近年來，Python在數(shù)據(jù)科學(xué)行業(yè)扮演著越來越重要的角色。因此，我們根據(jù)近來的使用體驗(yàn)，在本文中列出了對(duì)數(shù)據(jù)科學(xué)家、工程師們最有用的那些庫。

由于這些庫都開源了，我們從Github上引入了提交數(shù)、貢獻(xiàn)者數(shù)和其他指標(biāo)，這可以作為庫流行程度的參考指標(biāo)。

本文目錄如下：

核心庫

1.NumPy(提交數(shù):15980,貢獻(xiàn)者數(shù):522)

2.SciPy(提交數(shù):17213,貢獻(xiàn)者數(shù):489)

3.Pandas(提交數(shù):15089,貢獻(xiàn)者數(shù)：762)

可視化

4.Matplotlib(提交數(shù):21754,貢獻(xiàn)者數(shù):588)

5.Seaborn(提交數(shù):1699,貢獻(xiàn)者數(shù):71)

6.Bokeh(提交數(shù):15724,貢獻(xiàn)者數(shù):223)

7.Plotly(提交數(shù):2486,貢獻(xiàn)者數(shù):33)

機(jī)器學(xué)習(xí)

8.SciKit-Learn(提交數(shù)：21793,貢獻(xiàn)者數(shù)：842)

深度學(xué)習(xí)

9.Theano.(提交數(shù)：25870,貢獻(xiàn)者數(shù)：300)

10.TensorFlow.(提交數(shù):16785,貢獻(xiàn)者數(shù):795)

11.Keras.(提交數(shù):3519,貢獻(xiàn)者數(shù):428)

自然語言處理

12.NLTK(提交數(shù):12449,貢獻(xiàn)者數(shù):196)

13.Gensim(提交數(shù):2878,貢獻(xiàn)者數(shù):179)

數(shù)據(jù)挖掘，統(tǒng)計(jì)學(xué)

14.Scrapy(提交數(shù):6325,貢獻(xiàn)者數(shù):243)

15.Statsmodels(提交數(shù):8960,貢獻(xiàn)者數(shù):119)

核心庫

1.NumPy(提交數(shù):15980,貢獻(xiàn)者數(shù):522)

當(dāng)開始處理Python中的科學(xué)任務(wù)，Python的SciPyStack肯定可以提供幫助，它是專門為Python中科學(xué)計(jì)算而設(shè)計(jì)的軟件集合。然而，SciPyStack相當(dāng)龐大，其中有十幾個(gè)庫，我們把焦點(diǎn)放在核心包上。

關(guān)于建立科學(xué)計(jì)算棧，最基本的包是Numpy（全稱為NumericalPython）。它為Python中的n維數(shù)組和矩陣的操作提供了大量有用的功能。該庫提供了NumPy數(shù)組類型的數(shù)學(xué)運(yùn)算向量化，可以改善性能，從而加快執(zhí)行速度。

地址：

http://www.numpy.org

2.SciPy(提交數(shù):17213,貢獻(xiàn)者數(shù):489)

SciPy是一個(gè)工程和科學(xué)軟件庫。你需要理解SciPyStack和SciPy庫之間的區(qū)別。

SciPy包含線性代數(shù)、優(yōu)化、集成和統(tǒng)計(jì)的模塊。SciPy庫的主要功能是建立在NumPy上，從而它的數(shù)組大量使用了NumPy的。它通過其特定子模塊提供有效的數(shù)值例程，并作為數(shù)字積分、優(yōu)化和其他例程。SciPy的所有子模塊中的功能都有詳細(xì)的說明——又是一個(gè)SciPy非常有幫助的點(diǎn)。

地址：

https://www.scipy.orghttps://www.scipy.org

3.Pandas(提交數(shù):15089,貢獻(xiàn)者數(shù)：762)

Pandas是一個(gè)Python包，旨在通過“標(biāo)記”和“關(guān)系”數(shù)據(jù)進(jìn)行工作，簡(jiǎn)單直觀。Pandas是數(shù)據(jù)整理的完美工具。它設(shè)計(jì)用于快速簡(jiǎn)單的數(shù)據(jù)操作，聚合和可視化。

地址：

http://pandas.pydata.org

可視化

4.Matplotlib(提交數(shù):21754,貢獻(xiàn)者數(shù):588)

又一個(gè)SciPyStack核心軟件包以及Python庫，Matplotlib為輕松生成簡(jiǎn)單而強(qiáng)大的可視化而量身定制。它是一個(gè)頂尖的軟件（在NumPy，SciPy和Pandas的幫助下），它使Python成為像MatLab或Mathematica這樣的科學(xué)工具的競(jìng)爭(zhēng)對(duì)手。

然而，這個(gè)庫是低層級(jí)的，這意味著你需要編寫更多的代碼才能達(dá)到高級(jí)的可視化效果，而且通常會(huì)比使用更多的高級(jí)工具付出更多的努力，但總體上這些努力是值得的。

只要付出一點(diǎn)你就可以做任何可視化：線圖、散點(diǎn)圖、條形圖和直方圖、餅狀圖、莖圖、輪廓圖、場(chǎng)圖、頻譜圖。

還有使用Matplotlib創(chuàng)建標(biāo)簽、網(wǎng)格、圖例和許多其他格式化實(shí)體的功能。基本上，一切都是可定制的。

該庫由不同的平臺(tái)支持，并使用不同的GUI套件來描述所得到的可視化。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。

地址：

https://matplotlib.org

5.Seaborn(提交數(shù):1699,貢獻(xiàn)者數(shù):71)

Seaborn主要關(guān)注統(tǒng)計(jì)模型的可視化；這種可視化包括熱圖，這些熱圖（heatmap）總結(jié)數(shù)據(jù)但仍描繪整體分布。Seaborn基于Matplotlib，并高度依賴于此。

地址：

https://seaborn.pydata.org

6.Bokeh(提交數(shù):15724,貢獻(xiàn)者數(shù):223)

另一個(gè)很不錯(cuò)的可視化庫是Bokeh，它針對(duì)交互式可視化。與以前的庫相比，它獨(dú)立于Matplotlib。正如我們提到的，Bokeh的主要焦點(diǎn)是交互性，它通過現(xiàn)代瀏覽器以數(shù)據(jù)驅(qū)動(dòng)文檔（d3.js）的風(fēng)格呈現(xiàn)。

地址：

http://bokeh.pydata.org

7.Plotly(提交數(shù):2486,貢獻(xiàn)者數(shù):33)

最后，關(guān)于Plotly的話。它是一個(gè)基于Web用于構(gòu)建可視化的工具箱，提供API給一些編程語言（Python在內(nèi)）。在plot.ly網(wǎng)站上有一些強(qiáng)大的、上手即用的圖形。為了使用Plotly，你將需要設(shè)置API密鑰。圖形將在服務(wù)器端處理，并發(fā)布到互聯(lián)網(wǎng)，但有一種方法可以避免。

地址：

https://plot.ly

機(jī)器學(xué)習(xí)

8.SciKit-Learn(提交數(shù)：21793,貢獻(xiàn)者數(shù)：842)

Scikits是ScikitsStack額外的軟件包，專為像圖像處理和機(jī)器學(xué)習(xí)輔助等特定功能而設(shè)計(jì)。對(duì)于機(jī)器學(xué)習(xí)輔助，scikit-learn是所有軟件包里最突出的一個(gè)。它建立在SciPy之上，并大量利用它的數(shù)學(xué)運(yùn)算。

scikit-learn給常見的機(jī)器學(xué)習(xí)算法公開了一個(gè)簡(jiǎn)潔、一致的接口，可簡(jiǎn)單地將機(jī)器學(xué)習(xí)帶入生產(chǎn)系統(tǒng)中。該庫中集成了有質(zhì)量的代碼和良好的文檔、簡(jiǎn)單易用并且十分高效，是使用Python進(jìn)行機(jī)器學(xué)習(xí)的實(shí)際行業(yè)標(biāo)準(zhǔn)。

地址：

http://scikit-learn.orghttp://scikit-learn.org

深度學(xué)習(xí)

在深度學(xué)習(xí)方面，Python中最著名和最方便的庫之一是Keras，它可以在TensorFlow或Theano框架上運(yùn)行。讓我們來看一下它們的一些細(xì)節(jié)。

9.Theano(提交數(shù)：25870,貢獻(xiàn)者數(shù)：300)

首先讓我們談?wù)凾heano。

Theano是一個(gè)Python軟件包，它定義了與NumPy類似的多維數(shù)組，以及數(shù)學(xué)運(yùn)算和表達(dá)式。此庫是被編譯的，可實(shí)現(xiàn)在所有架構(gòu)上的高效運(yùn)行。最初由蒙特利爾大學(xué)機(jī)器學(xué)習(xí)組開發(fā)，它主要用于滿足機(jī)器學(xué)習(xí)的需求。

值得注意的是，Theano緊密結(jié)合了NumPy在低層次上的運(yùn)算。另外，該庫還優(yōu)化了GPU和CPU的使用，使數(shù)據(jù)密集型的計(jì)算平臺(tái)性能更佳。

效率和穩(wěn)定性微調(diào)保證了即使在數(shù)值很小的情況下，仍有更精確的結(jié)果，例如，即使只給出x的最小值，log（1+x）仍能計(jì)算出合理的結(jié)果。

地址：

https://github.com/Theano

10.TensorFlow(提交數(shù):16785,貢獻(xiàn)者數(shù):795)

TensorFlow來自Google的開發(fā)人員，它是數(shù)據(jù)流圖計(jì)算的開源庫，為機(jī)器學(xué)習(xí)而設(shè)計(jì)。它旨在滿足谷歌對(duì)訓(xùn)練神經(jīng)網(wǎng)絡(luò)的高需求，并且是基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)系統(tǒng)DistBelief的繼任者。然而，TensorFlow并不限制于谷歌的科學(xué)應(yīng)用范圍–它可以通用于多種多樣的現(xiàn)實(shí)應(yīng)用中。

TensorFlow的關(guān)鍵特征是它的多層節(jié)點(diǎn)系統(tǒng)，可以在大型數(shù)據(jù)集上快速訓(xùn)練神經(jīng)網(wǎng)絡(luò)。這為谷歌的語音識(shí)別和圖像識(shí)別提供了支持。

地址：

https://www.tensorflow.org

11.Keras(提交數(shù):3519,貢獻(xiàn)者數(shù):428)

最后我們來看看Keras。它是一個(gè)用Python編寫的開源的庫，用于在高層的接口上構(gòu)建神經(jīng)網(wǎng)絡(luò)。它簡(jiǎn)單易懂，具有高級(jí)可擴(kuò)展性。Keras使用Theano或TensorFlow作為后端，但微軟現(xiàn)在正努力整合CNTK（微軟的認(rèn)知工具包）作為新的后端。

設(shè)計(jì)中的簡(jiǎn)約方法旨在通過建立緊湊型系統(tǒng)進(jìn)行快速、簡(jiǎn)便的實(shí)驗(yàn)。

Keras真的容易上手，并在持續(xù)完善它的快速原型能力。它完全用Python編寫，可被高度模塊化和擴(kuò)展。盡管它以易上手、簡(jiǎn)單和以高層次為導(dǎo)向，但是Keras足夠有深度并且足夠強(qiáng)大去支持復(fù)雜的模型。

地址：

https://keras.io

自然語言處理

12.NLTK(提交數(shù):12449,貢獻(xiàn)者數(shù):196)

這個(gè)庫的名稱“NaturalLanguageToolkit”，代表自然語言工具包，顧名思義，它用于符號(hào)學(xué)和統(tǒng)計(jì)學(xué)自然語言處理（NLP)的常見任務(wù)。NLTK旨在促進(jìn)NLP及相關(guān)領(lǐng)域（語言學(xué)，認(rèn)知科學(xué)人工智能等）的教學(xué)和研究，目前受到重點(diǎn)關(guān)注。

NLTK的功能允許很多操作，例如文本標(biāo)記，分類和標(biāo)記，實(shí)體名稱識(shí)別，建立語料庫，可以顯示語言內(nèi)部和各句子間的依賴性、詞根、語義推理等。所有的構(gòu)建模塊都可以為不同的任務(wù)構(gòu)建復(fù)雜的研究系統(tǒng)，例如情緒分析、自動(dòng)總結(jié)。

地址：

http://www.nltk.org

13.Gensim(提交數(shù):2878,貢獻(xiàn)者數(shù):179)

它是一個(gè)用于Python的開源庫，為有向量空間模型和主題模型的工作提供了使用工具。這個(gè)庫是為了高效處理大量文本而設(shè)計(jì)的，所以不僅可以進(jìn)行內(nèi)存處理，還可以通過廣泛使用NumPy數(shù)據(jù)結(jié)構(gòu)和SciPy操作來獲得更高的效率。Gensim高效也易于使用。

Gensim旨在與原始和非結(jié)構(gòu)化的數(shù)字文本一起使用。它實(shí)現(xiàn)了諸如hierarchicalDirichletprocesses（HDP），潛在語義分析（LSA）和潛在Dirichlet分配（LDA）之類的算法，以及tf-idf，隨機(jī)預(yù)測(cè)，word2vec和document2vec，便于檢查一組文檔中有重復(fù)模式的文本（通常稱為語料庫）。所有的算法均是無監(jiān)督的，意味著不需要任何參數(shù)，唯一的輸入只有語料庫。

地址：

http://radimrehurek.com/gensim

數(shù)據(jù)挖掘，統(tǒng)計(jì)學(xué)

14.Scrapy(提交數(shù):6325,貢獻(xiàn)者數(shù):243)

Scrapy庫是用于從網(wǎng)絡(luò)結(jié)構(gòu)化檢索數(shù)據(jù)（如聯(lián)系人信息或URL）,可以用來設(shè)計(jì)crawling程序（也稱為蜘蛛bots）。

它是開源的，使用Python編寫。最開始只是如它的名字暗示的一樣，只用來做scraping，但是它現(xiàn)在已經(jīng)在完整的框架中發(fā)展，能夠從API采集數(shù)據(jù)并作為通用的crawlers了。

該庫在界面設(shè)計(jì)中標(biāo)榜著“不要重復(fù)自己”，它推薦用戶們編寫泛化得到、可被重復(fù)使用的通用代碼，從而構(gòu)建和擴(kuò)展大型的crawlers。

Scrapy的架構(gòu)圍繞著Spiderclass構(gòu)建，這其中包含了crawler追從的一套指令。

地址：

https://scrapy.org

15.Statsmodels(提交數(shù):8960,貢獻(xiàn)者數(shù):119)

你可能從名字就猜出大概了，statsmodels使用戶能夠通過使用各種統(tǒng)計(jì)模型的估算方法進(jìn)行數(shù)據(jù)挖掘，并執(zhí)行統(tǒng)計(jì)判斷和分析。

許多有用的特征是可被描述的，并通過使用線性回歸模型，廣義線性模型，離散選擇模型，魯棒線性模型，時(shí)間序列分析模型，各種估計(jì)方法得出統(tǒng)計(jì)結(jié)果。

這個(gè)庫還提供了廣泛的繪圖功能，專門用于大數(shù)據(jù)統(tǒng)計(jì)中的性能優(yōu)化工作。