NumPy / pandas / SciPy —— 手机上也能跑数据科学三件套
一键安装
在 Pydroid 的 Pip 面板里，NumPy、pandas、SciPy 都在「Quick Install」区的显著位置——点一下就装好了。这三者构成的「数据科学三件套」是 Pydroid 科学库支持的核心卖点之一。
NumPy：多维数组与数学运算基础
NumPy 是所有科学计算的底层基石，在 Pydroid 上的预编译 wheel 包含完整的数学内核（BLAS 优化）。你可以在手机上：
- 创建和操作高维数组
- 做矩阵运算、线性代数
- 生成随机数、统计分布
- 用
np.linalg做基础的特征值分解、SVD 等
在手机上不适合跑大规模矩阵（万维以上），但用于小数据集的原型验证、算法调试、公式推导完全够用。
pandas：表格数据处理
pandas 在 NumPy 之上，提供了 DataFrame 抽象——相当于 Python 版的 Excel。在手机上可以：
- 读写 CSV / JSON 文件
- 做 groupby / pivot / merge 等数据变换
- 计算 describe()、value_counts()、corr() 等统计量
- 用
df.plot()快速出图（需要 Matplotlib 配合）
典型场景：拿到一份小数据集（几百到几千行 CSV），在通勤路上快速看一眼数据分布、做一次清洗和初步分析。
SciPy：科学与工程计算
SciPy 在 NumPy 之上提供科学计算函数——积分、优化、信号处理、图像处理、统计分布等。在手机上可以：
scipy.optimize做参数拟合scipy.integrate做数值积分和常微分方程求解scipy.stats做统计检验和分布拟合scipy.signal做基础的信号滤波
注意事项
| 方面 | 说明 |
|---|---|
| 数据规模 | 手机上适合 ≤ 100MB 的数据集，更大的建议在 PC 上处理 |
| 内存占用 | pandas + SciPy 跑起来很吃内存，2GB RAM 以下的设备可能 OOM |
| 交互方式 | 手机屏幕小，pandas 的表格输出建议用 .head(n) 或 .describe() 看摘要，不要直接打印整个 DataFrame |
| 存储位置 | 读写的 CSV 文件放在 Pydroid 能访问的目录（App 内部或公共 Documents/Pydroid3），不要扔到 Android 11+ 的受限文件夹 |
| 耗时操作 | 在手机上 NumPy/SciPy 的数值计算比 PC 慢 3-10 倍，这是硬件差距，正常现象 |
典型脚本示例（思路）
一个在手机上快速分析的典型流程：
- 从某个来源拿到一份 CSV 文件 → 存到 Documents/Pydroid3
- 打开 Pydroid，新建脚本
import pandas as pd; df = pd.read_csv("...")df.describe()看统计摘要df.hist()快速出直方图看分布（需要 Matplotlib）- 几秒钟得到数据概览
这个流程在 PC 上也能做，但手机的优势是随时随地——出差路上、会议间隙、午休时间都能跑一遍。