1. NumPy (提交数: 15980, 供献者数: 522)
近年来，Python 在数据科学行业扮演着越来越重要的角色。是以，我根据比来的应用体验，在本文中列出了对数据科学家、工程师们最有效的那些库。
因为这些库都开源了，我们大年夜Github上惹人了提交数，供献者数和其他指标，这可以作为库风行程度的参考指标。
2. SciPy (提交数: 17213, 供献者数: 489)
当开端处理Python中的科学义务，Python的SciPy Stack肯定可以供给赞助，它是专门为Python中科学计算而设计的软件集合(不要混淆SciPy库，它是SciPy Stack的一部分，和SciPy Stack的社区)如许我们开妒攀来看一下吧。然而，SciPy Stack相当宏大年夜，个中有十几个库，我们把核心放在核心包上(特别是最重要的)。
关于建立科学计算栈，最根本的包是Numpy(全称为Numerical Python)。它为Python中的n维数组和矩阵的操作供给了大年夜量有效的功能。该库供给了NumPy数组类型的数学运算向量化，可以改良机能，大年夜而加快履行速度。
SciPy是一个工程和科学软件库。雷锋网再次提示，你须要懂得SciPy Stack和SciPy库之间的差别。
SciPy包含线性代数，优化，集成和统计的模块。SciPy库的重要功能是建立在NumPy上，大年夜而它的数组大年夜量的应用了NumPy的。它经由过程其特定子模块供给有效的数值例程，并作为数字积分、优化和其他例程。SciPy的所有子模块中的功能都有具体的解释 ——又是一个SciPy异常有赞助的点。
3. Pandas (提交数: 15089, 供献者数：762)
Pandas是一个Python包，旨在经由过程“标记”和“关系”数据进行工作，简单直不雅。Pandas是数据整顿的完美对象。它设计用于快速简单的数据操作，聚合和可视化。
库中有两个重要的数据构造：
- “系列”(Series)，一维
- “数据帧”(Data Frames)，二维
例如，当您要大年夜这两种类型的构造中接收到一个新的Dataframe时，经由过程传递一个Series，您将收到一个零丁的行到DataFrame的DF：
这里稍微列出了你可以用Pandas做的工作：
- 轻松删除并添加数据帧(DataFrame)中的列
- 将数据构造转换为数据帧(DataFrame)对象
- 处理损掉的数据，表示为NaN
- 功能强大年夜的分组
Google趋势记录
trends.google.com
datascience.com/trends
5. Seaborn (提交数: 1699, 供献者数: 71)
可视化
4.Matplotlib (提交数: 21754, 供献者数: 588)
13. Gensim (提交数: 2878,供献者数: 179)
又一个SciPy Stack核心软件包以及 Python库，Matplotlib为轻松生成简单而强大年夜的可视化而量身定制。它是一个顶尖的软件(在NumPy，SciPy和Pandas的赞助下)，它使Python成为像MatLab或Mathematica如许的科学对象的竞争敌手。
然而，这个库是低层级的，这意味着你须要编写更多的代码才能达到高等的可视化效不雅，并且平日会比应用更多的高等对象付出更多的尽力，但总体上这些尽力是值得的。
只要付出一点你就可以做任何可视化：
- 线图
- 散点图
- 条形图和直方图
- 饼状图;
- 茎图
- 轮廓图
- 场图
- 频谱图
该库由不合的平台支撑，并应用不合的GUI套件来描述所获得的可视化。不合的IDE(如IPython)都支撑Matplotlib的功能。
还有一些额外的库可以使可视化变得加倍轻易。
Seaborn重要存眷统计模型的可视化;这种可视化包含热图，这些热图(heat map)总结数据但仍描述整体分布。Seaborn基于Matplotlib，并高度依附于此。
11. Keras. (提交数: 3519,供献者数: 428)
6. Bokeh (提交数: 15724, 供献者数: 223)
另一个很不错的可视化库是Bokeh，它针对交互式可视化。与以前的库比拟，它自力于Matplotlib。正如我们提到的，Bokeh的重要核心是交互性，它经由过程现代浏览器以数据驱动文档(d3.js)的风格出现。
推荐阅读
【51CTO.com原创稿件】2017年7月21日-22日，由51CTO主办的以人工智能为主题的WOTI2017全球立异技巧峰会在北京富力万丽酒店隆重举办。峰会时代，30+AI明星，数十场环绕人工智能主题的出色演>>>详细阅读
地址：http://www.17bianji.com/lsqh/36414.html
1/2 1
网友点评
精彩导读
科技快报
品牌展示