1. Numpy
能够提供数组支持&＃xff0c;进行矢量运算&＃xff0c;并且高效地处理函数&＃xff0c;线性代数处理等。提供真正的数组&＃xff0c;比起python内置列表来说&＃xff0c; Numpy速度更快。同时&＃xff0c;Scipy、Matplotlib、Pandas等库都是源于 Numpy。因为 Numpy内置函数处理数据速度与C语言同一级别&＃xff0c;建议使用时尽量用内置函数。
2. Scipy
基于Numpy,能够提供了真正的矩阵支持&＃xff0c;以及大量基于矩阵的数值计算模块&＃xff0c;包括&＃xff1a;插值运算&＃xff0c;线性代数、图像信号&＃xff0c;快速傅里叶变换、优化处理、常微分方程求解等。
3. Pandas
源于NumPy&＃xff0c;提供强大的数据读写功能&＃xff0c;支持类似SQL的增删改查&＃xff0c;数据处理函数非常丰富&＃xff0c;并且支持时间序列分析功能&＃xff0c;灵活地对数据进行分析与探索&＃xff0c;是python数据挖掘&＃xff0c;必不可少的工具。
Pandas基本数据结构是Series和DataFrame。Series是序列&＃xff0c;类似一维数组&＃xff0c;DataFrame相当于一张二维表格&＃xff0c;类似二维数组&＃xff0c;DataFrame的每一列都是一个Series。
4. Matplotlib
数据可视化最常用&＃xff0c;也是醉好用的工具之一&＃xff0c;python中著名的绘图库&＃xff0c;主要用于2维作图&＃xff0c;只需简单几行代码可以生成各式的图表&＃xff0c;例如直方图&＃xff0c;条形图&＃xff0c;散点图等&＃xff0c;也可以进行简单的3维绘图。
5. Scikit-Learn
Scikit-Learn源于NumPy、Scipy和Matplotlib&＃xff0c;是一 款功能强大的机器学习python库&＃xff0c;能够提供完整的学习工具箱(数据处理&＃xff0c;回归&＃xff0c;分类&＃xff0c;聚类&＃xff0c;预测&＃xff0c;模型分析等)&＃xff0c;使用起来简单。不足是没有提供神经网络&＃xff0c;以及深度学习等模型。
6. Keras
基于Theano的一款深度学习python库&＃xff0c;不仅能够用来搭建普通神经网络&＃xff0c;还能建各种深度学习模型&＃xff0c;例如&＃xff1a;自编码器、循环神经网络、递归神经网络、卷积神经网络等&＃xff0c;重要的是&＃xff0c;运行速度几块&＃xff0c;对搭建各种神经网络模型的步骤进行简化&＃xff0c;能够允许普通用户&＃xff0c;轻松地搭建几百个输入节点的深层神经网络&＃xff0c;定制程度也非常高。
7. Genism
Genism主要用来处理语言方面的任务&＃xff0c;如文本相似度计算、LDA、Word2Vec等。
8. TensorFlow
google开源的数值计算框架&＃xff0c;采用数据流图的方式&＃xff0c;可灵活搭建深度学习模型。
编程语言(programming language)是一种被标准化的交流技巧&＃xff0c;用来向计算机发出指令&＃xff0c;定义计算机程序&＃xff0c;让程序员能够准确地定义计算机所需要使用的数据&＃xff0c;并精确地定义在不同情况下所应当采取的行动的一种计算机语言。 编程语言可以分成机器语言、汇编语言、高级语言三大类。计算机领域已发明了上千不同的编程语言&＃xff0c;而且每年仍有新的编程语言诞生。
京公网安备 11010802041100号