用于数据科学的流行的Python库
网络人先锋 2018-11-12 17:23:04
数据科学，机器学习和人工智能是目前最热门的新兴技术，也代表了未来的发展趋势。那么你有没有想过是什么技术，在推动这一领域的技术进步，答案是Python和它的一堆库。
数据科学，机器学习和人工智能是目前最热门的新兴技术，也代表了未来的发展趋势。那么你有没有想过是什么技术，在推动这一领域的技术进步，答案是Python和它的一堆库。
未来是个数据时代，数据将决定公司的商业决策，并影响人们对事物的看法。如果你是一个初学者，想进入数据科学领域，就应该尝试着去熟悉Python。
本文将介绍一些在数据科学和人工智能领域比较流行的Python库。
1. NumPy
NumPy在Github仓库中有超过19000个提交，和700多个贡献者，这些都足以说明这个库的流行程度。它为Python中的多维数组和矩阵的操作提供了大量有用的功能。
该库通过提供NumPy数组类型，来实现数学运算的矢量化。它还提供了一些其他的功能：
- 一个强大的N维数组对象
- 复杂的广播函数
- 用于集成C / C ++和Fortran代码的工具
- 有用的线性代数，傅里叶变换和随机数功能
NumPy使用的是BSD开源协议，使用者可以在几乎没什么限制的情况下，重用它的代码。
2. Pandas
Pandas是一个开源工具，它为Python提供了功能强大的数据分析工具。它在Github上有超过18000个提交，和1300多个贡献者，以及16000多个Star。因此，这也是Python中最常用的用于数据科学的库之一。
Pandas可以对数据打标签，以及对具有相互关系的数据进行处理。它还可以设计出用于金融、统计、社会科学和工程领域的数据结构和工具。
由于其适应性，它是一个非常有用的库，可以很好的处理不完整的，非结构化和未分类的数据。它同时为数据集提供了合并，重塑和分割等功能，它可以从多种格式中加载数据，以及反过来将数据保存为多种格式。你还可以轻松的将NumPy和Python的数据结构转换为Pandas对象。
3. SciPy
SciPy是一个用于数学和工程领域的开源的工具库，它在Github上有超过20000个提交，和600多个贡献者。
它包含了统计模块，积分模块，线性代数模块，傅里叶变换模块，信号和图像处理模块等。
SciPy是基于NumPy构建的，它可与NumPy数组配合使用，它可以运行于所有主流的操作系统上，世界上很多科学家和工程师都依赖它来完成各种复杂的工作。
4. Matplotlib
这是一个用于创建2D绘图和图表的标准Python库之一。要有效的使用这个库，你必须熟悉它提供的各种可用的功能函数。
你可以利用它创建出柱状图，功率谱，条形图，散点图等。如下所示：
5. PyBrain
PyBrain是Python的一个模块化的机器学习库，其目标是为机器学习任务和各种预定义环境提供灵活，易用且功能强大的算法。
PyBrain是开源的，可供所有人免费使用（它是基于BSD开源许可协议发布的），你可以从官网下载和使用它，它提供了一些教程和文档来帮助你快速上手。
6. Bokeh
Bokeh是一个Python的交互式可视化库，可以在现代Web浏览器中实现美观且有意义的数据可视化展示。使用Bokeh，您可以快速地创建交互式图表，仪表板和数据应用程序。
Bokeh提供了一种优雅而简洁的方式来构建多功能图形，同时为大型或流式数据集提供了高性能的交互能力。
7. Scikit Learn
它是一个基于SciPy构建的用于机器学习的Python模块。它通过一致，流畅的接口为用户提供一套通用的机器学习算法。
Scikit-Learn有助于在数据集上快速实现流行的算法，它包含许多标准的用于机器学习的工具。
它在Github上有超过23000个提交，1200多个贡献者，以及31000多的Star。它使得机器学习进入生产系统变得更容易。
8. Keras / TensorFlow / Theano: 深度学习库
Theano是一个Python包，它定义了类似于NumPy中的多维数组，以及相关的数学运算和表达式。该库还优化了GPU和CPU的使用。
TensorFlow是Google开发的最受欢迎的工具之一，在Github上拥有超过43000个提交和1700个贡献者以及114000多的Star，是使用非常广泛的库。很多开发人员发现这个工具最适合创建机器学习模型。它是一个多层节点系统，可以在大型数据集上快速训练人工神经网络。
Keras也是一个开源库，用于在高级接口上构建神经网络。它使用Theano或TensorFlow作为后端。它完全用纯Python编写，具有高度的模块化和可扩展性。
