python数据科学库
Python的许多吸引力（例如效率，代码可读性和速度）使它成为数据科学爱好者的首选编程语言。 对于想要升级其应用程序功能的数据科学家和机器学习专家而言，Python通常是首选。 （例如，Andrey Bulezyuk使用Python编程语言创建了一个了不起的机器学习应用程序 。）
由于Python的广泛使用，它拥有大量的库，这些库使数据科学家更容易完成复杂的任务，而没有很多编码麻烦。 这是用于数据科学的三大Python库。 如果您想在野外开始自己的职业，请查看他们。
1. NumPy
NumPy （“数值Python”的缩写）是顶级库之一，配备了有用的资源，可帮助数据科学家将Python转变为强大的科学分析和建模工具。 流行的开源库可在BSD许可下获得。 它是用于执行科学计算任务的基础Python库。 NumPy是一个更大的基于Python的开源工具生态系统（称为SciPy）的一部分。
此外，它与其他编程语言（如C / C ++和Fortran）完美集成。 NumPy库的多功能性使其可以轻松，Swift地与广泛的数据库和工具合并。 例如，让我们看看如何使用NumPy（缩写为np ）将两个矩阵相乘。
让我们从导入库开始（对于这些示例，我们将使用Jupyter笔记本）。
import numpy as np
import numpy as np接下来，让我们使用eye（）函数生成具有规定尺寸的单位矩阵。
matrix_one
= np.
eye
(
3
)
matrix_one这是输出：
array
(
[
[
1 .
,
0 .
,
0 .
]
,
[
0 .
,
1 .
,
0 .
]
,
[
0 .
,
0 .
,
1 .
]
]
)让我们生成另一个3x3矩阵。
我们将使用arange（[起始编号]，[终止编号]）函数来排列编号。 请注意，函数中的第一个参数是要列出的初始编号，而最后一个编号不包括在生成的结果中。
同样，应用reshape（）函数将原始生成的矩阵的尺寸修改为所需的尺寸。 为了使矩阵“可乘”，它们应具有相同的维数。
matrix_two
= np.
arange
(
1
,
10
) .
reshape
(
3
,
3
)
matrix_two这是输出：
array
(
[
[
1
,
2
,
3
]
,
[
4
,
5
,
6
]
,
[
7
,
8
,
9
]
]
)让我们使用dot（）函数将两个矩阵相乘。
matrix_multiply
= np.
dot
( matrix_one
, matrix_two
)
matrix_multiply这是输出：
array
(
[
[
1 .
,
2 .
,
3 .
]
,
[
4 .
,
5 .
,
6 .
]
,
[
7 .
,
8 .
,
9 .
]
]
)大！
我们成功地将两个矩阵相乘而未使用香草Python。
这是此示例的完整代码：
import numpy
as np
#generating a 3 by 3 identity matrix
matrix_one
= np.
eye
(
3
)
matrix_one
#generating another 3 by 3 matrix for multiplication
matrix_two
= np.
arange
(
1
,
10
) .
reshape
(
3
,
3
)
matrix_two
#multiplying the two arrays
matrix_multiply
= np.
dot
( matrix_one
, matrix_two
)
matrix_multiply2.熊猫
Pandas是另一个很棒的库，可以增强您的Python数据科学技能。 就像NumPy一样，它属于SciPy开源软件家族，可根据BSD免费软件许可使用。
Pandas提供多种功能强大的工具来处理数据结构和执行广泛的数据分析。 该库可以很好地处理不完整，无结构和无序的现实世界数据，并带有用于整形，汇总，分析和可视化数据集的工具。
该库中有三种类型的数据结构：
- 系列：一维均匀阵列
- DataFrame：二维，具有异构类型的列
- 面板：三维尺寸可变数组
例如，让我们看看如何将Panda Python库（缩写为pd ）用于执行一些描述性统计计算。
让我们从导入库开始。
import pandas as pd
import pandas as pd让我们创建一个系列字典。
d
=
{
'Name' :pd.
Series
(
[
'Alfrick'
,
'Michael'
,
'Wendy'
,
'Paul'
,
'Dusan'
,
'George'
,
'Andreas'
,
'Irene'
,
'Sagar'
,
'Simon'
,
'James'
,
'Rose'
]
)
,
'Years of Experience' :pd.
Series
(
[
5
,
9
,
1
,
4
,
3
,
4
,
7
,
9
,
6
,
8
,
3
,
1
]
)
,
'Programming Language' :pd.
Series
(
[
'Python'
,
'JavaScript'
,
'PHP'
,
'C++'
,
'Java'
,
'Scala'
,
'React'
,
'Ruby'
,
'Angular'
,
'PHP'
,
'Python'
,
'JavaScript'
]
)
}让我们创建一个DataFrame。
df = pd. DataFrame ( d )
df = pd. DataFrame ( d )这是一个漂亮的输出表：
Name Programming Language Years of Experience
0 Alfrick Python
5
1 Michael JavaScript
9
2 Wendy PHP
1
3 Paul C++
4
4 Dusan Java
3
5 George Scala
4
6 Andreas React
7
7 Irene Ruby
9
8 Sagar Angular
6
9 Simon PHP
8
10 James Python
3
11 Rose JavaScript
1这是此示例的完整代码：
import pandas
as pd
#creating a dictionary of series
d
=
{
'Name' :pd.
Series
(
[
'Alfrick'
,
'Michael'
,
'Wendy'
,
'Paul'
,
'Dusan'
,
'George'
,
'Andreas'
,
'Irene'
,
'Sagar'
,
'Simon'
,
'James'
,
'Rose'
]
)
,
'Years of Experience' :pd.
Series
(
[
5
,
9
,
1
,
4
,
3
,
4
,
7
,
9
,
6
,
8
,
3
,
1
]
)
,
'Programming Language' :pd.
Series
(
[
'Python'
,
'JavaScript'
,
'PHP'
,
'C++'
,
'Java'
,
'Scala'
,
'React'
,
'Ruby'
,
'Angular'
,
'PHP'
,
'Python'
,
'JavaScript'
]
)
}
#Create a DataFrame
df
= pd.
DataFrame
( d
)
print
( df
)3. Matplotlib
Matplotlib也是SciPy核心软件包的一部分，并根据BSD许可证提供。 它是一个流行的Python科学库，用于生成简单而强大的可视化文件。 您可以将Python框架用于数据科学，以生成创意图形，图表，直方图以及其他形状和图形，而不必担心编写许多代码行。 例如，让我们看看如何使用Matplotlib库创建简单的条形图。
让我们从导入库开始。
from matplotlib import pyplot as plt
from matplotlib import pyplot as plt让我们为x轴和y轴生成值。
x
=
[
2
,
4
,
6
,
8
,
10
]
y
=
[
10
,
11
,
6
,
7
,
4
]我们将其称为绘制条形图的函数。
plt. bar ( x , y )
plt. bar ( x , y )让我们来展示情节。
plt. show ( )
plt. show ( )这是条形图：
这是此示例的完整代码：
#importing Matplotlib Python library
from matplotlib
import pyplot
as plt
#same as import matplotlib.pyplot as plt
#generating values for x-axis
x
=
[
2
,
4
,
6
,
8
,
10
]
#generating vaues for y-axis
y
=
[
10
,
11
,
6
,
7
,
4
]
#calling function for plotting the bar chart
plt.
bar
( x
, y
)
#showing the plot
plt.
show
(
)结语
Python编程语言在数据处理和准备方面一直做得很好，但是在复杂的科学数据分析和建模方面却做得不好。 数据科学的顶级Python框架有助于填补这一空白，使您能够进行复杂的数学计算并创建能够理解数据的复杂模型。
您还知道其他哪些Python数据挖掘库？ 您对他们有什么经验？ 请在下面分享你的评论。
翻译自: https://opensource.com/article/18/9/top-3-python-libraries-data-science
python数据科学库
