盘点数据科学流行的29个Python库-python数据分析常用的库

本文转载自微信公众号「大数据DT」，作者保罗·戴特尔。转载本文请联系大数据DT公众号。

我们都着眼于如何使用现有的库来避免重复工作，从而使程序开发工作事半功倍。通常，开发大量原始代码是一个费时费力的工作，为了避免这种情况，我们会尽可能多地使用库中已有的类来创建对象，通常仅需要一行代码。因此，库能够帮助我们使用适量的代码执行重要的任务。

本文介绍数据科学中会经常使用多种Python标准库、数据科学库和第三方库。

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。

[[401795]]

02 科学计算与统计

3 / 29

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
SciPy(Scientific 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??3段极简代码带你入门Python科学计算库SciPy
StatsModels：为统计模型评估、统计测试和统计数据研究提供支持。

03 数据处理与分析

1 / 29

pandas：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Series(一维)和DataFrame(二维)。详细教程请戳??Pandas最详细教程来了!

[[401796]]

04 可视化

2 / 29

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、3D图以及添加文字说明等。详细教程请戳??Python实操：手把手教你用Matplotlib把数据画出来
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。

[[401797]]

05 机器学习、深度学习和强化学习

4 / 29

scikit-learn：一个顶级的机器学习库。机器学习是AI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。
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。
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(Tensor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
OpenAI Gym：用于开发、测试和比较强化学习算法的库和开发环境。

[[401798]]

06 自然语言处理

3 / 29

NLTK(Natural Language Toolkit)：用于完成自然语言处理(NLP)任务。
TextBlob：一个面向对象的NLP文本处理库，基于NLTK和模式NLP库构建，简化了许多NLP任务。
Gensim：功能与NLTK类似。通常用于为文档合集构建索引，然后确定另一个文档与索引中每个文档的相似程度。

关于作者：保罗·戴特尔，Deitel&Associates公司首席执行官兼首席技术官，毕业于麻省理工学院，拥有38年的计算经验。保罗是世界上最有经验的编程语言培训师之一，自1992年以来一直针对软件开发人员教授专业课程。他服务过的国际客户包括思科、IBM、西门子、Oracle、戴尔、富达、美国国家航空航天局肯尼迪航天中心等。

本文摘编自《Python程序设计：人工智能案例实践》，经出版方授权发布。