数据科学必备的十大 Python 库

​Python 已成为当今使用最广泛的编程语言之一，尤其是在数据科学领域。

Python 是一种高性能的语言，易于学习和调试，并且具有广泛的库支持。这些库都有自己独特的功能，一些专注于数据挖掘，一些专注于数据可视化和神经网络。在解决数据科学任务和挑战时，数据爱好者、分析师、工程师和科学家正在利用 Python 的强大功能，来进行统计分析和建立预测模型。

在本文中，我将讨论用于数据科学和机器学习的最有用的十大 Python 库。

一、Pandas

Pandas 的名称源自 “ panel data ”，这是一个计量经济学术语，用于表示多维结构化数据集和 “ Python 数据分析”。众所周知，清理和转换数据在数据分析中非常重要，Pandas 提供了丰富的数据结构和功能，使数据处理变得快速、轻松、富有表现力。

Pandas 允许您从不同的文件格式（例如 CSV，JSON，SQL 和 Microsoft Excel）导入数据。它基于两个主要数据结构：“Series”（一维）和 “DataFrame”（二维）。数据框与统计软件（例如 Excel 和 SPSS）中的表非常相似。Pandas 允许执行各种数据操作，例如处理和填补缺失的数据，建立索引，从数据框中添加和删除列，合并，重塑，选择等……

相关课程：

1. Pandas 数据处理基础入门

2. Pandas 百题大冲关

二、NumPy

NumPy（Numerical Python）是Python 中最常用的数组处理程序包之一，用于科学计算和执行高级数组操作。它是许多库的基础，例如机器学习的 SciPy 和 scikit-learn。NumPy 有助于对数组及其向量化进行数学运算，这可以提高性能和执行时间。

相关课程：

1. NumPy 数值计算基础入门

2. NumPy 百题大冲关

三、SciPy

SciPy（Scientific Python）是用于高级科学计算的另一个核心库。它基于 NumPy 构建，并扩展了其功能，提供了许多友好且高效的模块，用于科学和数值计算。SciPy 包含处理数据集成，数据优化，数据插值，数据修改，线性代数，概率论，随机数生成，积分演算，傅立叶变换等的模块。

相关课程：

SciPy 科学计算基础入门

四、Matplotlib

Matplotlib 是 Python 中使用最广泛的可视化库，可以用于创建二维和三维图表。Matplotlib 可容纳图例，标签和网格，甚至可以使用 Matplotlib 讲个故事。Matplotlib 可以创建包括饼图，条形图，散点图，直方图，折线图在内的多种图形，许多流行的绘图库（例如 seaborn）都设计为可与 matplotlib 配合使用。

相关课程：

Matplotlib 数据绘图基础入门

五、Seaborn

Seaborn 是基于 Matplotlib 构建的高级数据可视化库，该库与 NumPy 和 Pandas 数据结构集成在一起。它用作绘制引人入胜的统计图形，热图和其他类型的可视化数据。它有着丰富的可视化库，包括一些复杂的类型，例如时间序列，联合图和小提琴图。Seaborn 的数据图形可以包括条形图和直方图，饼图，散点图等。Seaborn 还可以用于确定变量之间的关系（相关性），为因变量绘制线性回归模型，查看和观察分类变量等。

相关课程：

Seaborn 数据可视化基础入门

六、Scikit-Learn

Scikit-Learn 是一个免费的机器学习 Python 库，用于数据挖掘任务和建模（例如回归，分类和聚类）。它包含监督和非监督算法，例如决策树，SVM，朴素贝叶斯，随机森林，交叉验证，k 均值聚类等。NumPy，SciPy，Matplotlib，Pandas都支持 Scikit-Learn。

相关课程：

scikit-learn 机器学习基础入门

七、TensorFlow

TensorFlow 是 Google 为机器学习和深度学习开发的流行框架。TensorFlow 可以有效地进行数据分类和预测。它是完成自然语言处理，对象识别，语音识别，运动检测等任务的最佳工具。使用 TensorFlow，您可以轻松构建和训练机器学习模型。它还允许您在云，浏览器或本地计算机上的任何位置部署机器学习模型。大型公司如 Google，Twitter，可口可乐，Airbnb 等都在使用 TensorFlow。

相关课程：

TensorFlow 2 深度学习入门与实践

八、Keras

Keras 是用于训练和构建神经网络和建模的库。与同时提供高级和低级 API 的 TensorFlow 不同，Keras 仅提供高级 API。Keras 可以使你在深度神经网络中更轻松地处理不同类型的图像和文本数据。它可以与 TensorFlow，Theano 等库一起使用。

相关课程：

Keras 预训练模型实现迁移学习

九、Statsmodels

Statsmodels 是一个 Python 库，它可以实现机器学习，并提供用于描述性统计和统计数据分析的计算，例如统计模型估计，假设检验，贝叶斯模型，线性回归，相关性等。

十、BeautifulSoup

BeautifulSoup 是一款很流行的 Python 爬虫库，用于在不同的网站上进行数据抓取。它可以从 HTML 和 XML 文件中提取数据。Beautiful Soup 支持 Python 标准库中的 HTML 解析器，也支持许多第三方 Python 解析器。

相关课程：

Beautiful Soup 基础入门

您还知道哪些有用的数据科学 Python 库吗？欢迎在评论区告诉我们。

作者：Olufunmilayo Aforijiku

翻译：实验楼

原文：https://medium.com/better-programming/top-10-python-libraries-for-data-science-21e6cd95ca55