一、 介绍
Leng是一个全能的数据分析工具库，它可以帮助用户从数据中挖掘出有效的信息，以便更好地理解数据和做出决策。Leng包含了统计分析、数据可视化、机器学习、深度学习等多个分析工具模块，并且支持多种数据类型的输入和输出，如CSV、JSON、Excel等。
Leng的目标是帮助用户完成数据分析的全部工作，它提供了大量的分析工具和算法，并且可以通过可视化的方式直观地展示数据分析结果，使用户更容易理解数据分析的过程和结果。使用Leng可以极大地提升数据分析的效率和质量。
二、 统计分析
Leng的统计分析模块包含了多种针对不同类型数据的统计方法，如描述性统计、假设检验、方差分析、回归分析等。用户可以根据不同的需求选择相应的统计分析方法，并且可以通过Leng提供的可视化工具更好地展示分析结果。
三、 数据可视化
数据可视化是数据分析中非常重要的一个环节，Leng提供了多种可视化工具供用户使用，如散点图、直方图、箱线图、热力图、树状图等。用户可以根据不同的数据类型选择相应的可视化方法，并且可以对可视化图表进行美化和定制化，以得到更好的可视化效果。
四、 机器学习
机器学习是数据分析领域的热点之一，Leng的机器学习模块包含了多种经典的机器学习算法，如决策树、逻辑回归、支持向量机、神经网络等。用户可以根据不同的需求选择相应的机器学习算法，并且可以通过Leng提供的数据预处理、特征选择和模型评估工具更好地完成机器学习任务。
五、 深度学习
Leng的深度学习模块是基于TensorFlow实现的，它提供了多种经典的深度学习算法，如卷积神经网络、循环神经网络、自编码器等。用户可以通过Leng提供的数据预处理、模型构建和模型训练工具来完成深度学习任务，并且可以通过Leng提供的可视化工具更好地展示深度学习模型的结果。
六、 示例代码
import leng
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 读入数据
data = pd.read_csv('data.csv')
# 描述性统计
print(data.describe())
# 直方图
plt.hist(data['age'], bins=20)
plt.show()
# 机器学习
from leng.ml import DecisionTreeClassifier
X = data[['age', 'income']]
y = data['gender']
model = DecisionTreeClassifier()
model.fit(X, y)
print(model.predict([[25, 50000], [30, 60000]]))
# 深度学习
from leng.dl import NeuralNetwork
X = np.array([[1, 2], [3, 4]])
y = np.array([0, 1])
model = NeuralNetwork()
model.add_layer(2, 4)
model.add_layer(4, 1)
model.train(X, y)
print(model.predict(np.array([[5, 6], [7, 8]])))
