|
前段時間，全世界范圍內的Python谷歌搜索指數(shù)已經(jīng)超越了Java（Python王者到來？Python谷歌搜索指數(shù)已經(jīng)超越Java） 。說明Python越來越重要，同時，Python也是數(shù)據(jù)科學家必不可少的工具。最近，Analytics Vidhya總結了24個數(shù)據(jù)科學家不能錯過的24個Python庫，也是很不錯的一份list，我們一起來看看。也算是入門同學的一個學習和選擇的方向。 這24個庫包含在以下幾個領域中，本文主要介紹前4種（第二部分如果沒刷到，請去主頁看，因為實在太長了）：
數(shù)據(jù)收集的Python您是否遇到過一種情況，即您沒有足夠的數(shù)據(jù)來解決您想要解決的問題？ 這是數(shù)據(jù)科學中一個永恒的問題。 這就是為什么學習如何提取和收集數(shù)據(jù)對數(shù)據(jù)科學家來說是一項非常關鍵的技能。 它開辟了以前無法實現(xiàn)的途徑。 所以這里有三個有用的Python庫，用于提取和收集數(shù)據(jù)。 Beautiful Soup Beautiful Soup是一個HTML和XML解析器，它為解析的頁面創(chuàng)建解析樹，用于從網(wǎng)頁中提取數(shù)據(jù)。 也就是主要為爬蟲爬到的網(wǎng)頁數(shù)據(jù)進行數(shù)據(jù)抽取功能。 Scrapy Scrapy是另一個用于Web抓取的超級有用的Python庫。 它是一個開源和協(xié)作框架，用于從網(wǎng)站中提取您需要的數(shù)據(jù)。 它使用起來快速而簡單。 Selenium Selenium是一種用于自動化瀏覽器的流行工具。 它主要用于行業(yè)測試，但對于網(wǎng)絡抓取也非常方便。 實際上，Selenium在IT領域變得非常受歡迎。 數(shù)據(jù)清理和表示的Python庫好吧 - 所以你已經(jīng)收集了你的數(shù)據(jù)并準備好繼續(xù)挖掘?，F(xiàn)在是時候清理我們可能面臨的任何混亂數(shù)據(jù)并學習如何操作它，以便我們的數(shù)據(jù)可以用于建模。 這里有四個Python庫可以幫助您實現(xiàn)這一目標。 請記住，我們將處理現(xiàn)實世界中的結構化（數(shù)字）和文本數(shù)據(jù)（非結構化） - 這個庫列表涵蓋了所有這些。 Pandas 在數(shù)據(jù)處理和分析方面，沒有什么能比Pandas更勝一籌。 它是最流行的Python庫。 Pandas是用Python語言編寫的，特別適用于操作和分析任務。
PyOD 在檢測異常值時苦苦掙扎？ 你不是一個人。 這是有抱負（甚至已建立）數(shù)據(jù)科學家的常見問題。 你如何定義異常值？ 別擔心，PyOD庫可以幫到您。 PyOD是一個全面且可擴展的Python工具包，用于檢測異常對象。 異常檢測是識別與大多數(shù)數(shù)據(jù)顯著不同的稀有項目或觀察值。 NumPy 像Pandas一樣，NumPy是另一個非常受歡迎的Python庫。 NumPy引入了支持大型多維數(shù)組和矩陣的函數(shù)。 它還引入了高級數(shù)學函數(shù)來處理這些數(shù)組和矩陣。 Spacy 到目前為止，我們已經(jīng)討論了如何清理和操作數(shù)值數(shù)據(jù)。 但是，如果你正在處理文本數(shù)據(jù)呢？ 使用SpaCy。 它是一個超級有用且靈活的自然語言處理（NLP）庫和框架，用于清理文本文檔以進行模型創(chuàng)建。 與用于類似任務的其他庫相比，SpaCy更快。 數(shù)據(jù)可視化的Python庫下一個是什么？ 當然是數(shù)據(jù)可視化！ 這是我們的假設被檢查的地方，隱藏的洞察力被挖掘出來并找到模式。 這里有三個用于數(shù)據(jù)可視化的很棒的Python庫。 Matplotlib Matplotlib是Python中最流行的數(shù)據(jù)可視化庫。 它允許我們生成和構建各種圖表。 它可以與Seaborn一起在視覺上探索數(shù)據(jù)（稍后會詳細介紹）。 Seaborn Seaborn是另一個基于matplotlib的繪圖庫。 它是一個python庫，提供高級界面來繪制有吸引力的圖形。 matplotlib可以做什么，Seaborn只是以更具視覺吸引力的方式做到這一點。 Bokeh Bokeh是一個交互式可視化庫，面向現(xiàn)代Web瀏覽器進行演示。 它為大量數(shù)據(jù)集提供了多種圖形的優(yōu)雅構造。 Bokeh可用于創(chuàng)建交互式圖表，儀表板和數(shù)據(jù)應用程序。 建立數(shù)據(jù)挖掘模型的Python庫我們已經(jīng)到達了本文最受期待的部分 - 構建模型！ 這就是我們大多數(shù)人首先進入數(shù)據(jù)科學的原因，不是嗎？ 讓我們通過這三個Python庫探索模型構建。 Scikit-Learn 就像用于數(shù)據(jù)操作的Pandas和用于可視化的matplotlib一樣，scikit-learn是構建模型的Python領導者。 沒有什么比得上它了。 事實上，scikit-learn建立在NumPy，SciPy和matplotlib之上。 它是開源的，每個人都可以訪問，并且可以在各種環(huán)境中重用。 TensorFlow TensorFlow由Google開發(fā)，是一個流行的深度學習庫，可幫助您構建和訓練不同的模型。 它是一個開源的端到端平臺。 TensorFlow提供簡單的模型構建，強大的機器學習生成，以及強大的實驗工具和庫。 PyTorch
什么是PyTorch？ 嗯，這是一個基于Python的科學計算包，可以用作：
|
|
|
來自： copy_left > 《python相關》
