小编给大家分享一下数据科学流行的Python库有哪些,相信大部分人都还不怎么了解,因此分享这篇文章给大家参考一下,希望大家阅读完这篇文章后大有收获,下面让我们一起去了解一下吧!
01 Python标准库
16/29
Python标准库提供了丰富的功能,包括文本/二进制数据处理、数学运算、函数式编程、文件/目录访问、数据持久化、数据压缩/归档、加密、操作系统服务、并发编程、进程间通信、网络协议、JSON /XML/其他Internet数据格式、多媒体、国际化、GUI、调试、分析等。下面列出了一部分Python标准库模块。
collections:建立在列表、元组、字典和集合基础上的加强版数据结构。
csv:处理用逗号分隔值的文件。
datetime, time:日期和时间操作。
decimal:定点或浮点运算,包括货币计算。
doctest:通过验证测试或嵌入在docstring中的预期结果进行简单的单元测试。
json:处理用于Web服务和NoSQL文档数据库的JSON(JavaScript Object Notation)数据。
math:常见的数学常量和运算。
os:与操作系统进行交互。
queue:一种先进先出的数据结构。
random:伪随机数操作。
re:用于模式匹配的正则表达式。
sqlite3:SQLite关系数据库访问。
statistics:数理统计函数,如均值、中值、众数和方差等。
string:字符串操作。
sys:—命令行参数处理,如标准输入流、输出流和错误流。
timeit:性能分析。
Python拥有一个庞大且仍在快速增长的开源社区,社区中的开发者来自许多不同的领域。该社区中有大量的开源库是Python受欢迎的最重要的原因之一。
许多任务只需要几行Python代码就可以完成,这会令人感到很神奇。下面列出了一些流行的数据科学库。
02 科学计算与统计
3/29
鸿蒙官方战略合作共建——HarmonyOS技术社区
NumPy(Numerical Python):Python没有内置的数组数据结构。它提供的列表类型虽然使用起来更方便,但是处理速度较慢。NumPy提供了高性能的ndarray数据结构来表示列表和矩阵,同时还提供了处理这些数据结构的操作。详细教程请戳??高能!8段代码演示Numpy数据运算的神操作
李> <李>SciPy(科学,Python): SciPy基于Numpy开发,增加了用于科学处理的程序,例如积分,微分方程,额外的矩阵处理等.scipy.org负责管理SciPy和Numpy。详细教程请戳吗? ?3段极简代码带你入门Python科学计算库SciPy
李> <李>StatsModels:为统计模型评估,统计测试和统计数据研究提供支持。
李>
03数据处理与分析
<强> 1/29 强>
熊猫:一个非常流行的数据处理库.pandas充分利用了NumPy的ndarray类型,它的两个关键数据结构是系列(一维)和DataFrame(二维)。详细教程请戳? ?熊猫最详细教程来了!
04可视化
<强> 2/29 强>
- <李>
Matplotlib:可高度定制的可视化和绘图库.Matplotlib可以绘制正规图,散点图,柱状图,等高线图,饼图,矢量场图,网格图,极坐标图、三维图以及添加文字说明等。详细教程请戳吗? ?Python实操:手把手教你用Matplotlib把数据画出来
李> <李>Seaborn:基于Matplotlib构建的更高级别的可视化库。与Matplotlib相比,Seaborn改进了外观,增加了可视化的方法,并且可以使用更少的代码创建可视化。
李>
05机器学习,深度学习和强化学习
<强> 4/29 强>
- <李>
scikit-learn:一个顶级的机器学习库。机器学习是人工智能的一个子集,深度学习则是机器学习的一个子集,专注于神经网络。
李> <李>Keras:最易于使用的深度学习库之一.Keras运行在TensorFlow(谷歌),CNTK(微软的深度学习认知工具包)或Theano(蒙特利尔大学)之上。
李> <李>TensorFlow:由谷歌开发,是使用最广泛的深度学习库.TensorFlow与GPU(图形处理单元)或谷歌的定制TPU(张量处理单元)配合使用可以获得最佳的性能.TensorFlow在人工智能和大数据分析中有非常重要的地位,因为人工智能和大数据对数据处理的需求非常巨大。本书使用TensorFlow内置的Keras版本。详细教程请戳? ? TensorFlow是什么?怎么用?终于有人讲明白了