贝到这个目录（因为小编不想再设搜索目录），进入CMD命令进入命令行模式，cd到刚才的目录，运行如下图的命令，pip install six-1.10.0-py2.py3-none-any.whl完成安装
知道了上述安装方式，下一个组件就好办了，见下图的网站下载Python-Dateutil组件，同样是whl文件，如法泡制，用pip intall python_dateutil-2.4.2-py2.py3-none-any.whl进行安装
跟着import的报错下载下个组件，pyparsing，但要注意这个组件是分python2和3版本的，别下错了。下载后同样使用pip install pyparsing-2.0.5-py2.py3-none-any.whl进行安装
安装完成后可以回到python，运行import pylab，一切运行正常，不再报错了。搞定收工，==，小编发现真要画图时，会发现整个程序运行得暴慢，机器和死机了一样，还是少了点什么。
研究半天发现还少了个科学计算包scipy，有60多M，具体下载地址参考下图，提醒下这个文件分python版本，有64位和32位的。下载后是个exe文件，自动找到python目录进行安装。
11
再次导入后运行程序，过程是辛苦的，但终于成功了，总算是长出了口气，不过小编总结还是走了太多弯路，下一次知道了要装这些包的名字，估计直接用pip工具就可以很快搞定了。
❸ 怎么给python3.5 装pylab
pylab是模块matplotlib下的一个包，所以可以进行matplotlib模块的安装，针对于您的Python版本可到Python包官网下载对应的版本，exe文件可以一键安装，whl文件可以解压到Python安装目录下的Lib\site-packages来进行安装。
❹ python中from pylab import *是什么意思
* 代表所有，就是从pylab中导入所有的非私有类，函数，全局变量等。
❺ 怎么给Python3.2 装pylab
1, 据我所知，pylab是模块matplotlib下的一个包，所以我们可以进行matplotlib模块的安装，针对于您的Python版本可到Python包官网：https://pypi.python.org/pypi/matplotlib/1.4.3来下载对应的版本，exe文件可以一键安装，whl文件可以解压到Python安装目录下的Lib\site-packages来进行安装。
2,一般要导入pylab时，可以直接用 import pylab 来导入。
❻ python中的plt是什么
python中的plt即Matplotlib库，是Python中最常用的可视化工具之一，可以非常方便地创建2D图表和一些基本的3D图表。
它以各种硬复制格式和跨平台的交互式环境生成出版质量级别的图形。通过Matplotlib，开发者可能仅需要几行代码，便可以生成绘图、直方图、功率谱、条形图、错误图、散点图等。
它提供了一整套和Matlab相似的命令API，十分适合交互式地进行制图。而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。
推荐学习《Python教程》。
❼ 如何系统地学习Python 中 matplotlib，numpy，scipy，pandas
总结一下自己学习，接触了Numpy，Pandas，Matplotlib，Scipy，Scikit-learn，也算是入门，给出自己的轨迹（略去安装），并总结一下其他人的答案，最后有彩蛋。
Numpy：
来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多，本身是由C语言开发。这个是很基础的扩展，其余的扩展都是以此为基础。数据结构为ndarray,一般有三种方式来创建。
Python对象的转换
通过类似工厂函数numpy内置函数生成：np.arange,np.linspace.....
从硬盘读取，loadtxt
快速入门：Quickstart tutorial
Pandas:
基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。最具有统计意味的工具包，某些方面优于R软件。数据结构有一维的Series，二维的DataFrame(类似于Excel或者SQL中的表，如果深入学习，会发现Pandas和SQL相似的地方很多，例如merge函数)，三维的Panel（Pan（el) + da(ta) + s，知道名字的由来了吧）。学习Pandas你要掌握的是：
汇总和计算描述统计，处理缺失数据 ，层次化索引
清理、转换、合并、重塑、GroupBy技术
日期和时间数据类型及工具（日期处理方便地飞起）
快速入门：10 Minutes to pandas
Matplotlib:
Python中最着名的绘图系统，很多其他的绘图例如seaborn（针对pandas绘图而来）也是由其封装而成。创世人John Hunter于2012年离世。这个绘图系统操作起来很复杂，和R的ggplot,lattice绘图相比显得望而却步，这也是为什么我个人不丢弃R的原因，虽然调用
plt.style.use("ggplot")
绘制的图形可以大致按照ggplot的颜色显示，但是还是感觉很鸡肋。但是matplotlib的复杂给其带来了很强的定制性。其具有面向对象的方式及Pyplot的经典高层封装。
需要掌握的是：
散点图，折线图，条形图，直方图，饼状图，箱形图的绘制。
绘图的三大系统：pyplot，pylab(不推荐)，面向对象
坐标轴的调整，添加文字注释，区域填充，及特殊图形patches的使用
金融的同学注意的是：可以直接调用Yahoo财经数据绘图（真。。。）
Pyplot快速入门：Pyplot tutorial
Scipy：
方便、易于使用、专为科学和工程设计的Python工具包.它包括统计,优化,整合,线性代数模块,傅里叶变换,信号和图像处理,常微分方程求解器等等。
基本可以代替Matlab，但是使用的话和数据处理的关系不大，数学系，或者工程系相对用的多一些。（略）
近期发现有个statsmodel可以补充scipy.stats，时间序列支持完美
Scikit-learn：
关注机器学习的同学可以关注一下，很火的开源机器学习工具，这个方面很多例如去年年末Google开源的TensorFlow，或者Theano，caffe(贾扬清)，Keras等等，这是另外方面的问题。
主页：An introction to machine learning with scikit-learn
图书：
Pandas的创始者：利用Python进行数据分析 (豆瓣)（力荐）
教材的集合：Scipy Lecture Notes（写的非常棒！遗憾缺少Pandas）
提升自己：机器学习实战 (豆瓣)