一文盤點三大頂級Python庫

來源：開源最前線

本文約1500字，建議閱讀5分鐘。

本文為你分享最受數據科學青睞的3個頂級的Python庫。

Python在許多方面有著強大的吸引力 - 例如效率、代碼可讀性和速度方面，也正因為如此，對於希望提升應用程序功能的數據科學家和機器學習專家來說，Python通常是首選編程語言。(例如，Andrey Bulezyuk使用Python編程語言創建了一個很牛逼的機器學習應用程序。)

由於其廣泛的用途，Python擁有大量的庫，使數據科學家可以更輕鬆地完成複雜的任務，而無需面對很多編程麻煩。以下是最受數據科學青睞的3個頂級的Python庫，如果你正需要，那就試試吧。

1. NumPy

NumPy（Numerical Python的縮寫）是頂級的庫之一，它配備了大量有用的資源來幫助數據科學家將Python變成強大的科學分析和建模工具。這個流行的開源庫可以在BSD許可下使用。它是在科學計算中執行任務的基礎Python庫。NumPy是一個更大的基於python的開源工具生態系統SciPy的一部分。

這個庫為Python提供了大量的數據結構，可以輕鬆地執行多維數組和矩陣計算。除了用於求解線性代數方程和其他數學計算之外，NumPy還被用作不同類型通用數據的通用多維容器。

此外，它能夠完美集成其他編程語言，如C/ c++和Fortran。NumPy庫的多功能性使它能夠輕鬆快速地與各種資料庫和工具相結合。例如，讓我們看看如何使用NumPy(縮寫為np)來相乘兩個矩陣。

從導入庫開始(對於這些示例，我們將使用Jupyter筆記本)。

接下來，讓我們使用eye()函數生成具有規定維數的單位矩陣：

輸出結果如下：

讓我們生成另一個3x3矩陣。

我們將使用arange([起始號碼]、[停止號碼])函數來排列數字。注意，函數中的第一個參數是要列出的初始數字，最後一個數字不包含在生成的結果中

此外，reshape（）函數用於將原始生成的矩陣的維數修改為所需的維數。為了使矩陣「可乘」，它們應該具有相同的維度。

輸出如下：

讓我們使用dot（）函數乘以兩個矩陣：

輸出如下：

接著，我們設法在不使用vanilla Python的情況下將兩個矩陣相乘。以下是此示例的完整代碼：

2. Pandas

panda是另一個可以提高您的Python數據科學技能的大型庫。就像NumPy一樣，它屬於SciPy開源軟體家族，並且可以在BSD自由軟體許可下使用。

Pandas提供多功能和強大的工具，用於整理數據結構和執行大量數據分析。該庫適用於不完整，非結構化和無序的實際數據，並提供了用於整形，聚合，分析和可視化數據集的工具。

此庫中有三種類型的數據結構：

例如，讓我們看看Panda Python庫（縮寫為pd）如何用於執行一些描述性統計計算。從導入庫開始：

先創建一個系列字典：

再創建一個DataFrame。

輸出表如下：

下面是這個示例的全部代碼:

3. Matplotlib

Matplotlib也是SciPy核心軟體包的一部分，遵循BSD許可協議。它是一個流行的Python科學庫，用於生成簡單而強大的可視化。風格類似 Matlab 的基於Python的圖表繪圖系統，它提供了一整套和 matlab 相似的命令 API，十分適合互動式地進行製圖。而且也可以方便地將它作為繪圖控制項，嵌入 GUI 應用程序中。

下面，讓我們體會一下Matplotlib庫是如何創建簡單的條形圖，從導入庫開始：

接著，生成x軸和y軸的值：

接著調用繪製條形圖的功能

生成的條形圖如下：

以下是此示例的完整代碼：

Python編程語言在數據處理和準備方面一直做得很好，但在複雜的科學數據分析和建模方面做得就不那麼好了。用於數據科學的頂級Python框架有助於填補這一空白，它允許用戶執行複雜的數學計算並創建對數據有意義的複雜模型。

你還知道其他哪些Python數據挖掘庫?你對他們有什麼經驗？可以留言和大家分享。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！