※【python自學】7個Python生態系統核心庫，你值得擁有

無論你是想快速入手Python，還是想成為數據分析大神或者機器學習大佬，亦或者對Python代碼進行優化，本文的python庫都能為你提供一些幫助。

一 概述

Python生態系統的一些核心基礎數據分析庫：

NumPy：支持大量的維度數組與矩陣運算，此外也針對數組運算提供大量的數學函數庫，包含：

一個強大的N維數組對象 ndarray

廣播功能函數

整合 C/C++/Fortran 代碼的工具

線性代數、傅里葉變換、隨機數生成等功能

SciPy：這也是一個功能強大的科學計算庫，用于執行科學，數學和工程運算。包含的模塊有最優化、線性代數、積分、插值、特殊函數、快速傅里葉變換、信號處理和圖像處理、常微分方程求解和其他科學與工程中常用的計算。

Pandas：

Pandas 可以從各種文件格式比如 CSV、JSON、SQL、Microsoft Excel 導入數據。

Pandas 可以對各種數據進行運算操作，比如歸并、再成形、選擇，還有數據清洗和數據加工特征。

Pandas 廣泛應用在學術、金融、統計學等各個數據分析領域。

Scikit-learn：代表“機器學習的科學工具包”。它是一個機器學習庫，提供了各種有監督和無監督的算法，例如回歸，分類，降維，聚類分析和異常檢測。

Matplotlib：這是一個核心的數據可視化庫，并且是Python中所有其他可視化庫的基礎庫。它提供2D和3D繪圖，圖形，圖表以及用于數據瀏覽的圖形。它在NumPy和SciPy之上運行。

Seaborn：這是基于Matplotlib的，提供了易于繪制，高層次，互動性和更有條理的平面圖。

Plotly：Plotly是一個數據可視化庫。它提供了高質量的交互式圖表，例如散點圖，折線圖，條形圖，直方圖，箱形圖，熱圖和子圖。

二 官網鏈接

Packages/Software

Description

NumPy

NumPy 官網?http://www.numpy.org/

NumPy 源代碼：https://github.com/numpy/numpy

SciPy

SciPy 官網：https://www.scipy.org/

SciPy 源代碼：https://github.com/scipy/scipy

Pandas

官網：https://pandas.pydata.org/

Matplotlib

Matplotlib 官網：https://matplotlib.org/

Matplotlib 源代碼：https://github.com/matplotlib/matplotlib

Seaborn

官網：https://seaborn.pydata.org/

Scikit-learn

官網：https://scikit-learn.org/stable/

Anaconda

官網：https://www.anaconda.com/distribution/

三 安裝指南

各組件的安裝方法類似，以NumPy為參考。

Python 官網上的發行版是不包含 NumPy 模塊的，我們可以使用以下幾種方法來安裝。

3.1、使用已有的發行版本

對于許多用戶，尤其是在 Windows 上，最簡單的方法是下載以下的 Python 發行版，它們包含了所有的關鍵包（包括 NumPy，SciPy，matplotlib，IPython，SymPy 以及 Python 核心自帶的其它包）：

Anaconda: 免費 Python 發行版，用于進行大規模數據處理、預測分析，和科學計算，致力于簡化包的管理和部署。支持 Linux, Windows 和 Mac 系統。

Enthought Canopy: 提供了免費和商業發行版。持 Linux, Windows 和 Mac 系統。

Python(x,y): 免費的 Python 發行版，包含了完整的 Python 語言開發包 及?Spyder IDE。支持 Windows，僅限 Python 2 版本。

WinPython: 另一個免費的 Python 發行版，包含科學計算包與 Spyder IDE。支持 Windows。

Pyzo: 基于 Anaconda 的免費發行版本及 IEP 的交互開發環境，超輕量級。 支持 Linux, Windows 和 Mac 系統。

3.2、使用 pip 安裝

安裝 NumPy 最簡單的方法就是使用?pip 工具：

pip3 install --user numpy scipy matplotlib

--user 選項可以設置只安裝在當前的用戶下，而不是寫入到系統目錄。

默認情況使用國外線路，國外太慢，我們使用清華的鏡像就可以:

pip3 install numpy scipy matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple

3.3、使用pycharm安裝

點擊 pycharm

點擊 preferences

點擊 python interpreter

點擊 +

檢索安裝

3.4、安裝驗證

測試是否安裝成功：

>>> from numpy import *

>>> eye(4)

array([[1., 0., 0., 0.],

[0., 1., 0., 0.],

[0., 0., 1., 0.],

[0., 0., 0., 1.]])

四 上手應用

以NumPy為例，更多玩法請查看官方文檔。

numpy.vdot() 函數是兩個向量的點積。 如果第一個參數是復數，那么它的共軛復數會用于計算。 如果參數是多維數組，它會被展開。

import numpy as np

a = np.array([[1,2],[3,4]])

b = np.array([[11,12],[13,14]])

# vdot 將數組展開計算內積

print(np.vdot(a,b))

輸出結果為：

130

整理不易，點個贊吧 ！！！

Python 應用與數據集成平臺 ROMA Connect

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。