盘点数据科学最流行的29个Python库
導(dǎo)讀：我們都著眼于如何使用現(xiàn)有的庫來避免重復(fù)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(gè)費(fèi)時(shí)費(fèi)力的工作，為了避免這種情況，我們會(huì)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(wù)。
本文介紹數(shù)據(jù)科學(xué)中會(huì)經(jīng)常使用多種Python標(biāo)準(zhǔn)庫、數(shù)據(jù)科學(xué)庫和第三方庫。
作者：保羅·戴特爾（Paul Deitel）、哈維·戴特爾（Harvey Deitel）
來源：大數(shù)據(jù)DT（ID：hzdashuju）
01 Python標(biāo)準(zhǔn)庫
16 / 29
Python標(biāo)準(zhǔn)庫提供了豐富的功能，包括文本/二進(jìn)制數(shù)據(jù)處理、數(shù)學(xué)運(yùn)算、函數(shù)式編程、文件/目錄訪問、數(shù)據(jù)持久化、數(shù)據(jù)壓縮/歸檔、加密、操作系統(tǒng)服務(wù)、并發(fā)編程、進(jìn)程間通信、網(wǎng)絡(luò)協(xié)議、JSON / XML /其他Internet數(shù)據(jù)格式、多媒體、國際化、GUI、調(diào)試、分析等。下面列出了一部分Python標(biāo)準(zhǔn)庫模塊。
collections：建立在列表、元組、字典和集合基礎(chǔ)上的加強(qiáng)版數(shù)據(jù)結(jié)構(gòu)。
csv：處理用逗號分隔值的文件。
datetime, time：日期和時(shí)間操作。
decimal：定點(diǎn)或浮點(diǎn)運(yùn)算，包括貨幣計(jì)算。
doctest：通過驗(yàn)證測試或嵌入在docstring中的預(yù)期結(jié)果進(jìn)行簡單的單元測試。
json：處理用于Web服務(wù)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(xué)常量和運(yùn)算。
os：與操作系統(tǒng)進(jìn)行交互。
queue：一種先進(jìn)先出的數(shù)據(jù)結(jié)構(gòu)。
random：偽隨機(jī)數(shù)操作。
re：用于模式匹配的正則表達(dá)式。
sqlite3：SQLite關(guān)系數(shù)據(jù)庫訪問。
statistics：數(shù)理統(tǒng)計(jì)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(biāo)準(zhǔn)輸入流、輸出流和錯(cuò)誤流。
timeit：性能分析。
Python擁有一個(gè)龐大且仍在快速增長的開源社區(qū)，社區(qū)中的開發(fā)者來自許多不同的領(lǐng)域。該社區(qū)中有大量的開源庫是Python受歡迎的最重要的原因之一。
許多任務(wù)只需要幾行Python代碼就可以完成，這會(huì)令人感到很神奇。下面列出了一些流行的數(shù)據(jù)科學(xué)庫。
02 科學(xué)計(jì)算與統(tǒng)計(jì)
3 / 29
NumPy（Numerical Python）：Python沒有內(nèi)置的數(shù)組數(shù)據(jù)結(jié)構(gòu)。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(jié)構(gòu)來表示列表和矩陣，同時(shí)還提供了處理這些數(shù)據(jù)結(jié)構(gòu)的操作。詳細(xì)教程請戳????高能！8段代碼演示Numpy數(shù)據(jù)運(yùn)算的神操作
SciPy（Scientific Python）：SciPy基于NumPy開發(fā)，增加了用于科學(xué)處理的程序，例如積分、微分方程、額外的矩陣處理等。scipy.org負(fù)責(zé)管理SciPy和NumPy。詳細(xì)教程請戳????3段極簡代碼帶你入門Python科學(xué)計(jì)算庫SciPy
StatsModels：為統(tǒng)計(jì)模型評估、統(tǒng)計(jì)測試和統(tǒng)計(jì)數(shù)據(jù)研究提供支持。
03 數(shù)據(jù)處理與分析
1 / 29
pandas：一個(gè)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(gè)關(guān)鍵數(shù)據(jù)結(jié)構(gòu)是Series（一維）和DataFrame（二維）。詳細(xì)教程請戳????Pandas最詳細(xì)教程來了！
04 可視化
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(diǎn)圖、柱狀圖、等高線圖、餅圖、矢量場圖、網(wǎng)格圖、極坐標(biāo)圖、3D圖以及添加文字說明等。詳細(xì)教程請戳????Python實(shí)操：手把手教你用Matplotlib把數(shù)據(jù)畫出來
Seaborn：基于Matplotlib構(gòu)建的更高級別的可視化庫。與Matplotlib相比，Seaborn改進(jìn)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(xì)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）
05 機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)
4 / 29
scikit-learn：一個(gè)頂級的機(jī)器學(xué)習(xí)庫。機(jī)器學(xué)習(xí)是AI的一個(gè)子集，深度學(xué)習(xí)則是機(jī)器學(xué)習(xí)的一個(gè)子集，專注于神經(jīng)網(wǎng)絡(luò)。
Keras：最易于使用的深度學(xué)習(xí)庫之一。Keras運(yùn)行在TensorFlow（谷歌）、CNTK（微軟的深度學(xué)習(xí)認(rèn)知工具包）或Theano（蒙特利爾大學(xué)）之上。
TensorFlow：由谷歌開發(fā)，是使用最廣泛的深度學(xué)習(xí)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?yàn)槿斯ぶ悄芎痛髷?shù)據(jù)對數(shù)據(jù)處理的需求非常巨大。本書使用TensorFlow內(nèi)置的Keras版本。詳細(xì)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(qiáng)化學(xué)習(xí)算法的庫和開發(fā)環(huán)境。
06 自然語言處理
3 / 29
NLTK（Natural Language Toolkit）：用于完成自然語言處理（NLP）任務(wù)。
TextBlob：一個(gè)面向?qū)ο蟮腘LP文本處理庫，基于NLTK和模式NLP庫構(gòu)建，簡化了許多NLP任務(wù)。
Gensim：功能與NLTK類似。通常用于為文檔合集構(gòu)建索引，然后確定另一個(gè)文檔與索引中每個(gè)文檔的相似程度。
關(guān)于作者：保羅·戴特爾，Deitel＆Associates公司首席執(zhí)行官兼首席技術(shù)官，畢業(yè)于麻省理工學(xué)院，擁有38年的計(jì)算經(jīng)驗(yàn)。保羅是世界上最有經(jīng)驗(yàn)的編程語言培訓(xùn)師之一，自1992年以來一直針對軟件開發(fā)人員教授專業(yè)課程。他服務(wù)過的國際客戶包括思科、IBM、西門子、Oracle、戴爾、富達(dá)、美國國家航空航天局肯尼迪航天中心等。
本文摘編自《Python程序設(shè)計(jì)：人工智能案例實(shí)踐》，經(jīng)出版方授權(quán)發(fā)布。
延伸閱讀《Python程序設(shè)計(jì)：人工智能案例實(shí)踐》
點(diǎn)擊上圖了解及購買
轉(zhuǎn)載請聯(lián)系微信：DoctorData
推薦語：極簡入門Python和AI，讀這一本就夠了！538個(gè)實(shí)例幫你掌握交互式IPython解釋器和JupyterNotebook并應(yīng)用Python實(shí)踐人工智能項(xiàng)目。
劃重點(diǎn)????
干貨直達(dá)????
硅谷企業(yè)的大數(shù)據(jù)平臺架構(gòu)什么樣？看看Twitter、Airbnb、Uber的實(shí)踐
終于有人把p值講明白了
超詳細(xì)！17 步全解四象限導(dǎo)圖的使用方法
終于有人把大數(shù)據(jù)架構(gòu)講明白了
更多精彩????
在公眾號對話框輸入以下關(guān)鍵詞
查看更多優(yōu)質(zhì)內(nèi)容！
PPT?|?讀書?|?書單?|?硬核?|?干貨?|?講明白?|?神操作
大數(shù)據(jù)?|?云計(jì)算?|?數(shù)據(jù)庫?|?Python?|?爬蟲?|?可視化
AI?|?人工智能?|?機(jī)器學(xué)習(xí)?|?深度學(xué)習(xí)?|?NLP
5G?|?中臺?|?用戶畫像?|?1024?|?數(shù)學(xué)?|?算法?|?數(shù)字孿生
據(jù)統(tǒng)計(jì)，99%的大咖都關(guān)注了這個(gè)公眾號
????
總結(jié)
以上是生活随笔為你收集整理的盘点数据科学最流行的29个Python库的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 解读边缘计算在7大领域的研究趋势和最新进
- 下一篇： 父亲节，来认识一下这几位“爸爸”