2018年最受關注10大Python函數包

最新 03-09

在這個充滿母性光輝的日子，小X為大家推薦一款深受廣大女性同胞喜愛的數據分析工具——Python。Python以其優秀的可讀性、以及對統計分析的良好支持，在數據分析界越來越受歡迎。

今天，小X為大家介紹Python中最受歡迎的10大函數包，以及這些函數包的用處用法。

1. Numpy

Numpy是Python中做科學計算必不可少的函數包，它包含了很多科學計算需要的函數，可以支持向量矩陣的運算。它可用來存儲和處理大型矩陣，比Python自身的嵌套列表（nested list structure)結構要高效的多。

這裡附上一張Numpy的Cheatsheet鏈接:

https://s3.amazonaws.com/assets.datacamp.com/blog_assets/Numpy_Python_Cheat_Sheet.pdf

2. Pandas

Pandas是panel data的簡稱，panel data主要是兩個數據的類型：

time-series data; cross-sectional data。

Pandas可以讓我們很方便的在一個數據表(data frame) 中增加或刪除行、列；處理空值；以及很方便做聚合(aggregate grouping)運算。

一個series：

一個data frame：

這裡附上一張Pandas的Cheatsheet鏈接:

https://s3.amazonaws.com/assets.datacamp.com/blog_assets/Python_Pandas_Cheat_Sheet_2.pdf

3. Matplotlib

Matplotlib是Python中常用的可視化工具之一，便於創建海量類型2D圖表和一些基本的3D圖表。

這裡附上一張matplotlib的cheatsheet:

https://s3.amazonaws.com/assets.datacamp.com/blog_assets/Python_Matplotlib_Cheat_Sheet.pdf

4. Bokeh

Bokeh也是python中常用的數據可視化的函數包，它能很好的支持可互動式interactive 圖表，它獨立於matplotlib。

5. Scikit-learn

Scikit-learn 是基於scipy的數據處理上，支持machine learning的很多演算法，讓ML 演算法流程化，scikit-learn有很好的文檔支持，想要學習machine learning的同學，看看scikit learn的文檔會獲益匪淺。

6. Tensorflow

TensorFlow是Google在2015年11月份開源的人工智慧系統，是之前所開發的深度學習基礎架構DistBelief的改進版本，該系統可以被用於語音識別、圖片識別等多個領域。

官網上對TensorFlow的介紹是，一個使用數據流圖(data flow graphs)技術來進行數值計算的開源軟體庫。數據流圖中的節點，代表數值運算；節點節點之間的邊，代表多維數據(tensors)之間的某種聯繫。你可以在多種設備（含有CPU或GPU）上通過簡單的API調用來使用該系統的功能。TensorFlow是由Google Brain團隊的研發人員負責的項目。

GIF

7. NLTK

NLTK 是natural language toolkit的簡寫，NLTK可以支持自然語言文本分析，比如text tagging, classification, tokenizing, name entities identification等。

8. Scrapy

Scrapy 是一個針對網路爬蟲的函數包，它也可以用來接入API拿得數據。

9. Statsmodels

從名字就可以看出statsmodels是用來做統計學模型分析的函數包，它包含了常用的linear regression, generalized linear models, discrete choice models, robust linear models, time series analysis models等等模型。

除此之外，statsmodels也包含了一些統計繪圖的功能，在處理大型數據上，具有比較好的性能。