盤點數(shù)據(jù)科學最流行的29個Python庫
導讀：我們都著眼于如何使用現(xiàn)有的庫來避免重復工作，從而使程序開發(fā)工作事半功倍。通常，開發(fā)大量原始代碼是一個費時費力的工作，為了避免這種情況，我們會盡可能多地使用庫中已有的類來創(chuàng)建對象，通常僅需要一行代碼。因此，庫能夠幫助我們使用適量的代碼執(zhí)行重要的任務。
-
16 / 29
-
collections：建立在列表、元組、字典和集合基礎上的加強版數(shù)據(jù)結構。 -
csv：處理用逗號分隔值的文件。 -
datetime, time：日期和時間操作。 -
decimal：定點或浮點運算，包括貨幣計算。 -
doctest：通過驗證測試或嵌入在docstring中的預期結果進行簡單的單元測試。 -
json：處理用于Web服務和NoSQL文檔數(shù)據(jù)庫的JSON（JavaScript Object Notation）數(shù)據(jù)。 -
math：常見的數(shù)學常量和運算。 -
os：與操作系統(tǒng)進行交互。 -
queue：一種先進先出的數(shù)據(jù)結構。 -
random：偽隨機數(shù)操作。 -
re：用于模式匹配的正則表達式。 -
sqlite3：SQLite關系數(shù)據(jù)庫訪問。
-
statistics：數(shù)理統(tǒng)計函數(shù)，如均值、中值、眾數(shù)和方差等。 -
string：字符串操作。 -
sys：—命令行參數(shù)處理，如標準輸入流、輸出流和錯誤流。 -
timeit：性能分析。
-
3 / 29
-
NumPy（Numerical Python）：Python沒有內置的數(shù)組數(shù)據(jù)結構。它提供的列表類型雖然使用起來更方便，但是處理速度較慢。NumPy提供了高性能的ndarray數(shù)據(jù)結構來表示列表和矩陣，同時還提供了處理這些數(shù)據(jù)結構的操作。詳細教程請戳??高能！8段代碼演示Numpy數(shù)據(jù)運算的神操作 -
SciPy（Scientific Python）：SciPy基于NumPy開發(fā)，增加了用于科學處理的程序，例如積分、微分方程、額外的矩陣處理等。scipy.org負責管理SciPy和NumPy。詳細教程請戳??3段極簡代碼帶你入門Python科學計算庫SciPy -
StatsModels：為統(tǒng)計模型評估、統(tǒng)計測試和統(tǒng)計數(shù)據(jù)研究提供支持。
-
1 / 29
-
pandas：一個非常流行的數(shù)據(jù)處理庫。pandas充分利用了NumPy的ndarray類型，它的兩個關鍵數(shù)據(jù)結構是Series（一維）和DataFrame（二維）。詳細教程請戳??Pandas最詳細教程來了！
-
2 / 29
-
Matplotlib：可高度定制的可視化和繪圖庫。Matplotlib可以繪制正規(guī)圖、散點圖、柱狀圖、等高線圖、餅圖、矢量場圖、網格圖、極坐標圖、3D圖以及添加文字說明等。詳細教程請戳??Python實操：手把手教你用Matplotlib把數(shù)據(jù)畫出來 -
Seaborn：基于Matplotlib構建的更高級別的可視化庫。與Matplotlib相比，Seaborn改進了外觀，增加了可視化的方法，并且可以使用更少的代碼創(chuàng)建可視化。詳細教程請戳??數(shù)據(jù)可視化干貨：使用pandas和seaborn制作炫酷圖表（附代碼）
-
4 / 29
-
scikit-learn：一個頂級的機器學習庫。機器學習是AI的一個子集，深度學習則是機器學習的一個子集，專注于神經網絡。 -
Keras：最易于使用的深度學習庫之一。Keras運行在TensorFlow（谷歌）、CNTK（微軟的深度學習認知工具包）或Theano（蒙特利爾大學）之上。 -
TensorFlow：由谷歌開發(fā)，是使用最廣泛的深度學習庫。TensorFlow與GPU（圖形處理單元）或谷歌的定制TPU（Tensor處理單元）配合使用可以獲得最佳的性能。TensorFlow在人工智能和大數(shù)據(jù)分析中有非常重要的地位，因為人工智能和大數(shù)據(jù)對數(shù)據(jù)處理的需求非常巨大。本書使用TensorFlow內置的Keras版本。詳細教程請戳??TensorFlow是什么？怎么用？終于有人講明白了 -
OpenAI Gym：用于開發(fā)、測試和比較強化學習算法的庫和開發(fā)環(huán)境。
-
3 / 29
-
NLTK（Natural Language Toolkit）：用于完成自然語言處理（NLP）任務。 -
TextBlob：一個面向對象的NLP文本處理庫，基于NLTK和模式NLP庫構建，簡化了許多NLP任務。 -
Gensim：功能與NLTK類似。通常用于為文檔合集構建索引，然后確定另一個文檔與索引中每個文檔的相似程度。
評論
圖片
表情