了解數據科學Python庫

Python 近幾年在數據科學行業獲得了人們的極大青睞，各種資源也層出不窮。數據科學解決方案公司 Ac tiveWizards 近日根據他們自己的應用開發經驗，總結了數據科學家和工程師將在 2017 年最常使用的 Python 庫。
?

核心庫

1）NumPy

當使用 Python 開始處理科學任務時，不可避免地需要求助 Python 的 SciPy Stack，它是專門為 Python 中的科學計算而設計的軟件的集合（不要與 SciPy 混淆，它只是這個 stack 的一部分，以及圍繞這個 stack 的社區）。這個 stack 相當龐大，其中有十幾個庫，所以我們想聚焦在核心包上（特別是最重要的）。

NumPy（代表 Numerical Python）是構建科學計算 stack 的最基礎的包。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。該庫還提供了 NumPy 數組類型的數學運算向量化，可以提升性能，從而加快執行速度。

2）SciPy

SciPy 是一個工程和科學軟件庫。除此以外，你還要了解 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 庫的主要功能建立在 NumPy 的基礎之上，因此它的數組大量使用了 NumPy。它通過其特定的子模塊提供高效的數值例程操作，比如數值積分、優化和許多其他例程。SciPy 的所有子模塊中的函數都有詳細的文檔，這也是一個優勢。

3）Pandas

Pandas 是一個 Python 包，旨在通過「標記（labeled）」和「關系（relational）」數據進行工作，簡單直觀。Pandas 是 data wrangling 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：

Series：一維

Data Frames：二維

例如，當你要從這兩種類型的結構中接收到一個新的「Dataframe」類型的數據時，你將通過傳遞一個「Series」來將一行添加到「Dataframe」中來接收這樣的 Dataframe：

這里只是一小撮你可以用 Pandas 做的事情：

輕松刪除并添加「Dataframe」中的列

將數據結構轉換為「Dataframe」對象

處理丟失數據，表示為 NaN（Not a Number）

功能強大的分組

可視化

4）Matplotlib

Matplotlib 是另一個 SciPy Stack 核心軟件包和另一個 Python 庫，專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，使得 Python（在 NumPy、SciPy 和 Pandas 的幫助下）成為 MatLab 或 Mathematica 等科學工具的顯著競爭對手。然而，這個庫比較底層，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，通常會比使用更高級工具付出更多努力，但總的來說值得一試。花一點力氣，你就可以做到任何可視化：
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。

該庫支持不同的平臺，并可使用不同的 GUI 工具套件來描述所得到的可視化。許多不同的 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。