python 中重要的库介绍

文章目录

    • 1.3.1 NumPy
    • 1.3.2 pandas
    • 1.3.3 matplotlib
    • 1.3.4 IPython与Jupyter
    • 1.3.5 SciPy
    • 1.3.6 scikit-learn

1.3.1 NumPy

NumPy(http://numpy.org)是Numerical Python的简写,是Python数值计算的基石。它提供多种数据结构、算法以及大部分涉及Python数值计算所需的接口。NumPy还包括其他内容:
· 快速、高效的多维数组对象ndarray
· 基于元素的数组计算数组间数学操作函数
· 用于读写硬盘中基于数组的数据集的工具
· 线性代数操作傅里叶变换以及随机数生成
· 成熟的C语言API,允许Python拓展和本地的C或C++代码访问NumPy的数据结构和计算设施。
除了NumPy赋予Python的快速数组处理能力之外,NumPy的另一个主要用途是在算法和库之间作为数据传递的数据容器。对于数值数据,NumPy数组能够比Python内建数据结构更为高效地存储和操作数据。此外,用底层语言编写的库,例如用C或Fortran编写的库,可以在NumPy数组存储的数据上直接操作,而无须将数据复制到其他内存中后再操作。因此,许多Python的数值计算工具将NumPy数组作为基础数据结构,或与NumPy进行无缝互操作。

1.3.2 pandas

pandas(http://pandas.pyda ta.org)提供了高级数据结构和函数,这些数据结构和函数的设计使得利用结构化、表格化数据的工作快速、简单、有表现力。它出现于2010年,帮助Python成为强大、高效的数据分析环境。在本书中主要使用的pandas对象是DataFrame,它是用于实现表格化、面向列、使用行列标签的数据结构;以及Series,一种一维标签数组对象。

pandas将表格和关系型数据库(例如SQL)的灵活数据操作能力与NumPy的高性能数组计算的理念相结合。它提供复杂的索引函数,使得数据的重组、切块、切片、聚合、子集选择更为简单。由于数据操作、预处理、清洗在数据分析中是重要的技能,pandas将是本书的重要主题。

使用R语言进行统计计算的用户对DataFrame的名称会非常熟悉,因为这个对象是根据相似的R data.frame对象进行命名的。与Python不同的是,数据框在R语言中是标准库中的内容。因此,pandas中的很多特征通常与R核心的实现或者R的附加库提供的功能一致
pandas的名字的来源是panel data,这是计量经济学中针对多维结构化数据集的术语。pandas也是Python data analysis(Python数据分析)自身的简写短语。

1.3.3 matplotlib

matplotlib(http://matplotlib.org)是最流行的用于制图及其他二维数据可视化的Python库。它由John D. Hunter创建,目前由一个大型开发者团队维护。matplotlib被设计为适合出版的制图工具。对于Python编程者来说也有其他可视化库,但matplotlib依然使用最为广泛,并且与生态系统的其他库良好整合。我认为将它作为默认可视化工具是一个安全的选择。

1.3.4 IPython与Jupyter

IPython项目(http://ipython.org)开始于2001年,由Fernando Pérez发起,旨在开发一个更具交互性的Python解释器。在过去的16年中,它成为Python数据技术栈中最重要的工具之一。尽管它本身并不提供任何计算或数据分析工具,它的设计侧重于在交互计算和软件开发两方面将生产力最大化。它使用了一种执行-探索工作流来替代其他语言中典型的编辑-编译-运行工作流。它还提供针对操作系统命令行和文件系统的易用接口。由于数据分析编码工作包含大量的探索、试验、试错和遍历,IPython可以使你更快速地完成工作。
2014年,Fernando和IPython团队发布了Jupyter项目(http://jupyter.org)。Jupyter项目旨在设计一个适用于更多语言的交互式计算工具。IPython web notebook则成为Jupyter notebook,可以支持超过40种编程语言。IPython系统目前可以作为一个内核(一种编程语言模式)用于在Jupyter中使用Python。
IPython自身已成为Jupyter开源项目中的一个组件,后者提供交互性、探索性的高效环境。IPtyhon最古老、最简单的“模式”就是一个加强版的Python命令行,用于提高编写、测试、调试Python代码的速度。你也可以通过基于Web、支持多语言的代码“笔记本”——Jupyter Notebook来使用IPython系统。IPython命令行和Jupyter notebook对于数据探索和可视化非常有用。
Jupyter notebook系统允许你使用Markdown和HTML创建包含代码和文本的富文档。其他编程语言也针对Jupyter实现了内核,允许你在Jupyter中使用多种语言而不仅仅是Python。
对我个人来说,IPython涉及我工作的大部分内容,包括运行、调试、测试代码。
在随书资料(http://github.com/wesm/pydata-book)中,你可以找到包含本书所有章节示例代码的Jupyter notebook。

1.3.5 SciPy

SciPy(http://scipy.org)是科学计算领域针对不同标准问题域的包集合。以下是SciPy中包含的一些包:
scipy.integrate
数值积分例程和微分方程求解器
scipy.linalg
线性代数例程和基于numpy.linalg的矩阵分解
scipy.optimize
函数优化器(最小化器)和求根算法
scipy.signal
信号处理工具
scipy.sparse
稀疏矩阵与稀疏线性系统求解器
scipy.special
SPECFUN的包装器。SPECFUN是Fortran语言下实现通用数据函数的包,例如gamma函数。
scipy.stats
标准的连续和离散概率分布(密度函数、采样器、连续分布函数)、各类统计测试、各类描述性统计。
SciPy与NumPy一起为很多传统科学计算应用提供了一个合理、完整、成熟的计算基础。

1.3.6 scikit-learn

scikit-learn项目(http://scikit-learn.org)诞生于2010年,目前已成为Python编程者首选的机器学习工具包。仅仅七年,scikit-learn就拥有了全世界1500位代码贡献者。其中包含以下子模块。
· 分类:SVM、最近邻、随机森林、逻辑回归等
· 回归:Lasso、岭回归等
· 聚类:k-means、谱聚类等
· 降维:PCA、特征选择、矩阵分解等
· 模型选择:网格搜索、交叉验证、指标矩阵
· 预处理:特征提取、正态化
scikit-learn与pandas、statsmodels、IPython一起使Python成了高效的数据科学编程语言。本书中并不会提供详细的scikit-learn指引,但我会简要介绍scikit-learn中的一些模型以及如何与本书中出现的其他工具一起使用这些模型。

你可能感兴趣的:(python)