python必學庫總結👉👉👉第一篇 ｜Python 主題月

本文正在參加「Python主題月」，詳情查看 活動連接

Hello你們好！！！最近又整理了一些好用的庫可是隻是初級介紹，若是你們用獲得的話還請本身到官網上查一下，由於東西太多我一 一介紹的話可能不太現實

哈哈哈那咱們言歸正傳，開搞！！！

導讀

一般，開發大量原始代碼是一個費時費力的工做並且有時候有不少專業知識咱們不可能都一 一弄懂，爲了不這種狀況，咱們會盡量多地使用庫中已有的類來建立對象，一般僅須要一行代碼。所以，庫可以幫助咱們使用適量的代碼執行重要的任務。我想這也是爲何python可以活躍在咱們身邊的緣由之一吧，歡迎你們點贊收藏，往後學習。

前戲

剛纔忘了說了，你們在用python的時候我仍是推薦你們下一個集成開發環境Anaconda這裏面可以更好的管理這些第三方庫文件，其好處只有你真正用過才知道老規矩想用的話本身查， 老師說過：「程序員最長走的兩條路一是本身去百度；二是找別人幫你百度！！！」 這真的是名言

1 Python標準庫

有時候你可能想不到python標準庫裏面有這麼多工功能，Python標準庫提供了豐富的功能，包括文本/二進制數據處理、數學運算、函數式編程、文件/目錄訪問、數據持久化、數據壓縮/歸檔、加密、操做系統服務、併發編程、進程間通訊、網絡協議、JSON / XML /其餘Internet數據格式、多媒體、國際化、GUI、調試、分析等。下面列出了一部分Python標準庫模塊。

• difflib：差別計算工具

• collections：創建在列表、元組、字典和集合基礎上的增強版數據結構。

• csv：處理用逗號分隔值的文件。

• datetime, time：日期和時間操做。

• decimal：定點或浮點運算，包括貨幣計算。

• doctest：經過驗證測試或嵌入在docstring中的預期結果進行簡單的單元測試。

• json：處理用於Web服務和NoSQL文檔數據庫的JSON（JavaScript Object Notation）數據。

• math：常見的數學常量和運算。

• os：與操做系統進行交互。

• queue：一種先進先出的數據結構。

• random：僞隨機數操做。

• re：用於模式匹配的正則表達式。

• sqlite3：SQLite關係數據庫訪問。

• statistics：數理統計函數，如均值、中值、衆數和方差等。

• sys：—命令行參數處理，如標準輸入流、輸出流和錯誤流。

• timeit：性能分析。

• string：通用字符串操做

• textwrap：文本填充

• unicodedata：Unicode字符數據庫

• stringprep：互聯網字符串準備工具

• readline：GNU按行讀取接口

• rlcompleter：GNU按行讀取的實現函數

Python擁有一個龐大且仍在快速增加的開源社區，社區中的開發者來自許多不一樣的領域。該社區中有大量的開源庫是Python受歡迎的最重要的緣由之一。

許多任務只須要幾行Python代碼就能夠完成，這會使人感到很神奇。下面列出了一些流行的數據科學庫。

2 科學計算與統計

• NumPy（Numerical Python）：Python沒有內置的數組數據結構。它提供的列表類型雖然使用起來更方便，可是處理速度較慢。NumPy提供了高性能的ndarray數據結構來表示列表和矩陣，同時還提供了處理這些數據結構的操做。
• SciPy（Scientific Python）：SciPy基於NumPy開發，增長了用於科學處理的程序，例如積分、微分方程、額外的矩陣處理等。scipy.org負責管理SciPy和NumPy。

StatsModels：爲統計模型評估、統計測試和統計數據研究提供支持。

• IPython是Python科學計算標準工具集的組成部分,它能夠把不少東西聯繫到一塊兒,有點相似一個加強版的Python shell。目的是爲了提升編程，測試和調試Python代碼的速度，好像不少國外的大學教授，還有Google大牛都很喜歡用IPython，確實很方便。

3 數據處理與分析

• pandas：一個很是流行的數據處理庫。pandas充分利用了NumPy的ndarray類型，它的兩個關鍵數據結構是Series（一維）和DataFrame（二維）。
• modin[14] pandas加速庫，接口語法與pandas高度一致
• dask[15] pandas加速庫，接口語法與pandas高度一致
• plydata[16] pandas管道語法庫

4 可視化

• Pyecharts Echarts 是個由百度開源的數據可視化，憑藉着良好的交互性，精巧的圖表設計，獲得了衆多開發者的承認。而 Python 是門富有表達力的語言，很適合用於數據處理。當數據分析趕上數據可視化時pyecharts 誕生了
• Matplotlib：可高度定製的可視化和繪圖庫。Matplotlib能夠繪製正規圖、散點圖、柱狀圖、等高線圖、餅圖、矢量場圖、網格圖、極座標圖、3D圖以及添加文字說明等。

Seaborn：基於Matplotlib構建的更高級別的可視化庫。與Matplotlib相比，Seaborn改進了外觀，增長了可視化的方法，而且可使用更少的代碼建立可視化。

5 機器學習、深度學習和強化學習

• scikit-learn：一個頂級的機器學習庫。機器學習是AI的一個子集，深度學習則是機器學習的一個子集，專一於神經網絡。

• Keras：最易於使用的深度學習庫之一。Keras運行在TensorFlow（谷歌）、CNTK（微軟的深度學習認知工具包）或Theano（蒙特利爾大學）之上。

• TensorFlow：由谷歌開發，是使用最普遍的深度學習庫。TensorFlow與GPU（圖形處理單元）或谷歌的定製TPU（Tensor處理單元）配合使用能夠得到最佳的性能。TensorFlow在人工智能和大數據分析中有很是重要的地位，由於人工智能和大數據對數據處理的需求很是巨大。

• OpenAI Gym：用於開發、測試和比較強化學習算法的庫和開發環境。

• pytorch  Pytorch是torch的python版本，是由Facebook開源的神經網絡框架，專門針對 GPU 加速的深度神經網絡（DNN）編程。Torch 是一個經典的對多維矩陣數據進行操做的張量（tensor ）庫，在機器學習和其餘數學密集型應用有普遍應用。與Tensorflow的靜態計算圖不一樣，pytorch的計算圖是動態的，能夠根據計算須要實時改變計算圖。但因爲Torch語言採用 Lua，致使在國內一直很小衆，並逐漸被支持 Python 的 Tensorflow 搶走用戶。做爲經典機器學習庫 Torch 的端口，PyTorch 爲 Python 語言使用者提供了溫馨的寫代碼選擇。

6天然語言處理

• NLTK（Natural Language Toolkit）：用於完成天然語言處理（NLP）任務。
• TextBlob：一個面向對象的NLP文本處理庫，基於NLTK和模式NLP庫構建，簡化了許多NLP任務。
• Gensim：功能與NLTK相似。一般用於爲文檔合集構建索引，而後肯定另外一個文檔與索引中每一個文檔的類似程度。