3 個用於資料科學的頂級 Python 庫 | Linux 中國

使用這些庫把 Python 變成一個科學資料分析和建模工具。

Python 的許多特性，比如開發效率、程式碼可讀性、速度等使之成為了資料科學愛好者的首選程式語言。對於想要升級應用程式功能的資料科學家和機器學習專家來說，Python 通常是最好的選擇（比如，Andrey Bulezyuk 使用 Python 語言創造了一個優秀的機器學習應用程式[1]）。

由於 Python 的廣泛使用，因此它擁有大量的庫，使得資料科學家能夠很容易地完成複雜的任務，而且不會遇到許多編碼困難。下麵列出 3 個用於資料科學的頂級 Python 庫。如果你想在資料科學這一領域開始你的職業生涯，就去瞭解一下它們吧。

NumPy

NumPy[2]（數值 Python 的簡稱）是其中一個頂級資料科學庫，它擁有許多有用的資源，從而幫助資料科學家把 Python 變成一個強大的科學分析和建模工具。ＮumPy 是在 BSD 許可證的許可下開源的，它是在科學計算中執行任務的基礎 Python 庫。SciPy 是一個更大的基於 Python 生態系統的開源工具，而 NumPy 是 SciPy 非常重要的一部分。

NumPy 為 Python 提供了大量資料結構，從而能夠輕鬆地執行多維陣列和矩陣運算。除了用於求解線性代數方程和其它數學計算之外，NumPy 還可以用做不同型別通用資料的多維容器。

此外，NumPy 還可以和其他程式語言無縫整合，比如 C/C++ 和 Fortran。NumPy 的多功能性使得它可以簡單而快速地與大量資料庫和工具結合。比如，讓我們來看一下如何使用 NumPy（縮寫成 np）來實現兩個矩陣的乘法運算。

我們首先匯入 NumPy 庫（在這些例子中，我將使用 Jupyter notebook）：

import numpy as np

接下來，使用 eye() 函式來生成指定維數的單位矩陣：

matrix_one = np.eye(3)
matrix_one

輸出如下：

array([[1., 0., 0.],
       [0., 1., 0.],
       [0., 0., 1.]])

讓我們生成另一個 3×3 矩陣。

我們使用 arange([starting number], [stopping number]) 函式來排列數字。註意，函式中的第一個引數是需要列出的初始數字，而後一個數字不包含在生成的結果中。

另外，使用 reshape() 函式把原始生成的矩陣的維度改成我們需要的維度。為了使兩個矩陣“可乘”，它們需要有相同的維度。

matrix_two = np.arange(1,10).reshape(3,3)
matrix_two

輸出如下：

array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

接下來，使用 dot() 函式將兩個矩陣相乘。

matrix_multiply = np.dot(matrix_one, matrix_two)
matrix_multiply

相乘後的輸出如下：

array([[1., 2., 3.],
       [4., 5., 6.],
       [7., 8., 9.]])

太好了！

我們成功使用 NumPy 完成了兩個矩陣的相乘，而不是使用普通冗長vanilla的 Python 程式碼。

下麵是這個例子的完整程式碼：

import numpy as np
#生成一個 3x3 單位矩陣
matrix_one = np.eye(3)
matrix_one
#生成另一個 3x3 矩陣以用來做乘法運算
matrix_two = np.arange(1,10).reshape(3,3)
matrix_two
#將兩個矩陣相乘
matrix_multiply = np.dot(matrix_one, matrix_two)
matrix_multiply

Pandas

Pandas[3] 是另一個可以提高你的 Python 資料科學技能的優秀庫。就和 NumPy 一樣，它屬於 SciPy 開源軟體家族，可以在 BSD 自由許可證許可下使用。

Pandas 提供了多能而強大的工具，用於管理資料結構和執行大量資料分析。該庫能夠很好的處理不完整、非結構化和無序的真實世界資料，並且提供了用於整形、聚合、分析和視覺化資料集的工具

Pandas 中有三種型別的資料結構：

例如，我們來看一下如何使用 Panda 庫（縮寫成 pd）來執行一些描述性統計計算。

首先匯入該庫：

import pandas as pd

然後，建立一個序列series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'])
    }

接下來，再建立一個資料框DataFrame：

df = pd.DataFrame(d)

輸出是一個非常規整的表：

      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

下麵是這個例子的完整程式碼：

import pandas as pd
#建立一個序列字典
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'])
    }
#建立一個資料框
df = pd.DataFrame(d)
print(df)

from matplotlib import pyplot as plt

x = [2, 4, 6, 8, 10]
y = [10, 11, 6, 7, 4]

plt.bar(x,y)

plt.show()

#匯入 Matplotlib 庫
from matplotlib import pyplot as plt
#和 import matplotlib.pyplot as plt 一樣
 
#生成 x 軸的數值
x = [2, 4, 6, 8, 10]
 
#生成 y 軸的數值
y = [10, 11, 6, 7, 4]
 
#呼叫函式來繪製柱狀圖
plt.bar(x,y)
 
#顯示圖表
plt.show()