2017，最受歡迎的 15 大 Python 庫有哪些？

雷鋒網按：本文作者為 ActiveWizards 的數據顧問 Igor Bobriakov，雷鋒網林立宏與 Raey Raey Li 編譯。

Igor Bobriakov

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。

由於這些庫都開源了，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體集合（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）。

關於建立科學計算棧，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。

SciPy是一個工程和科學軟體庫。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常式，並作為數字積分、優化和其他常式。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。

Pandas是一個Python包，旨在通過「標記」和「關係」數據進行工作，簡單直觀。Pandas是數據整理的完美工具。它設計用於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

「數據幀」（Data Frames），二維

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：

這裡稍微列出了你可以用Pandas做的事情：

• 輕鬆刪除並添加數據幀（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

trends.google.com

GitHub請求歷史記錄

datascience.com/trends

又一個SciPy Stack核心軟體包以及 Python庫，Matplotlib為輕鬆生成簡單而強大的可視化而量身定製。它是一個頂尖的軟體（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創建標籤，網格，圖例和許多其他格式化實體的功能。基本上，一切都是可定製的。

該庫由不同的平台支持，並使用不同的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。

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基於Matplotlib，並高度依賴於此。

另一個很不錯的可視化庫是Bokeh，它針對互動式可視化。與以前的庫相比，它獨立於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。

7. Plotly (提交數: 2486, 貢獻者數: 33)

最後，關於Plotly的話。它是一個基於Web用於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。圖形將在伺服器端處理，並發布到互聯網，但有一種方法可以避免。

Google趨勢記錄

datascience.com/trends

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

scikit-learn給常見的機器學習演算法公開了一個簡潔、一致的介面，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、簡單易用並且十分高效，是使用Python進行機器學習的實際行業標準。

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。

首先讓我們談談Theano。

Theano是一個Python軟體包，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，它主要用於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台性能更佳。

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。

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路的高需求，並且是基於神經網路的機器學習系統DistBelief的繼任者。然而，TensorFlow並不限制於谷歌的科學應用範圍 – 它可以通用於多種多樣的現實應用中。

TensorFlow的關鍵特徵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路。這為谷歌的語音識別和圖像對象識別提供了支持。

最後我們來看看Keras。它是一個用Python編寫的開源的庫，用於在高層的介面上構建神經網路。它簡單易懂，具有高級可擴展性。Keras使用Theano或TensorFlow作為後端，但微軟現在正努力整合CNTK（微軟的認知工具包）作為新的後端。

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，並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。儘管它以易上手、簡單和以高層次為導向，但是Keras足夠有深度並且足夠強大，去支持複雜的模型。

谷歌發展趨勢歷史

datascience.com/trends

這個庫的名稱「Natural Language Toolkit」，代表自然語言工具包，顧名思義，它用於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，認知科學人工智慧等）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複雜的研究系統，例如情緒分析，自動總結。

它是一個用於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高效也易於使用。

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）之類的演算法，以及tf-idf，隨機預測，word2vec和document2vec，便於檢查一組文檔中有重複模式的文本 （通常稱為語料庫）。所有的演算法均是無監督的，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

datascience.com/trends

數據挖掘，統計學14. Scrapy (提交數: 6325,貢獻者數: 243)

Scrapy庫是用於從網路結構化檢索數據（如聯繫人信息或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採集數據並作為通用的crawlers了。

該庫在界面設計中標榜著「不要重複自己」 它推薦用戶們編寫泛化得到、可被重複使用的通用代碼，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。

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，並執行統計判斷和分析。

許多有用的特徵是可被描述的，並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，專門用於大數據統計中的性能優化工作。

許多數據科學家和工程師認為這些庫是頂級的，並值得關注，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的不同軟體包各自專註一個特定的領域，如SciKit-Image是用於處理圖像的。

via medium

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！