前言

python是一門優(yōu)秀的編程語言，而是python成為數(shù)據(jù)分析軟件的是因為python強大的擴展模塊。也就是這些python的擴展包讓python可以做數(shù)據(jù)分析，主要包括numpy，scipy，pandas，matplotlib，scikit-learn等等諸多強大的模塊，在結(jié)合上ipython交互工具 ，以及python強大的爬蟲數(shù)據(jù)獲取能力，字符串處理能力，讓python成為完整的數(shù)據(jù)分析工具。

numpy

官網(wǎng)：https://www.scipy.org/

NumPy（Numerical Python的簡稱）是高性能科學(xué)計算和數(shù)據(jù)分析的基礎(chǔ)包。NumPy最重要的一個特點就是其N維數(shù)組對象（即ndarray），該對象是一個快速而靈活的大數(shù)據(jù)集容器。可以利用這種數(shù)組對整塊數(shù)據(jù)執(zhí)行一些數(shù)學(xué)運算，比python自帶的數(shù)組以及元組效率更高，其語法跟變量元素之間的運算一樣，無需進(jìn)行循環(huán)操作。

在使用python進(jìn)行數(shù)據(jù)分析的過程中，我們大部分時候是不會直接使用numpy包，而是其他包要用到numpy。可以說numpy是整個python數(shù)據(jù)分析工作的基石。

舉個簡單的案例，我們要計算100000個隨機數(shù)的值，如果傳統(tǒng)編程需要寫循環(huán)，用了2.2s，而使用numpy數(shù)據(jù)結(jié)構(gòu)，則可以進(jìn)行向量化操作，無需循環(huán)，只需要28.2ms節(jié)約大量時間。

In [1]: import numpy
In [2]: my_arr = np.arange(1000000)
In [3]: my_list = list(range(1000000))
In [4]: %time for _ in range(10): my_arr2 = my_arr * 2
Wall time: 28.2 ms
In [5]: %time for _ in range(10): my_list2 = [x * 2 for x in my_list]
Wall time: 2.2 s

pandas

官網(wǎng)：https://pandas.pydata.org/

Python Data Analysis Library，可根據(jù)需要幫助組織各種參數(shù)的數(shù)據(jù)。pandas基于numpy底層數(shù)據(jù)結(jié)構(gòu)。讓python成為類似Excel，R等統(tǒng)計學(xué)軟件，主要就是pandas的功勞。pandas在python中實現(xiàn)了各種數(shù)據(jù)的計算 ，分組計算，添加刪除，排序，篩選，抽樣等都能工作。使Pandas成為數(shù)據(jù)科學(xué)家中最受歡迎的庫。

pandas主要包含兩種數(shù)據(jù)結(jié)構(gòu)：Series與DataFrame。Series是一種類似于以為數(shù)組的對象，它由一組數(shù)據(jù)以及與之相關(guān)的數(shù)據(jù)標(biāo)簽組成，僅有一組數(shù)據(jù)即可產(chǎn)生最簡單的Series。Series類似于R中的向量，屬于以為數(shù)據(jù)。Series可以構(gòu)成二維的DataFrame。行為記錄值，列為觀測值。如果熟悉R中的數(shù)據(jù)框DataFrame，在使用pandas則會輕松上手，因為作者自己說pandas的DataFrame就是模仿R的數(shù)據(jù)框。

scipy

官網(wǎng)：https://www.scipy.org/

scipy是一個用于數(shù)學(xué)、科學(xué)、工程領(lǐng)域的常用軟件包，可以處理插值、積分、優(yōu)化、圖像處理、常微分方程數(shù)值解的求解、信號處理等問題。它用于有效計算Numpy矩陣，使Numpy和Scipy協(xié)同工作，高效解決問題。
Scipy是由針對特定任務(wù)的子模塊組成：

matplotlib

官網(wǎng)：https://matplotlib.org/

matplotlib是python中優(yōu)秀的數(shù)據(jù)可視化的包，根據(jù)命名就可以看到，它其實是一個matlib的plot庫，也就是利用python將matlib的繪圖功能實現(xiàn)了一遍。如果你熟悉matlib繪圖，那么將直接上手。matplotlib是Python編程語言及其數(shù)值數(shù)學(xué)擴展包 NumPy的可視化操作界面。它為利用通用的圖形用戶界面工具包，如Tkinter, wxPython, Qt或GTK+向應(yīng)用程序嵌入式繪圖提供了應(yīng)用程序接口（API）。

plotnine

官網(wǎng)：https://plotnine.readthedocs.io/en/stable/

如果你不熟悉matlib，而是從R轉(zhuǎn)到python，可能不太喜歡matplotlib的繪圖模式和風(fēng)格，覺得不如R繪圖方便。而且R還有g(shù)gplot2包。那么plotnine則是將ggplot2移植到python上，在python上完全重現(xiàn)ggplot2的功能。如果你熟悉ggplot2的語法，直接上手。不過，我倒是覺得這個工作意義不大，這屬于重新發(fā)明輪子，后面如果ggplot2在更新了，二者之間還是會有一些差別，用戶會有些困擾。當(dāng)然，這樣的問題仁者見仁，愚者見愚。聊勝于無，如果想在 python環(huán)境中完成全部工作，有了這個包還是非常不錯的。

scikit-learn

官網(wǎng)：https://scikit-learn.org/stable/

有很多人不是天天喜歡三句話不離大數(shù)據(jù)，機器學(xué)習(xí)，人工智能嗎。那么scikit-learn則是完成python大數(shù)據(jù)機器學(xué)習(xí)的包。scikit-Learn是python數(shù)據(jù)分析中非常重要的一個模塊，它是一個基于NumPy和SciPy構(gòu)建的開源機器學(xué)習(xí)工具包。 它具有常用的ML算法，可用于預(yù)處理，分類，回歸以及聚類。算法包括[支持向量機]( support vector machines，ridge回歸， 網(wǎng)格搜索算法(Grid Search algorithm) ，k均值聚類等等。另外還有樣本數(shù)據(jù)集。API易學(xué)易用。 在幾乎所有平臺上的良好性能，它在學(xué)術(shù)和商業(yè)用途中都很受歡迎。

其他：

除了以上包之外，python還有很多很多其他有關(guān)數(shù)據(jù)分析的包，不勝枚舉，比如圖片識別的opencv，google機器學(xué)習(xí)開源庫tensorflow，PyTorch等等，一個嶄新的世界等待你去發(fā)現(xiàn)。但是前提是前面基礎(chǔ)這些包熟悉了，以及有最核心的計算機以及統(tǒng)計學(xué)基礎(chǔ)，否則就是無水之源，無木之本，你所謂的人工智能，只能是人工智障。

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評論