由于C语言本身非常“精简”，你通常需要依赖库和API来完成复杂任务（除非你自己实现这些功能）。

以下是一些可能对你有用的常用库的简要列表：

• GLib
• GNU科学计算库（GSL）
• BLAS/LAPACK
• Apophenia
• Gnuplot

我们将逐一介绍它们，从GLib开始。

GLib

GLib 库包含许多实用的数据结构和基础组件，这些在MATLAB或Python等语言中几乎是“自带”的功能——比如链表、哈希表（也称字典）、数组、树等数据结构。

接下来是用于复杂计算的GSL。

GSL

GNU科学计算库（GSL） 提供了广泛的数值和数学函数。如果你希望在C语言中实现原本在MATLAB、Python/NumPy/SciPy或R中完成的任务，很可能需要查找GSL中的相关函数（或者自己编写）。

在GSL之后，我们有用于代数运算的BLAS/LAPACK库。

BLAS/LAPACK

BLAS 和 LAPACK 是高性能的线性代数库。如果你处理的是大型矩阵，并且对性能有要求，那么使用BLAS和LAPACK可能是更好的选择，其速度通常优于GSL。

Apophenia

统计计算同样非常重要。为此我们有Apophenia库。 Apophenia 是一个开源库，用于处理数据集、统计分析和统计建模。

Apophenia 提供了读取数据、存储到便捷数据结构以及将数据写入文件的功能。它还支持使用SQL数据库语言操作数据，使你可以对数据进行查询、提取子集等操作。

该库提供了大量用于拟合数据到统计模型的函数，例如普通最小二乘法（OLS）模型；支持t检验、F检验等统计检验；包含逻辑回归（logit）、概率单位模型（probit）和多项式模型；还支持最大似然估计、贝叶斯更新以及重抽样方法如自助法（bootstrapping）。

数据建模（书籍）

Apophenia 由Ben Klemens维护，他同时也撰写了一本名为《数据建模》（Modeling with Data）的书，书中广泛使用了Apophenia库。你可以购买这本书，也可以免费下载——作者在网站上提供免费获取。

我们强烈推荐这本书，不仅因为它能指导你如何使用Apophenia库，更因为它全面介绍了如何在日常工作中用C语言进行数据分析与建模。Ben认为，C语言虽然比Python或R这类高级语言略显繁琐，但在执行效率上却快得多。这本书值得一读。

我们列表中的最后一个工具是Gnuplot，顾名思义，它是用来绘制图表和图形的。

Gnuplot

Gnuplot 并不是一个外部C库，而是一个独立的绘图程序。我们将其列入此处，是因为它是一个流行的UNIX工具，在你的C语言开发旅程中很可能会遇到。Apophenia库及其配套书籍《数据建模》中提供了大量使用Gnuplot进行数据可视化和统计模型展示的示例。

Gnuplot还拥有良好的在线文档、教程与帮助以及演示示例。你在MATLAB、Python/Matplotlib、R等工具中能完成的绘图任务，大多也能在Gnuplot中实现。

这些库极大地扩展了C语言的功能，使其更加灵活和多样化。此外，C语言另一个突出的特点是支持并行编程。下一章将详细介绍与此相关的编程方法。