Python許多吸引人的特點(diǎn)如效率、代碼可讀性和速度使它成為數(shù)據(jù)科學(xué)愛好者的首選編程語言。對于希望提升應(yīng)用程序功能的數(shù)據(jù)科學(xué)家和機(jī)器學(xué)習(xí)專家來說，Python通常是首選。(例如，Andrey Bulezyuk使用Python編程語言創(chuàng)建了一個(gè)令人驚嘆的機(jī)器學(xué)習(xí)應(yīng)用程序。)

由于Python的廣泛使用，它有大量的庫，使數(shù)據(jù)科學(xué)家可以更容易地完成復(fù)雜的任務(wù)，而不需要應(yīng)付太多麻煩的編碼。以下是用于數(shù)據(jù)科學(xué)的3個(gè)頂級Python庫; 如果你想在這個(gè)領(lǐng)域開始你的職業(yè)生涯，看看他們吧。

1. NumPy

NumPy是頂級庫之一，它提供了有用的資源，幫助數(shù)據(jù)科學(xué)家將Python轉(zhuǎn)變?yōu)閺?qiáng)大的科學(xué)分析和建模工具。這個(gè)流行的開源庫可以在BSD許可下獲得。它是執(zhí)行基本科學(xué)計(jì)算任務(wù)的Python庫。此外NumPy是一個(gè)更大的基于python的開放源碼工具生態(tài)系統(tǒng)(稱為SciPy)的一部分。

該庫為Python提供了大量的數(shù)據(jù)結(jié)構(gòu)，以便輕松地執(zhí)行與多維數(shù)組和矩陣相關(guān)的計(jì)算。除了用于解線性代數(shù)方程和進(jìn)行其他數(shù)學(xué)計(jì)算之外，NumPy還被用作不同類型的數(shù)據(jù)的通用多維容器。

此外，它完美地集成了其他編程語言，如C/C++和Fortran。NumPy庫的多功能性使它能夠輕松、快速地與其它數(shù)據(jù)庫和工具結(jié)合在一起。例如，讓我們看看NumPy(縮寫為np)如何用于兩個(gè)矩陣的乘法計(jì)算。

讓我們從導(dǎo)入庫開始。

import numpy as np 

接下來，讓我們使用eye()函數(shù)生成具有指定維數(shù)的單位矩陣。

matrix_one = np.eye(3) 
matrix_one 

以下是輸出:

array([[1., 0., 0.], 
       [0., 1., 0.], 
       [0., 0., 1.]]) 

我們來生成另一個(gè)3x3矩陣。

我們將使用arange([starting number]，[stopping number])函數(shù)來生成數(shù)據(jù)。注意，函數(shù)中的第一個(gè)參數(shù)是要列出的初始數(shù)字，最后一個(gè)數(shù)字不包括在生成的結(jié)果中。

此外，還應(yīng)用reshape()函數(shù)將原始生成的矩陣的維度修改為所需的維度。要使矩陣“可乘”，它們的維數(shù)應(yīng)該相同。

matrix_two = np.arange(1,10).reshape(3,3) 
matrix_two 

以下是輸出:

array([[1, 2, 3], 
       [4, 5, 6], 
       [7, 8, 9]]) 

讓我們使用dot()函數(shù)來將兩個(gè)矩陣相乘。

matrix_multiply = np.dot(matrix_one, matrix_two) 
matrix_multiply 

以下是輸出:

array([[1., 2., 3.], 
       [4., 5., 6.], 
       [7., 8., 9.]]) 

太棒了!

我們設(shè)法在不使用普通Python的情況下將兩個(gè)矩陣相乘。

下面是這個(gè)例子的全部代碼:

import numpy as np 
#generating a 3 by 3 identity matrix 
matrix_one = np.eye(3) 
matrix_one 
#generating another 3 by 3 matrix for multiplication 
matrix_two = np.arange(1,10).reshape(3,3) 
matrix_two 
#multiplying the two arrays 
matrix_multiply = np.dot(matrix_one, matrix_two) 
matrix_multiply 

2. Pandas

Pandas是另一個(gè)可以增強(qiáng)您的數(shù)據(jù)科學(xué)Python技能的優(yōu)秀庫。就像NumPy一樣，它屬于SciPy開源軟件家族，可以在BSD自由軟件許可下使用。

Pandas提供了多種功能強(qiáng)大的工具，用于分析數(shù)據(jù)結(jié)構(gòu)和執(zhí)行通用的數(shù)據(jù)分析。該庫可以很好地處理不完整的、非結(jié)構(gòu)化的和無序的真實(shí)數(shù)據(jù)，并提供了用于形成、聚合、分析和可視化數(shù)據(jù)集的工具。

在這個(gè)庫中有三種類型的數(shù)據(jù)結(jié)構(gòu):

• Series: 單維齊次數(shù)組
• DataFrame: 具有不同類型列的二維數(shù)據(jù)
• Panel: 三維，大小可變的數(shù)組

例如，讓我們看看如何使用Panda Python庫(縮寫為pd)執(zhí)行一些統(tǒng)計(jì)計(jì)算。

讓我們從導(dǎo)入庫開始。

import pandas as pd 

讓我們創(chuàng)建一個(gè)Series的字典。

d = {'Name':pd.Series(['Alfrick','Michael','Wendy','Paul','Dusan','George','Andreas', 
   'Irene','Sagar','Simon','James','Rose']), 
   'Years of Experience':pd.Series([5,9,1,4,3,4,7,9,6,8,3,1]), 
   'Programming Language':pd.Series(['Python','JavaScript','PHP','C++','Java','Scala','React','Ruby','Angular','PHP','Python','JavaScript']) 
    } 

讓我們創(chuàng)建一個(gè)DataFrame。

df = pd.DataFrame(d) 

這是一個(gè)很好的輸出表:

      Name Programming Language  Years of Experience 
0   Alfrick               Python                    5 
1   Michael           JavaScript                    9 
2     Wendy                  PHP                    1 
3      Paul                  C++                    4 
4     Dusan                 Java                    3 
5    George                Scala                    4 
6   Andreas                React                    7 
7     Irene                 Ruby                    9 
8     Sagar              Angular                    6 
9     Simon                  PHP                    8 
10    James               Python                    3 
11     Rose           JavaScript                    1 

下面是這個(gè)例子的全部代碼:

import pandas as pd 
#creating a dictionary of series 
d = {'Name':pd.Series(['Alfrick','Michael','Wendy','Paul','Dusan','George','Andreas', 
   'Irene','Sagar','Simon','James','Rose']), 
   'Years of Experience':pd.Series([5,9,1,4,3,4,7,9,6,8,3,1]), 
   'Programming Language':pd.Series(['Python','JavaScript','PHP','C++','Java','Scala','React','Ruby','Angular','PHP','Python','JavaScript']) 
    } 
​ 
#Create a DataFrame 
df = pd.DataFrame(d) 
print(df) 

3. Matplotlib

Matplotlib也是SciPy核心包的一部分，并在BSD許可下提供。它是一個(gè)流行的Python科學(xué)庫，用于生成簡單而強(qiáng)大的圖表。您可以使用該P(yáng)ython框架進(jìn)行數(shù)據(jù)科學(xué)研究，以生成有創(chuàng)意的圖形、圖表、直方圖和其他形狀的圖形—而無需編寫很多行代碼。例如，讓我們看看如何使用Matplotlib庫創(chuàng)建一個(gè)簡單的條形圖。

讓我們從導(dǎo)入庫開始。

from matplotlib import pyplot as plt 

讓我們生成x軸和y軸的值。

x = [2, 4, 6, 8, 10] 
y = [10, 11, 6, 7, 4] 

讓我們調(diào)用繪制柱狀圖的函數(shù)。

plt.bar(x,y) 

讓我們來看看繪圖。

plt.show() 

這是柱狀圖:

頂級Python庫" src="http://p1.pstatp.com/large/pgc-image/82db3249297a4341bc0db37acb841bed" width="372" height="252">

下面是這個(gè)例子的全部代碼:

#importing Matplotlib Python library 
from matplotlib import pyplot as plt 
#same as import matplotlib.pyplot as plt 
  
#generating values for x-axis 
x = [2, 4, 6, 8, 10] 
  
#generating vaues for y-axis 
y = [10, 11, 6, 7, 4] 
  
#calling function for plotting the bar chart 
plt.bar(x,y) 
  
#showing the plot 
plt.show() 

結(jié)語

Python編程語言在數(shù)據(jù)處理和分析方面一直做得很好，但在復(fù)雜的科學(xué)數(shù)據(jù)分析和建模方面就不那么好了。頂級的Python框架data science有助于填補(bǔ)這一空白，允許您執(zhí)行復(fù)雜的數(shù)學(xué)計(jì)算并創(chuàng)建復(fù)雜的模型來理解您的數(shù)據(jù)。