2017,最受歡迎的 15 大 Python 庫有哪些?

近年來,Python 在數據科學行業扮演著越來越重要的角色。因此,我根據近來的使用體驗,在本文中列出了對數據科學家、工程師們最有用的那些庫。

由于這些庫都開源了,我們從Github上引入了提交數,貢獻者數和其他指標,這可以作為庫流行程度的參考指標。

核心庫

1. NumPy (提交數: 15980, 貢獻者數: 522)

當開始處理Python中的科學任務,Python的SciPy Stack肯定可以提供幫助,它是專門為Python中科學計算而設計的軟件集合(不要混淆SciPy庫,它是SciPy Stack的一部分,和SciPy Stack的社區)這樣我們開始來看一下吧。然而,SciPy Stack相當龐大,其中有十幾個庫,我們把焦點放在核心包上(特別是最重要的)。

關于建立科學計算棧,最基本的包是Numpy(全稱為Numerical Python)。它為Python中的n維數組和矩陣的操作提供了大量有用的功能。該庫提供了NumPy數組類型的數學運算向量化,可以改善性能,從而加快執行速度。

2. SciPy (提交數: 17213, 貢獻者數: 489)

SciPy是一個工程和科學軟件庫。雷鋒網再次提醒,你需要理解SciPy Stack和SciPy庫之間的區別。

SciPy包含線性代數,優化,集成和統計的模塊。SciPy庫的主要功能是建立在NumPy上,從而它的數組大量的使用了NumPy的。它通過其特定子模塊提供有效的數值例程,并作為數字積分、優化和其他例程。SciPy的所有子模塊中的功能都有詳細的說明 ——又是一個SciPy非常有幫助的點。

3. Pandas (提交數: 15089, 貢獻者數:762)

Pandas是一個Python包,旨在通過“標記”和“關系”數據進行工作,簡單直觀。Pandas是數據整理的完美工具。它設計用于快速簡單的數據操作,聚合和可視化。

庫中有兩個主要的數據結構:

  • “系列”(Series),一維 2017,最受歡迎的 15 大 Python 庫有哪些?
  • “數據幀”(Data Frames),二維 2017,最受歡迎的 15 大 Python 庫有哪些?

例如,當您要從這兩種類型的結構中接收到一個新的Dataframe時,通過傳遞一個Series,您將收到一個單獨的行到DataFrame的DF:

 2017,最受歡迎的 15 大 Python 庫有哪些?

這里稍微列出了你可以用Pandas做的事情:

  • 輕松刪除并添加數據幀(DataFrame)中的列
  • 將數據結構轉換為數據幀(DataFrame)對象
  • 處理丟失的數據,表示為NaN
  • 功能強大的分組

Google趨勢記錄

 2017,最受歡迎的 15 大 Python 庫有哪些?

trends.google.com

GitHub請求歷史記錄

 2017,最受歡迎的 15 大 Python 庫有哪些?

datascience.com/trends

可視化

4.Matplotlib (提交數: 21754, 貢獻者數: 588)

又一個SciPy Stack核心軟件包以及 Python庫,Matplotlib為輕松生成簡單而強大的可視化而量身定制。它是一個頂尖的軟件(在NumPy,SciPy和Pandas的幫助下),它使Python成為像MatLab或Mathematica這樣的科學工具的競爭對手。

然而,這個庫是低層級的,這意味著你需要編寫更多的代碼才能達到高級的可視化效果,而且通常會比使用更多的高級工具付出更多的努力,但總體上這些努力是值得的。

只要付出一點你就可以做任何可視化:

  • 線圖
  • 散點圖
  • 條形圖和直方圖
  • 餅狀圖;
  • 莖圖
  • 輪廓圖
  • 場圖
  • 頻譜圖

還有使用Matplotlib創建標簽,網格,圖例和許多其他格式化實體的功能。基本上,一切都是可定制的。

該庫由不同的平臺支持,并使用不同的GUI套件來描述所得到的可視化。不同的IDE(如IPython)都支持Matplotlib的功能。

還有一些額外的庫可以使可視化變得更加容易。

 2017,最受歡迎的 15 大 Python 庫有哪些?

5. Seaborn (提交數: 1699, 貢獻者數: 71)

Seaborn主要關注統計模型的可視化;這種可視化包括熱圖,這些熱圖(heat map)總結數據但仍描繪整體分布。Seaborn基于Matplotlib,并高度依賴于此。

 2017,最受歡迎的 15 大 Python 庫有哪些?

?6. Bokeh (提交數: 15724, 貢獻者數: 223)

另一個很不錯的可視化庫是Bokeh,它針對交互式可視化。與以前的庫相比,它獨立于Matplotlib。正如我們提到的,Bokeh的主要焦點是交互性,它通過現代瀏覽器以數據驅動文檔(d3.js)的風格呈現。

 2017,最受歡迎的 15 大 Python 庫有哪些?

7. Plotly (提交數: 2486, 貢獻者數: 33)

最后,關于Plotly的話。它是一個基于Web用于構建可視化的工具箱,提供API給一些編程語言(Python在內)。在plot.ly網站上有一些強大的、上手即用的圖形。為了使用Plotly,你將需要設置API密鑰。圖形將在服務器端處理,并發布到互聯網,但有一種方法可以避免。

 2017,最受歡迎的 15 大 Python 庫有哪些?

Google趨勢記錄

 2017,最受歡迎的 15 大 Python 庫有哪些?

trends.google.com

GitHub請求歷史記錄

 2017,最受歡迎的 15 大 Python 庫有哪些?

datascience.com/trends

機器學習

8. SciKit-Learn (提交數:21793, 貢獻者數:842)

Scikits是Scikits Stack額外的軟件包,專為像圖像處理和機器學習輔助等特定功能而設計。對于機器學習輔助,scikit-learn是所有軟件包里最突出的一個。它建立在SciPy之上,并大量利用它的數學運算。

scikit-learn給常見的機器學習算法公開了一個簡潔、一致的接口,可簡單地將機器學習帶入生產系統中。該庫中集成了有質量的代碼和良好的文檔、簡單易用并且十分高效,是使用Python進行機器學習的實際行業標準。

深度學習—— Keras / TensorFlow /?Theano

在深度學習方面,Python中最著名和最便的庫之一是Keras,它可以在TensorFlow或Theano框架上運行。讓我們來看一下它們的一些細節。

9.Theano. (提交數:25870, 貢獻者數:300)

首先讓我們談談Theano。

Theano是一個Python軟件包,它定義了與NumPy類似的多維數組,以及數學運算和表達式。此庫是被編譯的,可實現在所有架構上的高效運行。最初由蒙特利爾大學機器學習組開發,它主要用于滿足機器學習的需求。

值得注意的是,Theano緊密結合了NumPy在低層次上的運算 。另外,該庫還優化了GPU和CPU的使用,使數據密集型的計算平臺性能更佳。

效率和穩定性微調保證了即使在數值很小的情況下,仍有更精確的結果,例如,即使只給出x的最小值,log(1 + x)仍能計算出合理的結果。

10. TensorFlow. (提交數: 16785,貢獻者數: 795)

TensorFlow來自Google的開發人員,它是數據流圖計算的開源庫,為機器學習不斷打磨。它旨在滿足谷歌對訓練神經網絡的高需求,并且是基于神經網絡的機器學習系統DistBelief的繼任者。然而,TensorFlow并不限制于谷歌的科學應用范圍 – 它可以通用于多種多樣的現實應用中。

TensorFlow的關鍵特征是它的多層節點系統,可以在大型數據集上快速訓練神經網絡。這為谷歌的語音識別和圖像對象識別提供了支持。

11. Keras. (提交數: 3519,貢獻者數: 428)

最后我們來看看Keras。它是一個用Python編寫的開源的庫,用于在高層的接口上構建神經網絡。它簡單易懂,具有高級可擴展性。Keras使用Theano或TensorFlow作為后端,但微軟現在正努力整合CNTK(微軟的認知工具包)作為新的后端。

設計中的簡約方法旨在通過建立緊湊型系統進行快速、簡便的實驗。

Keras真的容易上手,并在持續完善它的快速原型能力。它完全用Python編寫,可被高度模塊化和擴展。盡管它以易上手、簡單和以高層次為導向,但是Keras足夠有深度并且足夠強大,去支持復雜的模型。

谷歌發展趨勢歷史

 2017,最受歡迎的 15 大 Python 庫有哪些?

trends.google.com

GitHub請求歷史記錄

 2017,最受歡迎的 15 大 Python 庫有哪些?

datascience.com/trends

自然語言處理

12. NLTK (提交數: 12449,貢獻者數: 196)

這個庫的名稱“Natural Language Toolkit”,代表自然語言工具包,顧名思義,它用于符號學和統計學自然語言處理(NLP) 的常見任務。 NLTK旨在促進NLP及相關領域(語言學,認知科學人工智能等)的教學和研究,目前受到重點關注。

NLTK的功能允許很多操作,例如文本標記,分類和標記,實體名稱識別,建立語料庫,可以顯示語言內部和各句子間的依賴性、詞根、語義推理等。所有的構建模塊都可以為不同的任務構建復雜的研究系統,例如情緒分析,自動總結。

13. Gensim (提交數: 2878,貢獻者數: 179)

它是一個用于Python的開源庫,為有向量空間模型和主題模型的工作提供了使用工具。這個庫是為了高效處理大量文本而設計的,所以不僅可以進行內存處理,還可以通過廣泛使用NumPy數據結構和SciPy操作來獲得更高的效率。Gensim高效也易于使用。

Gensim旨在與原始和非結構化的數字文本一起使用。 它實現了諸如hierarchical Dirichlet processes(HDP),潛在語義分析(LSA)和潛在Dirichlet分配(LDA)之類的算法,以及tf-idf,隨機預測,word2vec和document2vec,便于檢查一組文檔中有重復模式的文本 (通常稱為語料庫)。所有的算法均是無監督的,意味著不需要任何參數,唯一的輸入只有語料庫。

谷歌發展趨勢歷史

 2017,最受歡迎的 15 大 Python 庫有哪些?

trends.google.com

GitHub請求歷史記錄

 2017,最受歡迎的 15 大 Python 庫有哪些?

datascience.com/trends

數據挖掘,統計學

14. Scrapy (提交數: 6325,貢獻者數: 243)

Scrapy庫是用于從網絡結構化檢索數據(如聯系人信息或URL),可以用來設計crawling程序(也稱為蜘蛛bots)。

它是開源的,使用用Python編寫的。最開始只是如它的名字暗示的一樣,只用來做scraping,但是它現在已經在完整的框架中發展,能夠從API采集數據并作為通用的crawlers了。

該庫在界面設計中標榜著“不要重復自己” ?它推薦用戶們編寫泛化得到、可被重復使用的通用代碼,從而構建和擴展大型的crawlers。

Scrapy的架構圍繞著Spider class構建,這其中包含了crawler追從的一套指令。

?15. Statsmodels (提交數: 8960,貢獻者數: 119)

你可能從名字就猜出大概了,statsmodels使用戶能夠通過使用各種統計模型的估算方法進行數據挖掘,并執行統計判斷和分析。

許多有用的特征是可被描述的,并通過使用線性回歸模型,廣義線性模型,離散選擇模型,魯棒線性模型,時間序列分析模型,各種估計方法得出統計結果。

這個庫還提供了廣泛的標定功能,專門用于大數據統計中的性能優化工作。

總結

許多數據科學家和工程師認為這些庫是頂級的,并值得關注,或者需要或多或少了解它們。 以下是每個庫在Github上的詳細統計資料:

當然,這不是完全詳盡的列表,還有許多其他的庫和框架也是值得關注。一個很好的例子是SciKit的不同軟件包各自專注一個特定的領域,如SciKit-Image是用于處理圖像的。

相關新聞

聯系我們

400-080-6560

在線咨詢:點擊這里給我發消息

郵件:[email protected]

工作時間:周一至周日,09:00-18:30

QR code
云南快乐10分开奖直播