060 Python必备库-从数据处理到人工智能

一、概述

1.1 从数据处理到人工智能

数据表示->数据清洗->数据统计->数据可视化->数据挖掘->人工智能

• 数据表示：采用合适方式用程序表达数据
• 数据清理：数据归一化、数据转换、异常值处理
• 数据统计：数据的概要理解，数量、分布、中位数等
• 数据可视化：直观展示数据内涵的方式
• 数据挖掘：从数据分析获得知识，产生数据外的价值

• 人工智能：数据/语言/图像/视觉等方面深度分析与决策

• Python库之数据分析
• Python库之数据可视化
• Python库之文本处理

• Python库之机器学习

二、Python库之数据分析

2.1 numpy

Numpy: 表达N维数组的最基础库，http://www.numpy.org

• Python接口使用，C语言实现，计算速度优异
• Python数据分析及科学计算的基础库，支撑Pandas等
• 提供直接的矩阵运算、广播函数、线性代数等功能

import numpy as np


def np_sum():
    a = np.array([0, 1, 2, 3, 4])
    b = np.array([9, 8, 7, 6, 5])

    c = a**2 + b**3

    return c


print(np_sum())

[729 513 347 225 141]

def py_sum():
    a = [0, 1, 2, 3, 4]
    b = [9, 8, 7, 6, 5]
    c = []

    for i in range(len(a)):
        c.append(a[i]**2 + b[i]**3)

    return c


print(py_sum())

[729, 513, 347, 225, 141]

2.2 pandas

Pandas: Python数据分析高层次应用库，http://pandas.pydata.org

• 提供了简单易用的数据结构和数据分析工具
• 理解数据类型与索引的关系，操作索引即操作数据
• Python最主要的数据分析功能库，基于Numpy开发

• 能操作sql、json、pickle、csv、excel、ini等文件

• Series = 索引 + 一维数据

• DataFrame = 行列索引 + 二维数据

2.3 scipy

SciPy: 数学、科学和工程计算功能库，http://www.scipy.org

• 提供了一批数学算法及工程数据运算功能
• 类似Matlab，可用于如傅里叶变换、信号处理等应用
• Python最主要的科学计算功能库，基于Numpy开发

三、Python库之数据可视化

3.1 matplotlib

Matplotlib: 高质量的二维数据可视化功能库，http://matplotlib.org

• 提供了超过100种数据可视化展示效果
• 通过matplotlib.pyplot子库调用各可视化效果
• Python最主要的数据可视化功能库，基于Numpy开发

3.2 Seaborn

Seaborn: 统计类数据可视化功能库，http://seaborn.pydata.org/

• 提供了一批高层次的统计类数据可视化展示效果
• 主要展示数据间分布、分类和线性关系等内容
• 基于Matplotlib开发，支持Numpy和Pandas

3.3 Mayavi

Mayavi：三维科学数据可视化功能库，http://docs.enthought.com/mayavi/mayavi/

• 提供了一批简单易用的3D科学计算数据可视化展示效果
• 目前版本是Mayavi2，三维可视化最主要的第三方库
• 支持Numpy、TVTK、Traits、Envisage等第三方库

四、Python库之文本处理

4.1 PyPDF2

PyPDF2：用来处理pdf文件的工具集，http://mstamy2.github.io/PyPDF2

• 提供了一批处理PDF文件的计算功能
• 支持获取信息、分隔/整合文件、加密解密等
• 完全Python语言实现，不需要额外依赖，功能稳定

from PyPDF2 import PdfFileReader, PdfFileMerger

merger = PdfFileMerger()
input1 = open("document1.pdf", "rb")
input2 = open("document2.pdf", "rb")
merger.append(fileobj=input1, pages=(0, 3))
merger.merge(position=2, fileobj=input2, pages=(0, 1))
output = open("document-output.pdf", "wb")
merger.write(output)

4.2 NLTK

NLTK：自然语言文本处理第三方库，http://www.nltk.org/

• 提供了一批简单易用的自然语言文本处理功能
• 支持语言文本分类、标记、语法句法、语义分析等
• 最优秀的Python自然语言处理库

from nltk.corpus import treebank

t = treebank.parsed_sents('wsj_0001.mrg')[0]

t.draw()

4.3 Python-docx

Python-docx：创建或更新Microsoft Word文件的第三方库，http://python-docx.readthedocs.io/en/latest/index.html

• 提供创建或更新.doc .docx等文件的计算功能
• 增加并配置段落、图片、表格、文字等，功能全面

from docx import Document

document = Document()
document.add_heading('Document Title', 0)
p = document.add_paragraph('A plain paragraph having some ')
document.add_page_break()
document.save('demo.docx')

五、Python库之机器学习

5.1 Scikit-learn

Scikit-learn：机器学习方法工具集，与数据处理相关的第三方库，http://scikit-learn.org/

• 提供一批统一化的机器学习方法功能接口
• 提供聚类、分类、回归、强化学习等计算功能
• 机器学习最基本且最优秀的Python第三方库

5.2 TensorFlow

TensorFlow：AlphaGo背后的机器学习计算框架，https://www.tensorflow.org/

• 谷歌公司推动的开源机器学习框架
• 将数据流图作为基础，图节点代表运算，边代表张量
• 应用机器学习方法的一种方式，支撑谷歌人工智能应用

import tensorflow as tf
init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)
res = sess.run(result)
print('result:', res)

5.3 MXNet

MXNet：基于神经网络的深度学习计算框架，https://mxnet.incubator.apache.org/

• 提供可扩展的神经网络及深度学习计算功能
• 可用于自动驾驶、机器翻译、语音识别等众多领域
• Python最重要的深度学习计算框架

六、单元小结

6.1 从数据处理到人工智能

• Numpy、Pandas、SciPy
• Matplotlib、Seaborn、Mayavi
• PyPDF2、NLTK、python-docx
• Scikit-learn、TensorFlow、MXNet