15個Python庫，讓你學習數據科學更輕鬆

• 來源 | 願碼(ChainDesk.CN)內容編輯
• 願碼Slogan | 鏈接每一個程序員的故事
• 網站 | http://chaindesk.cn
• 願碼願景 | 打造全學科IT系統免費課程，助力小白用戶、初級工程師0成本免費系統學習、低成本進階，幫助BAT一線資深工程師成長並利用自身優點創造睡後收入。
• 官方公衆號 | 願碼 | 願碼服務號 | 區塊鏈部落
• 免費加入願碼全思惟工程師社羣 | 任一公衆號回覆「願碼」兩個字獲取入羣二維碼

---

本文閱讀時長：10min

在過去的五年中，Python已成爲數據科學界的一大熱門 。所以，它正在慢慢接管R--「統計學術語」 - 做爲許多工具的首選工具。最近發佈的Stack Overflow Developer Survey 2018代表， Python是下一個重要的編程語言，它在業界的應用將不斷增長。Python的崛起使人震驚，但並不使人驚訝。它的通用性，再加上效率和易用性，使您能夠更輕鬆地構建數據科學。您還可使用豐富的Python庫來處理全部與數據科學相關的任務，從基本的Web抓取到訓練深度學習模型等複雜的任務 。
在本文中，咱們將介紹一些最流行和最普遍使用的Python庫及其應用領域。

網頁抓取

---

在網絡瀏覽器的幫助下，網絡抓取是使用HTTP協議從網絡上流行的信息提取技術。兩種最經常使用的Web抓取工具是基於Python的。

1.Beautiful Soup

Beautiful Soup是一個流行的Python庫，用於從HTML和XML文件中提取信息。它提供了一種獨特，簡便的方法來導航，搜索和修改已分析的數據，從而能夠節省您沒必要要的工做時間。它適用於Python的兩個版本，即2.7和3.x，而且很是易於使用。

• 願碼提示
  Beautiful Soup網址：https://pypi.org/project/beau...

2.Scrapy

Scrapy是一個用Python編寫的免費開源框架。雖然開發用於Web抓取，但它也能夠用做常規Web爬蟲程序並使用不一樣的API提取數據。遵循Django等框架的「不要重複本身」的理念 ，Scrapy包含一組自包含的爬蟲，每一個爬蟲都遵循具體目標的特定指令。

• 願碼提示

Scrapy網址：https://scrapy.org/

科學計算與數據分析

---

能夠說是最多見的數據科學任務，經過爲數據處理和分析以及數學計算提供獨特的庫，從而證實了對數據科學家來講很是有價值。

3.NumPy

NumPy是Python中最受歡迎的科學計算庫，它是用於科學計算的更大的Python堆棧的一部分，稱爲SciPy（下面討論）。除了在線性代數和其餘數學函數中的用途以外，它還能夠用做具備任意數據類型的通用數據的多維容器或數組。

NumPy集成了無縫語言（如C / C ++），而且因爲它支持多種數據類型，所以它也適用於各類數據庫。

• 願碼提示

NumPy網址：http://www.numpy.org/

4.SciPy

SciPy是一個基於Python的框架，包含用於數學，科學計算和數據分析的開源庫 。SciPy庫是用於高級數學計算，統計等的算法和工具的集合。SciPy堆棧包含如下庫：
· NumPy - 用於數值計算的Python包
· SciPy - SciPy堆棧的核心軟件包之一，用於信號處理，優化和高級統計
· matplotlib - 用於數據可視化的流行Python庫
· SymPy - 符號數學和代數庫
· pandas - 用於數據操做和分析的Python庫
· iPython - 用於運行基於Python的代碼的交互式控制檯

• 願碼提示

SciPy網址：https://www.scipy.org/index.html

5.Pandas

pandas是一個普遍使用的Python包，提供有效數據操做和分析的數據結構和工具。它是一種普遍使用的定量分析工具，在算法交易和風險分析中發現了不少應用。
擁有龐大的專用用戶社區，按期更新pandas以得到新的API更改，性能更新和錯誤修復。

• 願碼提示

pandas網址：https://pandas.pydata.org/

機器學習和深度學習

---

Python在實現高效的機器學習和深度學習模型方面賽過全部其餘語言 ，僅憑藉其多樣化，有效且易於使用的庫集。在本節中，咱們將看到一些最流行和最經常使用的Python庫，用於機器學習和深度學習：

6.Scikit-learn

scikit-learn是用於數據挖掘，分析和機器學習的最流行的Python庫。它使用NumPy，SciPy和matplotlib的功能構建，而且在商業上可用。您可使用scikit-learn實現各類機器學習技術，例如分類，迴歸，集羣等且很是易於安裝。

• 願碼提示

scikit-learn網址：https://scikit-learn.org/stable/

7.Tensorflow

Tensorflow是一個基於Python的框架，用於使用多個CPU或GPU進行有效的機器學習和深度學習。由Google支持，最初由Google Brain的研究團隊開發，是世界上普遍使用的機器智能框架。它獲得了大量活躍用戶的支持，而且正在普遍應用於各類工業領域的先進機器學習，從製造和零售到醫療保健和智能汽車。

• 願碼提示

Tensorflow網址：https://www.tensorflow.org/

8.Keras

Keras是一個基於Python的神經網絡API，提供了一個簡化的界面，能夠輕鬆地訓練和部署您的深度學習模型。它支持各類深度學習框架，如Tensorflow，Deeplearning4j和CNTK且很是人性化，遵循模塊化方法，支持基於CPU和GPU的計算。若是您想讓深度學習過程更簡單有效，那麼這個庫絕對值得一試！

• 願碼提示

Keras網址：https://keras.io/

9.PyTorch

PyTorch是Python深度學習系列的最新成員之一，它是一個具備強大GPU支持的神經網絡建模庫。儘管仍處於測試階段，但該項目獲得了Facebook和Twitter等大人物的支持。PyTorch創建在另外一個流行的深度庫Torch的架構之上，以實現更高效的張量計算和動態神經網絡的實現。

• 願碼提示

PyTorch網址：https://pytorch.org/

天然語言處理

---

天然語言處理涉及設計處理，解釋和分析人類語言，口頭或書面的系統。Python提供了獨特的庫，用於執行各類任務，例如使用結構化和非結構化文本，預測分析等等。

10.NLTK

NLTK是一個流行的語言處理Python庫。它爲各類NLP任務提供了易於使用的界面，例如文本分類，標記化，文本解析，語義推理等等。它是一個開源的，社區驅動的項目，而且支持Python 2和Python 3。

• 願碼提示

NLTK網址：http://www.nltk.org/

11.SpaCy

SpaCy是另外一個基於Python和Cython的高級天然語言處理庫。它普遍支持各類深度學習庫和框架，如Tensorflow和PyTorch。使用SpaCy，您能夠相對輕鬆地爲NLP構建複雜的統計模型。SpaCy易於安裝和使用，在大規模提取和分析文本信息方面證實是很是有用的。

• 願碼提示

SpaCy網址：https://spacy.io/

數據可視化

---

數據可視化是一種普遍使用的數據科學技術，用於經過圖形，圖表，儀表板和報告直觀地分析和傳遞信息和有價值的業務洞察。Python提供了許多流行的庫來進行有效的數據敘述。其中一些列表以下：

12.matplotlib

matplotlib是最受歡迎的數據可視化Python庫，容許進行企業級2D和3D繪圖。使用matplotlib，您可使用幾行代碼構建不一樣類型的可視化，例如直方圖，條形圖，散點圖等等。matplotlib的受歡迎程度可與R廣受好評的ggplot2相媲美，Matplotlib能夠在全部Python控制檯上無縫運行，包括iPython和Jupyter筆記本電腦，爲您提供建立和共享數據可視化所需的全部必要工具。

• 願碼提示

matplotlib網址：https://matplotlib.org/

13. Seaborn

Seaborn是一個基於Python的數據可視化庫，它源於matplotlib。除了提供有吸引力且富有洞察力的數據可視化以外，seaborn還爲其餘Python庫提供強大支持，例如NumPy和pandas。

• 願碼提示

Seaborn網址：https://seaborn.pydata.org/in...

14.散景

Bokeh是一個基於Python的交互式數據可視化庫。它旨在提供D3.js風格優雅的圖形和可視化，主要在現代Web瀏覽器上運行。除了可以建立各類可視化外，Bokeh還支持實時數據集的大規模交互和可視化。

• 願碼提示

Bokeh網址：https://bokeh.pydata.org/en/l...

15. Plotly

Plotly是一個普遍使用的Python庫，在世界各地用於製做出版品質的圖表。使用Plotly，您能夠輕鬆地構建交互式儀表板，散點圖，直方圖，燭臺圖表，熱圖以及大量其餘數據可視化。憑藉出色的交互性，部署和發佈功能，Plotly可用於不一樣領域，主要是財務和地理空間行業，以進行有效的數據敘述。

• 願碼提示

Plotly網址：https://plot.ly/python/

Python爲每一個與數據科學相關的任務提供了一套普遍的庫，每一個庫都配備了獨特的功能，能夠快速，輕鬆地完成任務。雖然有不少Python庫，但咱們能夠根據它們的受歡迎程度，實用性以及它們帶來的價值來挑選這15個庫。