Python在數(shù)據(jù)科學方面取得巨大成功的另一個原因是它對數(shù)據(jù)科學和分析的廣泛的庫支持。有許多Python庫包含大量用于管理和分析數(shù)據(jù)的函數(shù)、工具和方法。

[[327361]]

這些庫中的每一個都有一個特定的重點，一些庫管理圖像和文本數(shù)據(jù)、數(shù)據(jù)挖掘、神經(jīng)網(wǎng)絡、數(shù)據(jù)可視化等等。今天，就和大家分享數(shù)據(jù)科學中的10大Python庫。

1. Pandas

Panda是一個用于數(shù)據(jù)分析和數(shù)據(jù)處理的免費Python軟件庫。它是作為一個圖書館項目創(chuàng)建的，2008年首次發(fā)布，panda提供了各種高性能且易于使用的數(shù)據(jù)操作功能。

panda還提供了多種工具，用于在內(nèi)存中的數(shù)據(jù)結構和不同的文件格式之間讀取和寫入數(shù)據(jù)。簡而言之，它適合用于簡單快速的數(shù)據(jù)操作、讀取和寫入數(shù)據(jù)以及數(shù)據(jù)可視化。panda還可以從不同類型的文件(如CSV、excel等)或SQL數(shù)據(jù)庫中獲取數(shù)據(jù)，并創(chuàng)建一個名為data frame的Python對象。一個數(shù)據(jù)框架包含行和列，它可以用于數(shù)據(jù)操作，例如連接、合并、連接等操作。

項目地址：https://www.geeksforgeeks.org/python-pandas-series/

2. NumPy

NumPy是一個免費的Python軟件庫，用于對大數(shù)組和多維矩陣形式的數(shù)據(jù)進行數(shù)值計算。NumPy還提供了各種工具來處理這些數(shù)組和高級數(shù)學函數(shù)，以使用線性代數(shù)、傅里葉變換、隨機數(shù)處理等操作這些數(shù)據(jù)。

可以使用NumPy執(zhí)行的一些基本數(shù)組操作包括添加、相乘、重新構造和索引數(shù)組。其他高級功能包括疊加數(shù)組、將數(shù)組分割成N個小數(shù)組等。

地址：https://www.geeksforgeeks.org/numpy-in-python-set-1-introduction/

3. SciPy

SciPy是一個免費的軟件庫，用于對數(shù)據(jù)進行科學計算。它是作為一個社區(qū)庫創(chuàng)建的，并在2001年左右首次發(fā)布，SciPy庫建立在NumPy數(shù)組對象上，它還兼容其他科學計算庫和工具，如Matplotlib、panda等。

SciPy允許各種科學計算任務，使用線性代數(shù)、傅里葉變換、隨機數(shù)生成、特殊函數(shù)等來處理數(shù)據(jù)優(yōu)化、數(shù)據(jù)集成、數(shù)據(jù)插入和數(shù)據(jù)修改，與NumPy一樣，多維矩陣是SciPy中的主要對象，由NumPy模塊本身提供。

地址：https://www.geeksforgeeks.org/data-analysis-with-scipy/

4. Scikit-learn

Scikit-learn是一個主要用Python編程語言編寫機器學習代碼的免費軟件庫。它最初是由David Cournapeau開發(fā)的谷歌Summer of Code項目，并于2007年6月發(fā)布。Scikit-learn構建在其他Python庫之上，如NumPy、SciPy、Matplotlib、panda等，因此它提供了與這些庫的完全互操作性。

雖然Scikit-learn主要是用Python編寫的，但它也使用了Cython來編寫一些核心算法，以提高性能。你可以在Scikit-learn上實現(xiàn)各種監(jiān)督和非監(jiān)督的機器學習模型，如分類、回歸、支持向量機、隨機森林、最近鄰、樸素貝葉斯、決策樹、集群等。

項目地址：https://scikit-learn.org/stable/

5. TensorFlow

TensorFlow是一個免費的端到端開源平臺，擁有各種各樣的工具、庫和人工智能資源。它是由谷歌大腦團隊開發(fā)的，并于2015年11月9日首次發(fā)布，你可以使用TensorFlow高級API輕松地構建和訓練機器學習模型。

TensorFlow還允許你在任何地方部署機器學習模型，例如云、瀏覽器或你自己的設備。如果你想要完整的體驗，你應該使用TensorFlow Extended (TFX)，如果你想要在移動設備上使用，你應該使用TensorFlow Lite，如果你想要在JavaScript環(huán)境中訓練和部署模型，你應該使用TensorFlow.js。TensorFlow適用于Python和C API，也適用于c++、Java、JavaScript、Go、Swift等。第三方包也可以用于MATLAB、c#、Julia、Scala、R、Rust等。

項目地址：https://www.geeksforgeeks.org/introduction-to-tensorflow/

6. Keras

Keras是一個用Python編寫的免費開源神經(jīng)網(wǎng)絡庫。它最初由谷歌的工程師Francois Chollet創(chuàng)建，并于2015年3月27日發(fā)布。Keras的創(chuàng)建是為了用戶友好、可擴展和模塊化，同時支持深度神經(jīng)網(wǎng)絡，因此，它可以運行在其他庫和語言之上，如TensorFlow、Theano、Microsoft Cognitive Toolkit、R等。

Keras有多種工具，可以更容易地處理不同類型的圖像和文本數(shù)據(jù)，以便在深度神經(jīng)網(wǎng)絡中編碼。它還具有各種神經(jīng)網(wǎng)絡構建模塊的實現(xiàn)，如層、優(yōu)化器、激活函數(shù)等。你可以使用Keras執(zhí)行各種操作，例如創(chuàng)建自定義函數(shù)層、使用重復的代碼塊編寫函數(shù)等等。

項目地址：https://keras.io/

用于數(shù)據(jù)可視化的Python庫

1. Matplotlib

Matplotlib是一個數(shù)據(jù)可視化庫和Python的2d繪圖庫，它最初于2003年發(fā)布，是Python社區(qū)中比較流行和廣泛使用的繪圖庫，它提供了一個跨多個平臺的交互式環(huán)境。Matplotlib可用于Python腳本、Python和IPython、Jupyter、Web應用服務器等。

Matplotlib可以使用各種GUI工具包(如Tkinter、GTK+、wxPython、Qt等)將繪圖嵌入到應用程序中。因此，您可以使用Matplotlib創(chuàng)建圖表、條形圖、餅圖、直方圖、散點圖等。Pyplot模塊還提供了一個類似于MATLAB的接口，它與MATLAB一樣多用途且非常有用，同時是完全免費的開源的。

地址：https://www.geeksforgeeks.org/python-introduction-matplotlib/

2. Seaborn

Seaborn是一個基于Matplotlib的Python數(shù)據(jù)可視化庫，與numpy和pandas數(shù)據(jù)結構緊密集成。Seaborn有各種面向數(shù)據(jù)集的繪圖函數(shù)，這些函數(shù)對包含整個數(shù)據(jù)集的數(shù)據(jù)和數(shù)組進行操作。Seaborn還提供了各種工具來幫助用戶自由選擇數(shù)據(jù)的顏色顯示。

項目地址：https://seaborn.pydata.org/

3. Plotly

Plotly是一個免費的開源圖形庫，可用于形成數(shù)據(jù)可視化?？梢允褂肈ash或作為單獨的HTML文件顯示在Jupyter Notes或Web應用程序中。Plotly提供超過40種獨特的圖表類型，如散點圖、直方圖、折線圖、柱狀圖、餅狀圖等。

項目地址：https://plotly.com/

4. GGplot

Ggplot是一個基于ggplot2實現(xiàn)的Python數(shù)據(jù)可視化庫，Ggplot是為R語言創(chuàng)建的。Ggplot可以使用高級API創(chuàng)建數(shù)據(jù)可視化，如條形圖、餅圖、直方圖、散點圖等，Ggplot還與panda緊密相連，因此最好將數(shù)據(jù)保存在DataFrames中。

項目地址：http://ggplot.yhathq.com/