數據科學和 ML 領域常用的 Python 庫

（點擊

上方藍字

編譯：伯樂在線 - 李趴趴要化身女超人

如有好文章投稿，請點擊 → 這裡了解詳情

Python 對於數據科學家來說幾乎是一項必備技能。正如你看到的那樣，很多數據科學家的崗位要求具備 Python 編程的能力。這篇文章將會針對數據科學介紹幾種常用的 Python 包。在與數據挖掘、機器學習以及數據分析相關的項目中，這些 Python 包通常會得到廣泛應用。

1. SciPy

SciPy (發音為「Sigh Pie」) 是一個基於 Python 的開源軟體生態系統，主要用於數學、科學和工程學等領域，給數據科學家提供了大量的演算法和數學工具。

2. NumPy

Numpy是用 Pyhton 進行科學計算時的基礎包，為 Python 提供了出色的數學功能。

3. Scikit-learn

Scikit-learn 是 Python 中最著名的機器學習包，包含了大量不同的分類方法、交叉檢驗及其他模型選擇方法、降維技術、回歸和聚類分析的模塊以及非常實用的數據預處理的模塊。

4. Pandas

Pandas 是一個用於處理具有類表格結構數據的庫，通常與強大的數據框對象一起使用。DataFrame 是高效處理數據的多維數組對象，類似 Numpy 的 narray ，同時也有些附加的功能。

5. IPython

IPython 是一個命令行shell，相對於自帶的 Python 解釋器，具有很多有用的增強功能。

IPython Notebooks  對於科學計算來說是個不錯的環境：不僅僅可以執行代碼，同時也能通過 Markdown 、 HTML 、 LaTeX 、內置圖片、內置數據圖表（例如 matplotlib 等）增加信息化文件，還能為並行計算提供高性能的工具。

6. Requests

Requests 是 Python 中為人們搭建的優雅而簡單的 HTTP 庫。作為一名數據科學家，你或許需要從網上採集數據，而Requests 則為你提供了強大的工具。

7. Scrapy

Scrapy 是從互聯網上採集數據的開源和協同框架，使用了快速、簡單並且可擴展的方式。

8. Statsmodels

用戶可以通過 Statsmodels 這個 Python 模塊去挖掘數據、搭建預測統計模型和進行統計檢驗。它是個可擴展的列表，用來描述數據、統計檢驗、繪圖以及為不同類型的數據和每一種預測提供統計結果。

9. Theano

如果從事深度學習項目，通常會需要 theano 。你可以用它這個 Python 庫去定義、優化、高效評估包括多維數組在內的數學表達式。

10. gensim

genism 是最穩健、高效和省事的軟體之一，通過純文本實現無監督的語義建模，可以很容易地訓練主題模型。如果想要在文本數據中應用主題模型，那你應該去試試 genism。

11. SymPy

SymPy 是進行符號數學計算的 Python 庫，擁有大量的特徵，包括微積分、代數、幾何學、離散數學，甚至還有量子物理學。同時在 LaTeX 的支持下具備基礎繪圖和輸出功能。

12. PyMC

PyMC 的核心是貝葉斯統計和模型擬合的大量演算法（包括Markov Chain Monte Carlo, MCMC）。

13. matplotlib

matplotlib 是 python 的平面繪圖庫，能以硬拷貝格式和跨平台交互環境的多種形式輸出高質量的圖形，對於任何數據科學家或數據分析師來說都是必備的。

14. BeautifulSoup

如果想要提取些數據出來，那麼 BeautifulSoup 正是你所需要的，可以用它在網頁中提取內容。

15. nltk

Natural Language Toolkit (NLTK) 是使用人類語言數據搭建 Python 項目的領先平台。如果你在從事 NLP 相關的項目，那麼 NLTK 是個必備工具。

16. sqlite3

這個工具能幫助你輕而易舉地存儲數據。它為 Python 連接 SQLite 資料庫提供了介面。搭建開源的 SQL 資料庫引擎對於小團隊來說是個理想的選擇，因為它是獨立的本地存儲資料庫文件（最多140Tb），不像SQL那樣，它不需要任何伺服器基本結構。

以上是我在數據挖掘項目中經常使用到的包。如果你有任何想法或建議，請在下面留言。

看完本文有收穫？請轉發分享給更多人

關注「大數據與機器學習文摘」，成為Top 1%

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！