Python-大数据分析之常用库

Python-大数据分析之常用库

1. 数据采集与第三方数据接入

1-1. Beautiful Soup

Beautiful Soup 是一个用于解析HTML和XML文档的库,非常适用于网页爬虫和数据抓取。可以提取所需信息,无需手动分析网页源代码,简化了从网页中提取数据的过程,使得数据抽取变得更加容易。

  • 应用场景

    • 网络爬虫: 用于从网页中抓取所需数据。

    • 数据抽取: 从HTML文档中提取数据并进行分析。

    • 数据清洗: 帮助清理和规范不一致的HTML数据。

  • 功能特点

    • 解析器灵活性: Beautiful Soup支持多种解析器,如Python的内置解析器(html.parser)、lxml解析器(需要安装lxml库)以及html5lib(需要安装html5lib库)。

    • 方便的遍历方法: 可以遍历文档树、搜索特定元素、提取数据。

    • 容错能力强: 能够处理“糟糕”的HTML代码,修复标记不完整的标签等问题,让解析过程更加稳定。

    • 支持编码转换: 可以自动识别文档编码,或者手动指定编码进行解析。

  • 基本用法

    • 解析器初始化: 通过将HTML文档传递给Beautiful Soup来创建解析器对象。

      from bs4 import BeautifulSoup
      # 从文件中读取HTML
      with open("example.html", "r") as file:
          soup = BeautifulSoup(file, "html.parser")
      
    • 遍历文档树: 可以使用标签名称、类名、id等属性进行文档元素的遍历和搜索。

      # 通过标签名获取元素
      title = soup.title
      
      # 通过类名获取元素
      important_texts = soup.find_all("p", class_="important")
      
      # 通过id获取元素
      content = soup.find(id="content")
      
    • 提取数据: 可以获取元素的文本内容、属性等信息。

      # 获取文本内容
      print(title.text)
      
      # 获取属性值
      print(content["href"])
      
    • 修改文档树: 可以添加、删除或修改文档中的标签和内容。

      # 创建新的标签
      new_tag = soup.new_tag("a", href="http://example.com")
      new_tag.string = "Link Text"
      
      # 在文档中插入新标签
      content.append(new_tag)
      

1-2. Requests

​ 需要与网络交互时,Requests库是不可或缺。Requests简化了与目标网站接口的通信,易于使用且功能强大,支持多种HTTP方法和参数设置,能够轻松发送HTTP请求并处理响应。网络爬虫、API调用或是测试网站,Requests都能够让这些任务变得轻而易举。

​ 在企业数据采购中,经常需要与供应商或合作伙伴的API进行数据交换。使用requests库可以轻松实现数据的发送和接收,无论是从外部API获取数据还是向外部API推送数据,都可以通过requests来完成。

  • Requests库特点

    • 简单易用: Requests提供了简洁的API,使得发送HTTP请求变得非常简单。
    • 多种HTTP方法支持: 支持GET、POST、PUT、DELETE等HTTP方法。
    • 自动解析: 能够自动解析JSON响应和处理URL编码等。
    • Session支持: 可以创建持久性会话,保持会话状态,方便维护会话信息。
    • SSL证书验证、Cookie支持、重定向等: 提供了多种功能以处理各种HTTP请求和响应情况。
  • 基本用法

    • 发送GET请求:通过向外部API发送GET请求来获取数据(获取外部数据源)
    # API数据获取
    import requests
    
    response = requests.get('https://api.openweathermap.org/data/2.5/weather?q=London&appid=your_api_key')
    if response.status_code == 200:
        weather_data = response.json()
        # 处理数据逻辑
    
        
    # Web数据抓取 
    import requests
    from bs4 import BeautifulSoup
    
    response = requests.get('https://example.com')
    if response.status_code == 200:
        soup = BeautifulSoup(response.text, 'html.parser')
        # 提取所需数据信息
    
    • 发送POST请求:使用POST请求向外部API发送数据(推送数据给外部接口)
    import requests
    
    payload = {'key1': 'value1', 'key2': 'value2'}
    headers = {'Content-Type': 'application/json', 'Authorization': 'Bearer YOUR_TOKEN'}
    
    response = requests.post('https://api.example.com/endpoint', json=payload, headers=headers)
    if response.status_code == 201:
        # 处理成功发送数据后的响应
    
    • 错误处理与异常情况:
    import requests
    
    try:
        response = requests.get('https://api.example.com/data')
        response.raise_for_status()  # 如果响应状态码不是200,则会抛出HTTPError异常
        data = response.json()
        # 处理数据
    except requests.HTTPError as http_err:
        print(f'HTTP error occurred: {http_err}')
    except Exception as err:
        print(f'Other error occurred: {err}')
    
    • 使用Session保持会话:
    with requests.Session() as session:
        session.get('https://example.com/login', auth=('user', 'pass'))
        # 保持登录状态进行后续请求
        response = session.get('https://example.com/dashboard')
    
    • 处理认证和权限
    # Token认证:使用请求头中的Token进行认证
    headers = {'Authorization': 'Bearer YOUR_TOKEN'}
    
    # Basic Auth:通过提供用户名和密码进行基本认证。
    auth = ('username', 'password')
    response = requests.get('https://api.example.com/data', auth=auth)
    
    • 日志记录与监控
    import requests
    import logging
    
    logging.basicConfig(filename='requests.log', level=logging.INFO)
    
    try:
        response = requests.get('https://api.example.com/data')
        response.raise_for_status()
        logging.info('Request successful')
    except requests.HTTPError as http_err:
        logging.error(f'HTTP error occurred: {http_err}')
    except Exception as err:
        logging.error(f'Other error occurred: {err}')
    

1-3. Beautiful Soup与Requests总结对比

特点 Beautiful Soup Requests
主要功能 解析HTML和XML文档,提取数据 发送HTTP请求,处理响应
用途 网页解析、数据抽取和处理 向服务器发起HTTP请求、处理响应,获取网络数据
关注重点 文档解析、数据提取 HTTP请求和响应的处理
主要特点 - 提供多种解析器
- 方便的API来遍历文档树、搜索元素、提取数据
- 修复HTML不完整标签
- 提供简洁的API
- 支持多种HTTP方法
- 处理认证、Cookie、SSL验证等
适用场景 从网页中提取特定数据、数据清洗、提取链接等 发送HTTP请求、获取网页内容、与API进行交互

2. 数据分析

2-1. Jupyter Notebook

​ Jupyter Notebook是一个开源的交互式笔记本环境,支持多种编程语言,最常用的是Python。它以网页的形式提供一个交互式界面,允许用户在浏览器中编写和运行代码、展示文本、图像、公式等内容,并保存成为具有可执行代码、可视化结果和解释性文档的笔记本。Jupyter Notebook是数据科学家和研究人员的最爱,无论是在进行数据分析、机器学习建模还是原型设计,Jupyter Notebook都是无可替代的工具。

​ Jupyter Notebook作为一个灵活、交互式、功能丰富的工具,为数据科学家、教育工作者和开发人员提供了一个方便的平台,可以方便地探索数据、编写文档和演示成果。

  • 主要特点和功能

    • 多语言支持: Jupyter支持多种编程语言,如Python、R、Julia等,通过内核系统可以轻松切换语言。
    • 交互式运行: 可以分段执行代码,实时查看输出结果,有助于探索数据和算法。
    • 富文本展示: 支持Markdown、LaTeX等富文本格式,可以插入文本、图像、公式、超链接等。
    • 数据可视化: 可以直接在Notebook中绘制图表、图像等可视化结果,并与代码交互。
    • 方便共享: 笔记本可以导出成HTML、PDF、Markdown等格式,方便分享和展示成果。
    • 支持扩展: 有丰富的插件和扩展功能,可以增强编辑和运行环境。
  • 用途和应用场景

    • 数据分析和可视化: 在数据科学领域广泛应用,用于数据清洗、探索、分析和可视化。

    • 教学和学习: 作为教学工具,可以编写教程、示例代码,并直观地展示结果,有助于学习和教学。

    • 实验和原型开发: 用于快速原型设计和实验,探索算法、库和新技术。

    • 文档编写: 用于编写技术文档、报告和演示文稿,结合代码和解释性文本。

  • 使用方法

    • 安装Jupyter Notebook: 通过pip或conda安装Jupyter Notebook。
    • 启动Jupyter Notebook: 在命令行中输入jupyter notebook,会在浏览器中打开Jupyter界面。
    • 创建和编辑笔记本: 在界面中新建Notebook文件,选择所需编程语言的内核,开始编写和运行代码。
    • 编辑和运行代码: 将代码写入单元格,按下Shift+Enter执行单元格中的代码,并查看输出结果。
    • 添加文本和图像: 使用Markdown语法添加文本、标题、图像等丰富的内容。
    • 保存和分享: 可以保存笔记本为.ipynb文件,也可以导出成其他格式用于分享。

2-2. NumPy

NumPy是Python中用于科学计算的一个强大的库,主要用于处理数组和矩阵运算。它提供了丰富的功能和高效的数据结构,是许多科学和工程领域中常用的核心库之一。

  • 主要特点和功能

    • 多维数组对象: 提供了ndarray对象,用于表示多维数组,可以进行高效的数值运算。
    • 数学函数: 包括线性代数、傅立叶变换、随机数生成等丰富的数学函数和工具。
    • 广播功能: 能够处理不同形状的数组,自动执行元素级运算,极大地简化了代码编写。
    • 性能优化: NumPy底层使用C语言编写,操作数组的运算速度非常快,是因为它具有优化的算法和数据结构。
    • 与其他工具集成: 可以与其他工具(如Pandas、Matplotlib等)良好集成,为数据分析和可视化提供基础支持。
  • 用途和应用场景

    • 数据处理和分析: 在数据科学领域中,NumPy常用于处理、转换和分析数据,尤其是大量数据的计算。

    • 科学计算: 在科学计算、工程领域,例如物理学、生物学、金融学等领域,用于模拟、分析和解决数学问题。

    • 机器学习和人工智能: 在机器学习领域,NumPy用于处理和转换数据,作为许多机器学习算法的基础。

    • 图像处理: 在图像处理和计算机视觉中,NumPy提供了对图像数据进行处理和操作的功能。

  • 基本用法示例

NumPy使用介绍可见另一篇博客文章:https://blog.csdn.net/wt334502157/article/details/128185332

2-3. pandas

​ Pandas是Python中用于数据处理和分析的强大库,它建立在NumPy的基础上,提供了更高级的数据结构和工具,使得数据操作更加便捷和高效。Pandas通常用于处理结构化数据,比如表格数据、时间序列等,无论是需要进行数据清洗、转换还是统计分析,Pandas都可以帮助您快速达成目标

  • 主要特点和功能

    • DataFrame对象: 提供了DataFrame对象,类似于电子表格或SQL数据库中的表格,用于处理二维数据。
    • Series对象: 提供了Series对象,类似于一维数组或列表,用于处理一维数据。
    • 数据对齐和处理: 能够轻松处理缺失数据、重复数据、数据合并、数据对齐等操作。
    • 灵活的数据操作: 支持数据的切片、筛选、聚合、分组等操作,操作更简单直观。
    • 数据读写: 支持多种数据格式的读写,如CSV、Excel、SQL、JSON等。
    • 数据可视化: 集成了Matplotlib等库,能够进行数据可视化和绘图操作。
  • 用途和应用场景

    • 数据清洗和预处理: 用于处理和清洗数据,包括缺失值处理、数据转换、数据规范化等。

    • 数据分析和探索: 在数据科学领域中,用于数据探索、统计分析、建模等。

    • 时间序列处理: 用于处理时间序列数据,如金融数据、传感器数据等。

    • 数据可视化: 可以配合Matplotlib等库进行数据可视化,绘制图表和图形。

  • 基本用法示例

Pandas使用介绍可见另一篇博客文章:https://blog.csdn.net/wt334502157/article/details/128219770

3. 数据展示

3-1. matplotlib

​ Matplotlib是Python中用于绘制图表和可视化数据的库,是Python中最常用的数据可视化库之一,无论是在制作科学图表、数据可视化还是报告,都具有高度的可定制性,Matplotlib提供了丰富的绘图选项,可以让数据以最吸引人的方式呈现。

  • 主要特点和功能

    • 各种图表类型: 支持线图、柱状图、散点图、饼图、直方图、等高线图等多种类型的图表。

    • 高度可定制: 用户可以对图表的各种属性进行自定义,包括颜色、线型、标签、标题等。

    • 支持多种输出格式: 可以生成图像并保存为多种格式,如PNG、JPG、SVG、PDF等。

    • 交互式功能: 结合Jupyter Notebook等环境可以实现交互式图表展示。

    • 与Pandas集成: 可以方便地与Pandas等库结合使用,直接绘制DataFrame中的数据。

  • 用途和应用场景

    • 数据可视化: 在数据科学和数据分析中广泛应用,用于展示和传达数据分析的结果。

    • 科学研究: 在科学研究中用于绘制实验数据、模拟结果和科学图表。

    • 工程和统计分析: 用于制作工程图、统计图和报告图表。

    • 教学和学习: 作为教学工具,用于制作教程、教材以及演示。

  • 基本用法示例

    1. 绘制折线图:
import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

plt.plot(x, y)
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.title('Line Chart')
plt.show()

Python-大数据分析之常用库_第1张图片

  1. 绘制柱状图:
import matplotlib.pyplot as plt

x = ['板甲', '锁甲', '皮甲', '布甲']
y = [30, 12, 37, 26]

plt.bar(x, y)
plt.xlabel('装备类型')
plt.ylabel('玩家占比')
plt.title('各甲玩家占比')
# Windows 设置显示中文
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.show()

Python-大数据分析之常用库_第2张图片

  1. 绘制散点图:
import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [2, 2, 6, 9, 16]

plt.scatter(x, y)
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.title('Scatter Plot')
plt.show()

Python-大数据分析之常用库_第3张图片

  1. 绘制雷达图
import numpy as np
import matplotlib.pyplot as plt
# 创建figure
fig = plt.figure(dpi=120)
# 准备好极坐标系的数据
# 半径为[0,1]
r = np.arange(0, 1, 0.001)
theta = 2 * 2*np.pi * r
# 极坐标下绘制
line, = plt.polar(theta, r, color='#ee8d18', lw=3)
plt.show()

Python-大数据分析之常用库_第4张图片

4. 机器学习

4-1. seaborn

​ Seaborn是建立在Matplotlib之上的数据可视化库,专注于创建具有统计意义的各种图表。它提供了简单的高级接口,可以轻松地创建漂亮的统计图表,并且具有更好的默认设置,使得数据可视化变得更加简单和直观。

​ Seaborn提供了一些Matplotlib不提供或不易实现的高级图表类型,如小提琴图、热图、分布图等,这些图表类型能更好地展示数据的分布、关系和特征;具有更好看的默认主题和调色板,使得图表外观更为美观,无需额外调整,让用户在默认情况下就能得到具有吸引力的图表。

​ 虽然Seaborn更加强大,但并不是取代Matplotlib,而是在Matplotlib的基础上提供了更多的功能和便利性,特别适用于统计分析、数据探索和一些高级的可视化需求。在实际应用中,它们可以结合使用,根据不同的需求选择合适的库来绘制图表。

主要特点和功能:

  1. 统计图表: 提供了针对统计分析常用的图表类型,如箱线图、小提琴图、热图、聚类图等。
  2. 内置主题和调色板: 具有美观的默认主题和调色板,使得图表的外观更加吸引人。
  3. 数据探索和分析: 支持对数据集的直观探索,可用于探索数据的分布、关系等。
  4. 与Pandas集成: 能够方便地与Pandas等库结合使用,直接绘制DataFrame中的数据。
  5. 多变量图表: 支持绘制多变量之间的关系图、热图等复杂图表。

用途和应用场景:

  • 数据探索和分析: 在数据科学领域中广泛应用,用于数据探索、可视化数据分布、关系等。
  • 统计分析报告: 用于生成漂亮的图表,加入报告和论文中,提供直观的数据支持。
  • 数据可视化: 作为Matplotlib的补充,提供更高级、更美观的图表,适用于各种数据可视化需求。

基本用法示例:

  1. 绘制箱线图:

    import seaborn as sns
    import matplotlib.pyplot as plt
    
    # 加载示例数据集
    tips = sns.load_dataset("tips")
    
    sns.boxplot(x="day", y="total_bill", data=tips)
    plt.xlabel('日期')
    plt.ylabel('账单')
    plt.title('每日总账单方框图')
    # Windows 设置显示中文
    plt.rcParams['font.sans-serif'] = 'SimHei'
    plt.show()
    

Python-大数据分析之常用库_第5张图片

  1. 绘制小提琴图:
import seaborn as sns
import matplotlib.pyplot as plt

# 加载示例数据集
tips = sns.load_dataset("tips")

sns.violinplot(x="day", y="total_bill", data=tips)
plt.xlabel('日期')
plt.ylabel('账单')
plt.title('每日总账单小提琴图图')
# Windows 设置显示中文
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.show()

Python-大数据分析之常用库_第6张图片

  1. 绘制热图:
import seaborn as sns
import matplotlib.pyplot as plt

# 创建一个矩阵数据
data = sns.load_dataset("flights").pivot("month", "year", "passengers")

sns.heatmap(data, annot=True, fmt="d", cmap="YlGnBu")
plt.xlabel('年')
plt.ylabel('月')
plt.title('航班乘客热呈图')
plt.show()

Python-大数据分析之常用库_第7张图片

4-2. scikit-learn

​ scikit-learn(sklearn)是一个用于机器学习和数据挖掘的Python库,提供了各种机器学习算法实现和简单而有效的工具,用于数据挖掘和数据分析。它建立在NumPy、SciPy和Matplotlib之上,包含了各种机器学习算法和工具,适用于各种机器学习任务。

  • 主要特点和功能
  1. 丰富的机器学习算法: 包含了许多常用的监督学习和无监督学习算法,如回归、分类、聚类、降维等。
  2. 易于使用的API: 具有统一和一致的API,使得用户可以方便地实现各种机器学习算法。
  3. 数据预处理和特征工程: 提供了数据预处理、特征选择、特征提取等功能,用于准备数据以供模型训练。
  4. 模型评估和验证: 提供了各种评估指标和验证方法,用于评估模型的性能和泛化能力。
  5. 与其他库的集成: 可以与NumPy、Pandas等库无缝集成,方便处理和转换数据。
  6. 可扩展性和灵活性: 支持模型的扩展和自定义,用户可以方便地实现自定义的机器学习算法。
  • 常见的机器学习任务

    • 分类: 区分数据点属于哪个类别,如垃圾邮件分类、图像识别等。

    • 回归: 预测数值型数据,如房价预测、股票价格预测等。

    • 聚类: 将数据分成不同的组别,发现数据中的模式,如用户分群、市场细分等。

    • 降维: 减少数据集维度,保留主要特征,如图像处理、文本挖掘等。

  • 基本用法示例

    1. 简单的线性回归示例
from sklearn.linear_model import LinearRegression
from sklearn.datasets import make_regression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error
import matplotlib.pyplot as plt

# 设置中文字体以支持中文显示
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 生成随机回归数据集
X, y = make_regression(n_samples=100, n_features=1, noise=20, random_state=42)

# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建线性回归模型并拟合数据
model = LinearRegression()
model.fit(X_train, y_train)

# 预测并评估模型
y_pred = model.predict(X_test)
mse = mean_squared_error(y_test, y_pred)
print("均方误差:", mse)

# 可视化结果
plt.scatter(X_test, y_test, color='black')
plt.plot(X_test, y_pred, color='blue', linewidth=3)
plt.xlabel('X')
plt.ylabel('y')
plt.title('线性回归')
plt.show()

Python-大数据分析之常用库_第8张图片

  1. K-Means聚类示例
from sklearn.datasets import make_blobs
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

# 设置中文字体以支持中文显示
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 生成随机聚类数据
X, _ = make_blobs(n_samples=300, centers=4, cluster_std=0.60, random_state=42)

# 构建并拟合K-Means模型
kmeans = KMeans(n_clusters=4)
kmeans.fit(X)

# 可视化聚类结果
plt.scatter(X[:, 0], X[:, 1], c=kmeans.labels_, cmap='viridis')
plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], s=300, c='red', marker='*', label='聚类中心')
plt.title('K-Means聚类')
plt.legend()
plt.show()

Python-大数据分析之常用库_第9张图片

  1. 决策树分类示例
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
from sklearn.tree import plot_tree

# 设置中文字体以支持中文显示
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 加载鸢尾花数据集
iris = load_iris()
X, y = iris.data, iris.target

# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 构建并拟合决策树模型
clf = DecisionTreeClassifier(max_depth=3, random_state=42)
clf.fit(X_train, y_train)

# 预测并评估模型
y_pred = clf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("准确率:", accuracy)

# 可视化决策树
plt.figure(figsize=(12, 8))
plot_tree(clf, feature_names=iris.feature_names, class_names=iris.target_names, filled=True)
plt.show()

Python-大数据分析之常用库_第10张图片

  1. 工商企业预测年营业额示例
    假设我们想要根据企业的注册资本、成立年份、行业等信息来预测企业的年营业额。以下是一个简化的示例
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error
import matplotlib.pyplot as plt
import numpy as np

# 设置中文字体以支持中文显示
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 手动生成示例数据(假设这是一个简化的数据集)
np.random.seed(42)
data = {
    '注册资本': np.random.randint(100, 1000, 50),
    '成立年份': np.random.randint(2000, 2020, 50),
    '行业': np.random.choice(['制造业', '服务业', '零售业'], 50),
    '年营业额': np.random.randint(100000, 1000000, 50)
}

# 创建DataFrame
df = pd.DataFrame(data)

# 对行业进行独热编码
df = pd.get_dummies(df, columns=['行业'])

# 数据预处理,选择特征和目标值
X = df[['注册资本', '成立年份', '行业_制造业', '行业_服务业', '行业_零售业']]
y = df['年营业额']

# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建线性回归模型并拟合数据
model = LinearRegression()
model.fit(X_train, y_train)

# 预测并评估模型
y_pred = model.predict(X_test)
mse = mean_squared_error(y_test, y_pred)
print("均方误差:", mse)

# 可视化结果(展示预测值和实际值的对比)
plt.figure(figsize=(8, 6))
plt.plot(range(len(y_pred)), y_pred, label='预测年营业额', marker='o')
plt.plot(range(len(y_test)), y_test, label='实际年营业额', marker='x')
plt.xlabel('样本编号')
plt.ylabel('年营业额')
plt.title('年营业额预测结果')
plt.legend()
plt.show()

Python-大数据分析之常用库_第11张图片

4-3. Keras

​ Keras 是一个高层神经网络 API,它可以运行在 TensorFlow、Theano 和 Microsoft Cognitive Toolkit(CNTK)之上,使得深度学习任务更加简单和快速。它设计用来快速试验和搭建神经网络模型,具有易用性和灵活性。

  • 主要特点和功能
  1. 用户友好性: Keras 提供了简洁一致的 API,易于使用和理解,适合初学者和专业人士。
  2. 模块化和可组合性: 允许用户通过堆叠层的方式快速构建神经网络模型,模块化程度高,便于修改和扩展。
  3. 支持多种神经网络类型: 支持多种类型的神经网络,包括卷积神经网络(CNN)、循环神经网络(RNN)、深度强化学习等。
  4. 灵活性: 可以在 CPU 和 GPU 上无缝运行,支持快速实验和迁移学习。
  5. 易于扩展: 可以通过添加自定义层、损失函数、激活函数等来定制模型。
  6. 内置高级功能: 提供了各种内置功能,如图像处理、序列处理、优化器、损失函数等。
  7. 广泛的社区支持: 拥有庞大的用户社区和开发者支持,提供了丰富的文档和示例。
  • Keras 的基本用法示例

以下是一个简单的示例,展示了如何使用 Keras 来构建一个简单的全连接神经网络,并训练一个分类模型:

import keras
from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import Adam
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split

# 生成分类数据
X, y = make_classification(n_samples=1000, n_features=20, n_classes=2, random_state=42)

# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建模型
model = Sequential()
model.add(Dense(64, input_shape=(20,), activation='relu'))
model.add(Dense(32, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

# 编译模型
model.compile(optimizer=Adam(learning_rate=0.001), loss='binary_crossentropy', metrics=['accuracy'])

# 训练模型
history = model.fit(X_train, y_train, batch_size=32, epochs=10, validation_data=(X_test, y_test))

# 可视化训练过程
import matplotlib.pyplot as plt

plt.plot(history.history['accuracy'], label='训练准确率')
plt.plot(history.history['val_accuracy'], label='验证准确率')
plt.xlabel('Epochs')
plt.ylabel('准确率')
plt.legend()
plt.show()

/**
Epoch 1/10
25/25 [====================] - 0s 6ms/step - loss: 0.6231 - accuracy: 0.6900 - val_loss: 0.5630 - val_accuracy: 0.7400
Epoch 2/10
25/25 [====================] - 0s 2ms/step - loss: 0.4710 - accuracy: 0.8525 - val_loss: 0.4817 - val_accuracy: 0.7850
Epoch 3/10
25/25 [====================] - 0s 2ms/step - loss: 0.3752 - accuracy: 0.8763 - val_loss: 0.4277 - val_accuracy: 0.8150
Epoch 4/10
25/25 [====================] - 0s 2ms/step - loss: 0.3247 - accuracy: 0.8925 - val_loss: 0.4103 - val_accuracy: 0.8300
Epoch 5/10
25/25 [====================] - 0s 2ms/step - loss: 0.2992 - accuracy: 0.8950 - val_loss: 0.4085 - val_accuracy: 0.8300
Epoch 6/10
25/25 [====================] - 0s 2ms/step - loss: 0.2821 - accuracy: 0.9025 - val_loss: 0.4048 - val_accuracy: 0.8400
Epoch 7/10
25/25 [====================] - 0s 2ms/step - loss: 0.2696 - accuracy: 0.9038 - val_loss: 0.3964 - val_accuracy: 0.8400
Epoch 8/10
25/25 [====================] - 0s 2ms/step - loss: 0.2598 - accuracy: 0.9025 - val_loss: 0.4061 - val_accuracy: 0.8400
Epoch 9/10
25/25 [====================] - 0s 2ms/step - loss: 0.2484 - accuracy: 0.9150 - val_loss: 0.4035 - val_accuracy: 0.8350
Epoch 10/10
25/25 [====================] - 0s 2ms/step - loss: 0.2383 - accuracy: 0.9125 - val_loss: 0.4063 - val_accuracy: 0.8550
**/

Python-大数据分析之常用库_第12张图片

你可能感兴趣的:(python,数据可视化,大数据,python,数据分析,大数据,数据可视化)