重要的Python庫(kù)有哪些

這篇文章主要講解了“重要的Python庫(kù)有哪些”，文中的講解內(nèi)容簡(jiǎn)單清晰，易于學(xué)習(xí)與理解，下面請(qǐng)大家跟著小編的思路慢慢深入，一起來(lái)研究和學(xué)習(xí)“重要的Python庫(kù)有哪些”吧！

創(chuàng)新互聯(lián)建站，是成都地區(qū)的互聯(lián)網(wǎng)解決方案提供商，用心服務(wù)為企業(yè)提供網(wǎng)站建設(shè)、app開(kāi)發(fā)定制、小程序制作、系統(tǒng)按需網(wǎng)站策劃和微信代運(yùn)營(yíng)服務(wù)。經(jīng)過(guò)數(shù)10余年的沉淀與積累，沉淀的是技術(shù)和服務(wù)，讓客戶(hù)少走彎路，踏實(shí)做事，誠(chéng)實(shí)做人，用情服務(wù)，致力做一個(gè)負(fù)責(zé)任、受尊敬的企業(yè)。對(duì)客戶(hù)負(fù)責(zé)，就是對(duì)自己負(fù)責(zé)，對(duì)企業(yè)負(fù)責(zé)。

01 NumPy

http://numpy.org

NumPy是Numerical Python的簡(jiǎn)寫(xiě)，是Python數(shù)值計(jì)算的基石。它提供多種數(shù)據(jù)結(jié)構(gòu)、算法以及大部分涉及Python數(shù)值計(jì)算所需的接口。NumPy還包括其他內(nèi)容：

• 快速、高效的多維數(shù)組對(duì)象ndarray

• 基于元素的數(shù)組計(jì)算或數(shù)組間數(shù)學(xué)操作函數(shù)

• 用于讀寫(xiě)硬盤(pán)中基于數(shù)組的數(shù)據(jù)集的工具

• 線性代數(shù)操作、傅里葉變換以及隨機(jī)數(shù)生成

成熟的C語(yǔ)言API，允許Python拓展和本地的C或C++代碼訪問(wèn)NumPy的數(shù)據(jù)結(jié)構(gòu)和計(jì)算設(shè)施。

除了NumPy賦予Python的快速數(shù)組處理能力之外，NumPy的另一個(gè)主要用途是在算法和庫(kù)之間作為數(shù)據(jù)傳遞的數(shù)據(jù)容器。對(duì)于數(shù)值數(shù)據(jù)，NumPy數(shù)組能夠比Python內(nèi)建數(shù)據(jù)結(jié)構(gòu)更為高效地存儲(chǔ)和操作數(shù)據(jù)。

此外，用底層語(yǔ)言編寫(xiě)的庫(kù)，例如用C或Fortran編寫(xiě)的庫(kù)，可以在NumPy數(shù)組存儲(chǔ)的數(shù)據(jù)上直接操作，而無(wú)須將數(shù)據(jù)復(fù)制到其他內(nèi)存中后再操作。因此，許多Python的數(shù)值計(jì)算工具將NumPy數(shù)組作為基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)，或與NumPy進(jìn)行無(wú)縫互操作。

02 pandas

http://pandas.pydata.org

pandas提供了高級(jí)數(shù)據(jù)結(jié)構(gòu)和函數(shù)，這些數(shù)據(jù)結(jié)構(gòu)和函數(shù)的設(shè)計(jì)使得利用結(jié)構(gòu)化、表格化數(shù)據(jù)的工作快速、簡(jiǎn)單、有表現(xiàn)力。它出現(xiàn)于2010年，幫助Python成為強(qiáng)大、高效的數(shù)據(jù)分析環(huán)境。常用的pandas對(duì)象是DataFrame，它是用于實(shí)現(xiàn)表格化、面向列、使用行列標(biāo)簽的數(shù)據(jù)結(jié)構(gòu);以及Series，一種一維標(biāo)簽數(shù)組對(duì)象。

pandas將表格和關(guān)系型數(shù)據(jù)庫(kù)(例如SQL)的靈活數(shù)據(jù)操作能力與NumPy的高性能數(shù)組計(jì)算的理念相結(jié)合。它提供復(fù)雜的索引函數(shù)，使得數(shù)據(jù)的重組、切塊、切片、聚合、子集選擇更為簡(jiǎn)單。由于數(shù)據(jù)操作、預(yù)處理、清洗在數(shù)據(jù)分析中是重要的技能，pandas將是重要主題。

介紹一點(diǎn)背景知識(shí)，早在2008年，我在一家量化投資企業(yè)——AQR資本管理公司供職時(shí)，便開(kāi)始了pandas的開(kāi)發(fā)。那時(shí)候，我有一些獨(dú)特的需求是工具清單上任何單個(gè)工具無(wú)法滿(mǎn)足的：

• 帶有標(biāo)簽軸，支持自動(dòng)化或顯式數(shù)據(jù)對(duì)齊功能的數(shù)據(jù)結(jié)構(gòu)——這可以防止未對(duì)齊數(shù)據(jù)和不同數(shù)據(jù)源的不同索引數(shù)據(jù)所引起的常見(jiàn)錯(cuò)誤

• 集成時(shí)間序列函數(shù)功能

• 能夠同時(shí)處理時(shí)間序列數(shù)據(jù)和非時(shí)間序列數(shù)據(jù)的統(tǒng)一數(shù)據(jù)結(jié)構(gòu)

• 可以保存元數(shù)據(jù)的算術(shù)操作和簡(jiǎn)化

• 靈活處理缺失數(shù)據(jù)

• 流行數(shù)據(jù)庫(kù)(例如基于SQL的數(shù)據(jù)庫(kù))中的合并等關(guān)系型操作

我想將以上的工作在同一個(gè)地方完成，最好還能在一個(gè)擁有通用軟件開(kāi)發(fā)能力的語(yǔ)言中實(shí)現(xiàn)。Python就是一個(gè)很好的備選項(xiàng)，但是那時(shí)候并沒(méi)有這類(lèi)數(shù)據(jù)結(jié)構(gòu)的整合集，也沒(méi)有能提供相關(guān)功能的工具。結(jié)果就是pandas最初被開(kāi)發(fā)出來(lái)用于解決金融和商業(yè)分析問(wèn)題，pandas尤其擅長(zhǎng)深度時(shí)間序列和處理商業(yè)進(jìn)程中產(chǎn)生的時(shí)間索引數(shù)據(jù)。

使用R語(yǔ)言進(jìn)行統(tǒng)計(jì)計(jì)算的用戶(hù)對(duì)DataFrame的名稱(chēng)會(huì)非常熟悉，因?yàn)檫@個(gè)對(duì)象是根據(jù)相似的R data.frame對(duì)象進(jìn)行命名的。與Python不同的是，數(shù)據(jù)框在R語(yǔ)言中是標(biāo)準(zhǔn)庫(kù)中的內(nèi)容。因此，pandas中的很多特征通常與R核心的實(shí)現(xiàn)或者R的附加庫(kù)提供的功能一致。

pandas的名字的來(lái)源是panel data，這是計(jì)量經(jīng)濟(jì)學(xué)中針對(duì)多維結(jié)構(gòu)化數(shù)據(jù)集的術(shù)語(yǔ)。pandas也是Python data analysis(Python數(shù)據(jù)分析)自身的簡(jiǎn)寫(xiě)短語(yǔ)。

03 matplotlib

http://matplotlib.org

matplotlib是很流行的用于制圖及其他二維數(shù)據(jù)可視化的Python庫(kù)。它由John D. Hunter創(chuàng)建，目前由一個(gè)大型開(kāi)發(fā)者團(tuán)隊(duì)維護(hù)。matplotlib被設(shè)計(jì)為適合出版的制圖工具。

對(duì)于Python編程者來(lái)說(shuō)也有其他可視化庫(kù)，但matplotlib依然使用最為廣泛，并且與生態(tài)系統(tǒng)的其他庫(kù)良好整合。我認(rèn)為將它作為默認(rèn)可視化工具是一個(gè)安全的選擇。

關(guān)于matplotlib更詳細(xì)講解，請(qǐng)戳：純干貨：手把手教你用Python做數(shù)據(jù)可視化(附代碼)

04 IPython與Jupyter

http://ipython.org

http://jupyter.org

IPython項(xiàng)目開(kāi)始于2001年，由Fernando Pérez發(fā)起，旨在開(kāi)發(fā)一個(gè)更具交互性的Python解釋器。在過(guò)去的16年中，它成為Python數(shù)據(jù)技術(shù)棧中最重要的工具之一。

盡管它本身并不提供任何計(jì)算或數(shù)據(jù)分析工具，它的設(shè)計(jì)側(cè)重于在交互計(jì)算和軟件開(kāi)發(fā)兩方面將生產(chǎn)力最大化。它使用了一種執(zhí)行-探索工作流來(lái)替代其他語(yǔ)言中典型的編輯-編譯-運(yùn)行工作流。它還提供針對(duì)操作系統(tǒng)命令行和文件系統(tǒng)的易用接口。由于數(shù)據(jù)分析編碼工作包含大量的探索、試驗(yàn)、試錯(cuò)和遍歷，IPython可以使你更快速地完成工作。

2014年，F(xiàn)ernando和IPython團(tuán)隊(duì)發(fā)布了Jupyter項(xiàng)目。Jupyter項(xiàng)目旨在設(shè)計(jì)一個(gè)適用于更多語(yǔ)言的交互式計(jì)算工具。IPython web notebook 則成為Jupyter notebook，可以支持超過(guò)40種編程語(yǔ)言。IPython系統(tǒng)目前可以作為一個(gè)內(nèi)核(一種編程語(yǔ)言模式)用于在 Jupyter 中使用Python。

IPython自身已成為 Jupyter開(kāi)源項(xiàng)目中的一個(gè)組件，后者提供交互性、探索性的高效環(huán)境。IPtyhon最古老、最簡(jiǎn)單的“模式”就是一個(gè)加強(qiáng)版的Python命令行，用于提高編寫(xiě)、測(cè)試、調(diào)試Python代碼的速度。

你也可以通過(guò)基于Web、支持多語(yǔ)言的代碼“筆記本”——Jupyter Notebook來(lái)使用IPython系統(tǒng)。IPython命令行和 Jupyter notebook對(duì)于數(shù)據(jù)探索和可視化非常有用。

Jupyter notebook系統(tǒng)允許你使用Markdown和HTML創(chuàng)建包含代碼和文本的富文檔。其他編程語(yǔ)言也針對(duì)Jupyter實(shí)現(xiàn)了內(nèi)核，允許你在Jupyter中使用多種語(yǔ)言而不僅僅是Python。

對(duì)我個(gè)人來(lái)說(shuō)，IPython涉及我工作的大部分內(nèi)容，包括運(yùn)行、調(diào)試、測(cè)試代碼。

05 SciPy

http://scipy.org

SciPy是科學(xué)計(jì)算領(lǐng)域針對(duì)不同標(biāo)準(zhǔn)問(wèn)題域的包集合。以下是SciPy中包含的一些包：

• scipy.integrate數(shù)值積分例程和微分方程求解器

• scipy.linalg線性代數(shù)例程和基于numpy.linalg的矩陣分解

• scipy.optimize函數(shù)優(yōu)化器(最小化器)和求根算法

• scipy.signal信號(hào)處理工具

• scipy.sparse稀疏矩陣與稀疏線性系統(tǒng)求解器

• scipy.specialSPECFUN的包裝器。SPECFUN是Fortran語(yǔ)言下實(shí)現(xiàn)通用數(shù)據(jù)函數(shù)的包，例如gamma函數(shù)。

• scipy.stats標(biāo)準(zhǔn)的連續(xù)和離散概率分布(密度函數(shù)、采樣器、連續(xù)分布函數(shù))、各類(lèi)統(tǒng)計(jì)測(cè)試、各類(lèi)描述性統(tǒng)計(jì)。

SciPy與NumPy一起為很多傳統(tǒng)科學(xué)計(jì)算應(yīng)用提供了一個(gè)合理、完整、成熟的計(jì)算基礎(chǔ)。

06 scikit-learn

http://scikit-learn.org

scikit-learn項(xiàng)目誕生于2010年，目前已成為Python編程者首選的機(jī)器學(xué)習(xí)工具包。僅僅七年，scikit-learn就擁有了全世界1 500位代碼貢獻(xiàn)者。其中包含以下子模塊。

• 分類(lèi)：SVM、最近鄰、隨機(jī)森林、邏輯回歸等

• 回歸：Lasso、嶺回歸等

• 聚類(lèi)：k-means、譜聚類(lèi)等

• 降維：PCA、特征選擇、矩陣分解等

• 模型選擇：網(wǎng)格搜索、交叉驗(yàn)證、指標(biāo)矩陣

• 預(yù)處理：特征提取、正態(tài)化

scikit-learn與pandas、statsmodels、IPython一起使Python成了高效的數(shù)據(jù)科學(xué)編程語(yǔ)言。

07 statsmodels

http://statsmodels.org

statsmodels是一個(gè)統(tǒng)計(jì)分析包。它源自斯坦福大學(xué)統(tǒng)計(jì)學(xué)教授Jonathan Taylor 利用R語(yǔ)言實(shí)現(xiàn)的各類(lèi)分析模型。Skipper Seabold 和 Josef Perktold早在2010年便創(chuàng)建了新的statsmodels項(xiàng)目。自那之后該項(xiàng)目迅速成長(zhǎng)，擁有大量活躍用戶(hù)和貢獻(xiàn)者者。

Nathaniel Smith 開(kāi)發(fā)了Patsy項(xiàng)目，為R語(yǔ)言公式系統(tǒng)所驅(qū)動(dòng)的statsmodels包提供公式、模型規(guī)范框架。

與scikit-learn相比，statsmodels包含經(jīng)典的(高頻詞匯)統(tǒng)計(jì)學(xué)、經(jīng)濟(jì)學(xué)算法。它所包含的模型如下。

• 回歸模型：線性回歸、通用線性模型、魯棒線性模型、線性混合效應(yīng)模型等

• 方差分析(ANOVA )

• 時(shí)間序列分析：AR、ARMA、ARIMA、VAR等模型

• 非參數(shù)方法：核密度估計(jì)、核回歸

• 統(tǒng)計(jì)模型結(jié)果可視化

statsmodels更專(zhuān)注于統(tǒng)計(jì)推理，提供不確定性評(píng)價(jià)和p值參數(shù)。相反，scikit-learn更專(zhuān)注于預(yù)測(cè)。

感謝各位的閱讀，以上就是“重要的Python庫(kù)有哪些”的內(nèi)容了，經(jīng)過(guò)本文的學(xué)習(xí)后，相信大家對(duì)重要的Python庫(kù)有哪些這一問(wèn)題有了更深刻的體會(huì)，具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是創(chuàng)新互聯(lián)，小編將為大家推送更多相關(guān)知識(shí)點(diǎn)的文章，歡迎關(guān)注！

文章題目：重要的Python庫(kù)有哪些
文章鏈接：http://bm7419.com/article32/ijhhsc.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供關(guān)鍵詞優(yōu)化、移動(dòng)網(wǎng)站建設(shè)、微信公眾號(hào)、企業(yè)建站、營(yíng)銷(xiāo)型網(wǎng)站建設(shè)、ChatGPT

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶(hù)投稿、用戶(hù)轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)