3個(gè)用于數(shù)據(jù)科學(xué)的頂級(jí)Python庫(kù)
Python許多吸引人的特點(diǎn)如效率、代碼可讀性和速度使它成為數(shù)據(jù)科學(xué)愛(ài)好者的首選編程語(yǔ)言。對(duì)于希望提升應(yīng)用程序功能的數(shù)據(jù)科學(xué)家和機(jī)器學(xué)習(xí)專(zhuān)家來(lái)說(shuō)，Python通常是首選。(例如，Andrey Bulezyuk使用Python編程語(yǔ)言創(chuàng)建了一個(gè)令人驚嘆的機(jī)器學(xué)習(xí)應(yīng)用程序。)
由于Python的廣泛使用，它有大量的庫(kù)，使數(shù)據(jù)科學(xué)家可以更容易地完成復(fù)雜的任務(wù)，而不需要應(yīng)付太多麻煩的編碼。以下是用于數(shù)據(jù)科學(xué)的3個(gè)頂級(jí)Python庫(kù); 如果你想在這個(gè)領(lǐng)域開(kāi)始你的職業(yè)生涯，看看他們吧。
1. NumPy
NumPy是頂級(jí)庫(kù)之一，它提供了有用的資源，幫助數(shù)據(jù)科學(xué)家將Python轉(zhuǎn)變?yōu)閺?qiáng)大的科學(xué)分析和建模工具。這個(gè)流行的開(kāi)源庫(kù)可以在BSD許可下獲得。它是執(zhí)行基本科學(xué)計(jì)算任務(wù)的Python庫(kù)。此外NumPy是一個(gè)更大的基于python的開(kāi)放源碼工具生態(tài)系統(tǒng)(稱(chēng)為SciPy)的一部分。
該庫(kù)為Python提供了大量的數(shù)據(jù)結(jié)構(gòu)，以便輕松地執(zhí)行與多維數(shù)組和矩陣相關(guān)的計(jì)算。除了用于解線(xiàn)性代數(shù)方程和進(jìn)行其他數(shù)學(xué)計(jì)算之外，NumPy還被用作不同類(lèi)型的數(shù)據(jù)的通用多維容器。
此外，它完美地集成了其他編程語(yǔ)言，如C/C++和Fortran。NumPy庫(kù)的多功能性使它能夠輕松、快速地與其它數(shù)據(jù)庫(kù)和工具結(jié)合在一起。例如，讓我們看看NumPy(縮寫(xiě)為np)如何用于兩個(gè)矩陣的乘法計(jì)算。
讓我們從導(dǎo)入庫(kù)開(kāi)始。
- import numpy as np
接下來(lái)，讓我們使用eye()函數(shù)生成具有指定維數(shù)的單位矩陣。
- matrix_one = np.eye(3)
- matrix_one
以下是輸出:
- array([[1., 0., 0.],
- [0., 1., 0.],
- [0., 0., 1.]])
我們來(lái)生成另一個(gè)3x3矩陣。
我們將使用arange([starting number]，[stopping number])函數(shù)來(lái)生成數(shù)據(jù)。注意，函數(shù)中的第一個(gè)參數(shù)是要列出的初始數(shù)字，最后一個(gè)數(shù)字不包括在生成的結(jié)果中。
此外，還應(yīng)用reshape()函數(shù)將原始生成的矩陣的維度修改為所需的維度。要使矩陣“可乘”，它們的維數(shù)應(yīng)該相同。
- matrix_two = np.arange(1,10).reshape(3,3)
- matrix_two
以下是輸出:
- array([[1, 2, 3],
- [4, 5, 6],
- [7, 8, 9]])
讓我們使用dot()函數(shù)來(lái)將兩個(gè)矩陣相乘。
- matrix_multiply = np.dot(matrix_one, matrix_two)
- matrix_multiply
以下是輸出:
- array([[1., 2., 3.],
- [4., 5., 6.],
- [7., 8., 9.]])
太棒了!
我們?cè)O(shè)法在不使用普通Python的情況下將兩個(gè)矩陣相乘。
下面是這個(gè)例子的全部代碼:
- 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_multiply
2. Pandas
Pandas是另一個(gè)可以增強(qiáng)您的數(shù)據(jù)科學(xué)Python技能的優(yōu)秀庫(kù)。就像NumPy一樣，它屬于SciPy開(kāi)源軟件家族，可以在BSD自由軟件許可下使用。
Pandas提供了多種功能強(qiáng)大的工具，用于分析數(shù)據(jù)結(jié)構(gòu)和執(zhí)行通用的數(shù)據(jù)分析。該庫(kù)可以很好地處理不完整的、非結(jié)構(gòu)化的和無(wú)序的真實(shí)數(shù)據(jù)，并提供了用于形成、聚合、分析和可視化數(shù)據(jù)集的工具。
在這個(gè)庫(kù)中有三種類(lèi)型的數(shù)據(jù)結(jié)構(gòu):
- Series: 單維齊次數(shù)組
- DataFrame: 具有不同類(lèi)型列的二維數(shù)據(jù)
- Panel: 三維，大小可變的數(shù)組
例如，讓我們看看如何使用Panda Python庫(kù)(縮寫(xiě)為pd)執(zhí)行一些統(tǒng)計(jì)計(jì)算。
讓我們從導(dǎo)入庫(kù)開(kāi)始。
- import pandas as pd
讓我們創(chuàng)建一個(gè)Series的字典。
- 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'])
- }
讓我們創(chuàng)建一個(gè)DataFrame。
- df = pd.DataFrame(d)
這是一個(gè)很好的輸出表:
- 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
下面是這個(gè)例子的全部代碼:
- 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核心包的一部分，并在BSD許可下提供。它是一個(gè)流行的Python科學(xué)庫(kù)，用于生成簡(jiǎn)單而強(qiáng)大的圖表。您可以使用該P(yáng)ython框架進(jìn)行數(shù)據(jù)科學(xué)研究，以生成有創(chuàng)意的圖形、圖表、直方圖和其他形狀的圖形—而無(wú)需編寫(xiě)很多行代碼。例如，讓我們看看如何使用Matplotlib庫(kù)創(chuàng)建一個(gè)簡(jiǎn)單的條形圖。
讓我們從導(dǎo)入庫(kù)開(kāi)始。
- from matplotlib import pyplot as plt
讓我們生成x軸和y軸的值。
- x = [2, 4, 6, 8, 10]
- y = [10, 11, 6, 7, 4]
讓我們調(diào)用繪制柱狀圖的函數(shù)。
- plt.bar(x,y)
讓我們來(lái)看看繪圖。
- plt.show()
這是柱狀圖:
下面是這個(gè)例子的全部代碼:
- #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()
結(jié)語(yǔ)
Python編程語(yǔ)言在數(shù)據(jù)處理和分析方面一直做得很好，但在復(fù)雜的科學(xué)數(shù)據(jù)分析和建模方面就不那么好了。頂級(jí)的Python框架data science有助于填補(bǔ)這一空白，允許您執(zhí)行復(fù)雜的數(shù)學(xué)計(jì)算并創(chuàng)建復(fù)雜的模型來(lái)理解您的數(shù)據(jù)。
