2020年十大用于数据科学的Python库

Python在数据科学方面取得巨大成功的另一个原因是它对数据科学和分析的广泛的库支持。有许多Python库包含大量用于管理和分析数据的函数、工具和方法。

这些库中的每一个都有一个特定的重点，一些库管理图像和文本数据、数据挖掘、神经网络、数据可视化等等。今天，就和大家分享数据科学中的10大Python库。

1. Pandas

Panda是一个用于数据分析和数据处理的免费Python软件库。它是作为一个图书馆项目创建的，2008年首次发布，panda提供了各种高性能且易于使用的数据操作功能。

panda还提供了多种工具，用于在内存中的数据结构和不同的文件格式之间读取和写入数据。简而言之，它适合用于简单快速的数据操作、读取和写入数据以及数据可视化。panda还可以从不同类型的文件(如CSV、excel等)或SQL数据库中获取数据，并创建一个名为data frame的Python对象。一个数据框架包含行和列，它可以用于数据操作，例如连接、合并、连接等操作。

项目地址：https://www.geeksforgeeks.org/python-pandas-series/

2. NumPy

NumPy是一个免费的Python软件库，用于对大数组和多维矩阵形式的数据进行数值计算。NumPy还提供了各种工具来处理这些数组和高级数学函数，以使用线性代数、傅里叶变换、随机数处理等操作这些数据。

可以使用NumPy执行的一些基本数组操作包括添加、相乘、重新构造和索引数组。其他高级功能包括叠加数组、将数组分割成N个小数组等。

地址：https://www.geeksforgeeks.org/numpy-in-python-set-1-introduction/

3. SciPy

SciPy是一个免费的软件库，用于对数据进行科学计算。它是作为一个社区库创建的，并在2001年左右首次发布，SciPy库建立在NumPy数组对象上，它还兼容其他科学计算库和工具，如Matplotlib、panda等。

SciPy允许各种科学计算任务，使用线性代数、傅里叶变换、随机数生成、特殊函数等来处理数据优化、数据集成、数据插入和数据修改，与NumPy一样，多维矩阵是SciPy中的主要对象，由NumPy模块本身提供。

地址：https://www.geeksforgeeks.org/data-analysis-with-scipy/

4. Scikit-learn

Scikit-learn是一个主要用Python编程语言编写机器学习代码的免费软件库。它最初是由David Cournapeau开发的谷歌Summer of Code项目，并于2007年6月发布。Scikit-learn构建在其他Python库之上，如NumPy、SciPy、Matplotlib、panda等，因此它提供了与这些库的完全互操作性。

虽然Scikit-learn主要是用Python编写的，但它也使用了Cython来编写一些核心算法，以提高性能。你可以在Scikit-learn上实现各种监督和非监督的机器学习模型，如分类、回归、支持向量机、随机森林、最近邻、朴素贝叶斯、决策树、集群等。

项目地址：https://scikit-learn.org/stable/

5. TensorFlow

TensorFlow是一个免费的端到端开源平台，拥有各种各样的工具、库和人工智能资源。它是由谷歌大脑团队开发的，并于2015年11月9日首次发布，你可以使用TensorFlow高级API轻松地构建和训练机器学习模型。

TensorFlow还允许你在任何地方部署机器学习模型，例如云、浏览器或你自己的设备。如果你想要完整的体验，你应该使用TensorFlow Extended (TFX)，如果你想要在移动设备上使用，你应该使用TensorFlow Lite，如果你想要在JavaScript环境中训练和部署模型，你应该使用TensorFlow.js。TensorFlow适用于Python和C API，也适用于c++、Java、JavaScript、Go、Swift等。第三方包也可以用于MATLAB、c#、Julia、Scala、R、Rust等。

项目地址：https://www.geeksforgeeks.org/introduction-to-tensorflow/

6. Keras

Keras是一个用Python编写的免费开源神经网络库。它最初由谷歌的工程师Francois Chollet创建，并于2015年3月27日发布。Keras的创建是为了用户友好、可扩展和模块化，同时支持深度神经网络，因此，它可以运行在其他库和语言之上，如TensorFlow、Theano、Microsoft Cognitive Toolkit、R等。

Keras有多种工具，可以更容易地处理不同类型的图像和文本数据，以便在深度神经网络中编码。它还具有各种神经网络构建模块的实现，如层、优化器、激活函数等。你可以使用Keras执行各种操作，例如创建自定义函数层、使用重复的代码块编写函数等等。

项目地址：https://keras.io/

用于数据可视化的Python库

1. Matplotlib

Matplotlib是一个数据可视化库和Python的2d绘图库，它最初于2003年发布，是Python社区中比较流行和广泛使用的绘图库，它提供了一个跨多个平台的交互式环境。Matplotlib可用于Python脚本、Python和IPython、Jupyter、Web应用服务器等。

Matplotlib可以使用各种GUI工具包(如Tkinter、GTK+、wxPython、Qt等)将绘图嵌入到应用程序中。因此，您可以使用Matplotlib创建图表、条形图、饼图、直方图、散点图等。Pyplot模块还提供了一个类似于MATLAB的接口，它与MATLAB一样多用途且非常有用，同时是完全免费的开源的。

地址：https://www.geeksforgeeks.org/python-introduction-matplotlib/

2. Seaborn

Seaborn是一个基于Matplotlib的Python数据可视化库，与numpy和pandas数据结构紧密集成。Seaborn有各种面向数据集的绘图函数，这些函数对包含整个数据集的数据和数组进行操作。Seaborn还提供了各种工具来帮助用户自由选择数据的颜色显示。

项目地址：https://seaborn.pydata.org/

3. Plotly

Plotly是一个免费的开源图形库，可用于形成数据可视化。可以使用Dash或作为单独的HTML文件显示在Jupyter Notes或Web应用程序中。Plotly提供超过40种独特的图表类型，如散点图、直方图、折线图、柱状图、饼状图等。

项目地址：https://plotly.com/

4. GGplot