吐血清算！毫不能错过的24个Python库

柱状图：

%matplotlib inline 
import matplotlib.pyplot as plt 
from numpy.random import normal 
x = normal(size=100) 
plt.hist(x, bins=20) 
plt.show() 

3D 图表：

from matplotlib import cm 
from mpl_toolkits.mplot3d import Axes3D 
import matplotlib.pyplot as plt 
import numpy as np 
fig = plt.figure() 
ax = fig.gca(projection='3d') 
X = np.arange(-10, 10, 0.1) 
Y = np.arange(-10, 10, 0.1) 
X, Y = np.meshgrid(X, Y) 
R = np.sqrt(X**2 + Y**2) 
Z = np.sin(R) 
surf = ax.plot_surface(X, Y, Z, rstride=1,cstride=1, cmcmap=cm.coolwarm) 
plt.show() 

今朝已经先容了Pandas、NumPy和Matplotlib，那么请查察下面的教程，该教程团结了以上三个库举办讲授：

《行使NumPy、Matplotlib和Pandas在Python中举办数据试探的终极指南》传送门：

https://www.analyticsvidhya.com/blog/2015/04/comprehensive-guide-data-exploration-sas-using-python-numpy-scipy-matplotlib-pandas/

9. Seaborn

传送门：https://seaborn.pydata.org/

Seaborn是另一个基于matplotlib的画图库。它是一个为绘制有吸引力的图像而提供高级接口的python库。matplotlib能实现成果，Seaborn只是以另一种更吸引人的视觉方法来实现。

Seaborn 的一些特点：

• 作为一个面向数据集的API，可用于磨练多个变量之间的相关
• 便于查察伟大数据集的整体布局
• 用于选择表现数据中模式的调色板的器材

下面一行代码可用于安装Seaborn：

pip install seaborn 

赏识下面这些很酷的图表，看看seaborn能做些什么：

import seaborn as sns 
sns.set() 
tips =sns.load_dataset("tips") 
sns.relplot(x="total_bill",y="tip", col="time", 
            hue="smoker",style="smoker", size="size", 
            data=tips); 

下面是其它一个例子：

import seaborn as sns 
sns.catplot(x="day",y="total_bill", hue="smoker", 
            kind="violin",split=True, data=tips); 

10. Bokeh

传送门：https://bokeh.pydata.org/en/latest/

Bokeh是一个面向当代网页赏识器的交互式可视化库，为大量数据集提供美妙的通用图形布局。

Bokeh可用于建设交互式画图、仪表板和数据应用措施。

安装：

pip install bokeh 

相识更多关于Bokeh的常识及着实际应用：

《行使Bokeh的交互式数据可视化(在Python中)》传送门：

https://www.analyticsvidhya.com/blog/2015/08/interactive-data-visualization-library-python-bokeh/

用于建模的Python库

此刻到了本文最令人等候的部门——建模!这也是大大都人一开始打仗数据科学的缘故起因。

接下来通过这三个Python库来试探建模。

11. Scikit-learn

传送门：https://scikit-learn.org/stable/

就像用于数据操纵的Pandas和用于可视化的matplotlib一样，scikit-learn是Python构建模子中的佼佼者。没有什么能与之媲美。

究竟上，scikit-learn成立在NumPy，SciPy和matplotlib之上。它是开放源码的，每小我私人都可以会见，而且可以在各类情形中重用。

Scikit-learn支持在呆板进修中执行的差异操纵，如分类、回归、聚类和模子选择等。定名它——那么scikit-learn会有一个模块。

提议赏识以下链接以相识有关scikit-learn的更多信息：

《Python中的Scikit-learn——笔者客岁学到的最重要的呆板进修器材!》传送门：

https://www.analyticsvidhya.com/blog/2015/01/scikit-learn-python-machine-learning-tool/

12. TensorFlow

传送门：https://www.tensorflow.org/

TensorFlow由谷歌开拓，是一个风行的深度进修库，可辅佐构建、培训差异模子。是一个开放源码的端到端平台。TensorFlow提供简朴的模子构建，强盛的呆板进修出产，以及强盛的尝试器材和库。

TensorFlow提供多个抽象级别，可按照必要举办选择。TensorFlow通过行使高级Keras API来构建和实习模子，这使TensorFlow入门和呆板进修变得轻易。

安装传送门：https://www.tensorflow.org/install

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!