摘要：在本節(jié)中，我們將看到一些最流行和最常用的庫(kù)，用于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)是用于數(shù)據(jù)挖掘，分析和機(jī)器學(xué)習(xí)的最流行的庫(kù)。愿碼提示網(wǎng)址是一個(gè)基于的框架，用于使用多個(gè)或進(jìn)行有效的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。

來(lái)源 | 愿碼(ChainDesk.CN)內(nèi)容編輯
愿碼Slogan | 連接每個(gè)程序員的故事
網(wǎng)站 | http://chaindesk.cn

愿碼愿景 | 打造全學(xué)科IT系統(tǒng)免費(fèi)課程，助力小白用戶、初級(jí)工程師0成本免費(fèi)系統(tǒng)學(xué)習(xí)、低成本進(jìn)階，幫助BAT一線資深工程師成長(zhǎng)并利用自身優(yōu)勢(shì)創(chuàng)造睡后收入。
官方公眾號(hào) | 愿碼 | 愿碼服務(wù)號(hào) | 區(qū)塊鏈部落
免費(fèi)加入愿碼全思維工程師社群 | 任一公眾號(hào)回復(fù)“愿碼”兩個(gè)字獲取入群二維碼

本文閱讀時(shí)長(zhǎng)：10min

在過(guò)去的五年中，Python已成為數(shù)據(jù)科學(xué)界的一大熱門?。因此，它正在慢慢接管R--“統(tǒng)計(jì)學(xué)術(shù)語(yǔ)” - 作為許多工具的首選工具。最近發(fā)布的Stack Overflow Developer Survey 2018表明，?Python是下一個(gè)重要的編程語(yǔ)言，它在業(yè)界的應(yīng)用將不斷增加。Python的崛起令人震驚，但并不令人驚訝。它的通用性，再加上效率和易用性，使您可以更輕松地構(gòu)建數(shù)據(jù)科學(xué)。您還可以使用豐富的Python庫(kù)來(lái)處理所有與數(shù)據(jù)科學(xué)相關(guān)的任務(wù)，從基本的Web抓取到訓(xùn)練深度學(xué)習(xí)模型等復(fù)雜的任務(wù)?。
在本文中，我們將介紹一些最流行和最廣泛使用的Python庫(kù)及其應(yīng)用領(lǐng)域。

在網(wǎng)絡(luò)瀏覽器的幫助下，網(wǎng)絡(luò)抓取是使用HTTP協(xié)議從網(wǎng)絡(luò)上流行的信息提取技術(shù)。兩種最常用的Web抓取工具是基于Python的。

1.Beautiful Soup

Beautiful Soup是一個(gè)流行的Python庫(kù)，用于從HTML和XML文件中提取信息。它提供了一種獨(dú)特，簡(jiǎn)便的方法來(lái)導(dǎo)航，搜索和修改已分析的數(shù)據(jù)，從而可以節(jié)省您不必要的工作時(shí)間。它適用于Python的兩個(gè)版本，即2.7和3.x，并且非常易于使用。

愿碼提示
Beautiful Soup網(wǎng)址：https://pypi.org/project/beau...

2.Scrapy

Scrapy是一個(gè)用Python編寫的免費(fèi)開(kāi)源框架。雖然開(kāi)發(fā)用于Web抓取，但它也可以用作常規(guī)Web爬蟲(chóng)程序并使用不同的API提取數(shù)據(jù)。遵循Django等框架的“不要重復(fù)自己”的理念?，Scrapy包含一組自包含的爬蟲(chóng)，每個(gè)爬蟲(chóng)都遵循具體目標(biāo)的特定指令。

愿碼提示

Scrapy網(wǎng)址：https://scrapy.org/

可以說(shuō)是最常見(jiàn)的數(shù)據(jù)科學(xué)任務(wù)，通過(guò)為數(shù)據(jù)處理和分析以及數(shù)學(xué)計(jì)算提供獨(dú)特的庫(kù)，從而證明了對(duì)數(shù)據(jù)科學(xué)家來(lái)說(shuō)非常有價(jià)值。

3.NumPy

NumPy是Python中最受歡迎的科學(xué)計(jì)算庫(kù)，它是用于科學(xué)計(jì)算的更大的Python堆棧的一部分，稱為SciPy（下面討論）。除了在線性代數(shù)和其他數(shù)學(xué)函數(shù)中的用途之外，它還可以用作具有任意數(shù)據(jù)類型的通用數(shù)據(jù)的多維容器或數(shù)組。

NumPy集成了無(wú)縫語(yǔ)言（如C /?C ++），并且由于它支持多種數(shù)據(jù)類型，因此它也適用于各種數(shù)據(jù)庫(kù)。

愿碼提示

NumPy網(wǎng)址：http://www.numpy.org/

4.SciPy

SciPy是一個(gè)基于Python的框架，包含用于數(shù)學(xué)，科學(xué)計(jì)算和數(shù)據(jù)分析的開(kāi)源庫(kù)?。SciPy庫(kù)是用于高級(jí)數(shù)學(xué)計(jì)算，統(tǒng)計(jì)等的算法和工具的集合。SciPy堆棧包含以下庫(kù)：
· NumPy?- 用于數(shù)值計(jì)算的Python包
· SciPy?- SciPy堆棧的核心軟件包之一，用于信號(hào)處理，優(yōu)化和高級(jí)統(tǒng)計(jì)
· matplotlib?- 用于數(shù)據(jù)可視化的流行Python庫(kù)
· SymPy?- 符號(hào)數(shù)學(xué)和代數(shù)庫(kù)
· pandas?- 用于數(shù)據(jù)操作和分析的Python庫(kù)
· iPython?- 用于運(yùn)行基于Python的代碼的交互式控制臺(tái)

愿碼提示

SciPy網(wǎng)址：https://www.scipy.org/index.html

5.Pandas

pandas是一個(gè)廣泛使用的Python包，提供有效數(shù)據(jù)操作和分析的數(shù)據(jù)結(jié)構(gòu)和工具。它是一種廣泛使用的定量分析工具，在算法交易和風(fēng)險(xiǎn)分析中發(fā)現(xiàn)了很多應(yīng)用。
擁有龐大的專用用戶社區(qū)，定期更新pandas以獲得新的API更改，性能更新和錯(cuò)誤修復(fù)。

愿碼提示

pandas網(wǎng)址：https://pandas.pydata.org/

Python在實(shí)現(xiàn)高效的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模型方面勝過(guò)所有其他語(yǔ)言?，僅憑借其多樣化，有效且易于使用的庫(kù)集。在本節(jié)中，我們將看到一些最流行和最常用的Python庫(kù)，用于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)：

6.Scikit-learn

scikit-learn是用于數(shù)據(jù)挖掘，分析和機(jī)器學(xué)習(xí)的最流行的Python庫(kù)。它使用NumPy，SciPy和matplotlib的功能構(gòu)建，并且在商業(yè)上可用。您可以使用scikit-learn實(shí)現(xiàn)各種機(jī)器學(xué)習(xí)技術(shù)，例如分類，回歸，集群等且非常易于安裝。

愿碼提示

scikit-learn網(wǎng)址：https://scikit-learn.org/stable/

7.Tensorflow

Tensorflow是一個(gè)基于Python的框架，用于使用多個(gè)CPU或GPU進(jìn)行有效的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。由Google支持，最初由Google Brain的研究團(tuán)隊(duì)開(kāi)發(fā)，是世界上廣泛使用的機(jī)器智能框架。它得到了大量活躍用戶的支持，并且正在廣泛應(yīng)用于各種工業(yè)領(lǐng)域的先進(jìn)機(jī)器學(xué)習(xí)，從制造和零售到醫(yī)療保健和智能汽車。

愿碼提示

Tensorflow網(wǎng)址：https://www.tensorflow.org/

8.Keras

Keras是一個(gè)基于Python的神經(jīng)網(wǎng)絡(luò)API，提供了一個(gè)簡(jiǎn)化的界面，可以輕松地訓(xùn)練和部署您的深度學(xué)習(xí)模型。它支持各種深度學(xué)習(xí)框架，如Tensorflow，Deeplearning4j和CNTK且非常人性化，遵循模塊化方法，支持基于CPU和GPU的計(jì)算。如果您想讓深度學(xué)習(xí)過(guò)程更簡(jiǎn)單有效，那么這個(gè)庫(kù)絕對(duì)值得一試！

愿碼提示

Keras網(wǎng)址：https://keras.io/

9.PyTorch

PyTorch是Python深度學(xué)習(xí)系列的最新成員之一，它是一個(gè)具有強(qiáng)大GPU支持的神經(jīng)網(wǎng)絡(luò)建模庫(kù)。盡管仍處于測(cè)試階段，但該項(xiàng)目得到了Facebook和Twitter等大人物的支持。PyTorch建立在另一個(gè)流行的深度庫(kù)Torch的架構(gòu)之上，以實(shí)現(xiàn)更高效的張量計(jì)算和動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。

愿碼提示

PyTorch網(wǎng)址：https://pytorch.org/

自然語(yǔ)言處理涉及設(shè)計(jì)處理，解釋和分析人類語(yǔ)言，口頭或書面的系統(tǒng)。Python提供了獨(dú)特的庫(kù)，用于執(zhí)行各種任務(wù)，例如使用結(jié)構(gòu)化和非結(jié)構(gòu)化文本，預(yù)測(cè)分析等等。

10.NLTK

NLTK是一個(gè)流行的語(yǔ)言處理Python庫(kù)。它為各種NLP任務(wù)提供了易于使用的界面，例如文本分類，標(biāo)記化，文本解析，語(yǔ)義推理等等。它是一個(gè)開(kāi)源的，社區(qū)驅(qū)動(dòng)的項(xiàng)目，并且支持Python 2和Python 3。

愿碼提示

NLTK網(wǎng)址：http://www.nltk.org/

11.SpaCy

SpaCy是另一個(gè)基于Python和Cython的高級(jí)自然語(yǔ)言處理庫(kù)。它廣泛支持各種深度學(xué)習(xí)庫(kù)和框架，如Tensorflow和PyTorch。使用SpaCy，您可以相對(duì)輕松地為NLP構(gòu)建復(fù)雜的統(tǒng)計(jì)模型。SpaCy易于安裝和使用，在大規(guī)模提取和分析文本信息方面證明是非常有用的。

愿碼提示

SpaCy網(wǎng)址：https://spacy.io/

數(shù)據(jù)可視化是一種廣泛使用的數(shù)據(jù)科學(xué)技術(shù)，用于通過(guò)圖形，圖表，儀表板和報(bào)告直觀地分析和傳遞信息和有價(jià)值的業(yè)務(wù)洞察。Python提供了許多流行的庫(kù)來(lái)進(jìn)行有效的數(shù)據(jù)敘述。其中一些列表如下：

12.matplotlib

matplotlib是最受歡迎的數(shù)據(jù)可視化Python庫(kù)，允許進(jìn)行企業(yè)級(jí)2D和3D繪圖。使用matplotlib，您可以使用幾行代碼構(gòu)建不同類型的可視化，例如直方圖，條形圖，散點(diǎn)圖等等。matplotlib的受歡迎程度可與R廣受好評(píng)的ggplot2相媲美，Matplotlib可以在所有Python控制臺(tái)上無(wú)縫運(yùn)行，包括iPython和Jupyter筆記本電腦，為您提供創(chuàng)建和共享數(shù)據(jù)可視化所需的所有必要工具。

愿碼提示

matplotlib網(wǎng)址：https://matplotlib.org/

13. Seaborn

Seaborn是一個(gè)基于Python的數(shù)據(jù)可視化庫(kù)，它源于matplotlib。除了提供有吸引力且富有洞察力的數(shù)據(jù)可視化之外，seaborn還為其他Python庫(kù)提供強(qiáng)大支持，例如NumPy和pandas。

愿碼提示

Seaborn網(wǎng)址：https://seaborn.pydata.org/in...

14.散景

Bokeh是一個(gè)基于Python的交互式數(shù)據(jù)可視化庫(kù)。它旨在提供D3.js風(fēng)格優(yōu)雅的圖形和可視化，主要在現(xiàn)代Web瀏覽器上運(yùn)行。除了能夠創(chuàng)建各種可視化外，Bokeh還支持實(shí)時(shí)數(shù)據(jù)集的大規(guī)模交互和可視化。

愿碼提示

Bokeh網(wǎng)址：https://bokeh.pydata.org/en/l...

15. Plotly

Plotly是一個(gè)廣泛使用的Python庫(kù)，在世界各地用于制作出版品質(zhì)的圖表。使用Plotly，您可以輕松地構(gòu)建交互式儀表板，散點(diǎn)圖，直方圖，燭臺(tái)圖表，熱圖以及大量其他數(shù)據(jù)可視化。憑借出色的交互性，部署和發(fā)布功能，Plotly可用于不同領(lǐng)域，主要是財(cái)務(wù)和地理空間行業(yè)，以進(jìn)行有效的數(shù)據(jù)敘述。

愿碼提示

Plotly網(wǎng)址：https://plot.ly/python/

Python為每個(gè)與數(shù)據(jù)科學(xué)相關(guān)的任務(wù)提供了一套廣泛的庫(kù)，每個(gè)庫(kù)都配備了獨(dú)特的功能，可以快速，輕松地完成任務(wù)。雖然有很多Python庫(kù)，但我們可以根據(jù)它們的受歡迎程度，實(shí)用性以及它們帶來(lái)的價(jià)值來(lái)挑選這15個(gè)庫(kù)。