2021年数据科学家应该知道的十大Python库
来源：CPDA数据分析师网 / 时间：2021-05-07
你听过这句话，数据科学家的工作中有70％到80％是了解和清理数据，也就是数据探索和数据处理，Pandas主要用于数据分析，它是常用的Python库之一，它为您提供了一些有用的工具集，用于探索，清理和分析数据。借助Pandas，您可以加载，准备，操作和分析各种结构化数据，机器学习库也围绕Pandas DataFrames作为输入。
2. NumPy
NumPy主要用于支持N维数组，与Python列表相比，这些多维数组的健壮性是其50倍，使NumPy成为数据科学家的，TensorFlow等其他库也将NumPy用于张量的内部计算，NumPy还为数字例程提供快速的预编译函数，这些函数很难手动求解，为了获得更高的效率，NumPy使用面向数组的计算，因此使用多个类变得容易。
3. Scikit学习
Scikit-learn可以说是Python中用于机器学习的重要的库。在使用Pandas或NumPy清理并处理了数据之后，由于具有大量用于预测建模和分析的工具，因此scikit-learn用于构建机器学习模型，使用scikit-learn的原因很多，仅举几例，您可以使用scikit-learn来构建几种类型的机器学习模型，这些模型是有监督的和无监督的，可以交叉验证模型的准确性，并且可以发挥功能的重要性。
4. Gradio
Gradio使您只需三行代码即可为您的机器学习模型构建和部署Web应用程序。它的作用与Streamlit或Flask相同，但我发现部署模型更快，更容易。
Gradio之所以有用是因为以下原因：
1、它允许进一步的模型验证。具体来说，它允许您交互测试模型中的不同输入。
2、这是进行演示的好方法。
3、易于实施和分发，因为任何人都可以通过公共链接访问该Web应用程序。
5. TensorFlow
TensorFlow是用于实现神经网络的的Python库之一。它使用多维数组，也称为张量，从而允许它对特定输入执行多项操作。
因为它本质上是高度并行的，所以它可以训练多个神经网络和GPU，以获得高效和可扩展的模型。
6.凯拉斯
Keras主要用于创建深度学习模型，特别是神经网络，它建立在TensorFlow和Theano的基础上，使您可以非常简单地构建神经网络。由于Keras使用后端基础结构生成计算图，因此与其他库相比，它相对较慢。
7.科学
顾名思义，SciPy主要用于其科学功能和源自NumPy的数学功能。该库提供的一些有用功能是统计功能，优化功能和信号处理功能。为了求解微分方程并提供优化，它包括用于数值计算积分的函数。使SciPy变得重要的一些应用程序包括：
1、多维图像处理
2、能够解决傅立叶变换和微分方程
3、由于其优化的算法，它可以非常强大和高效地进行线性代数计算
8.统计模型
Statsmodels是用于进行核心统计的出色库，这个多功能库融合了不同的Python库，采用了Matplotlib的图形特性和功能，用于数据处理，使用Pandas，用于处理类似R的公式，使用Pasty，并基于NumPy和SciPy构建。
具体来说，它对于创建统计模型（例如OLS）以及执行统计测试很有用。
9.密谋
Plotly是构建可视化工具必不可少的工具，因为它非常强大，易于使用，并且能够与可视化工具进行交互具有很大的好处，Dash是Plotly的工具，它使您可以使用Plotly可视化工具构建动态仪表板，Dash是基于Web的python界面，它消除了这些类型的分析Web应用程序中对JavaScript的需求，并允许您在线和离线运行这些绘图。
10. Seaborn
Seaborn建立在Matplotlib的顶部，是用于创建不同可视化效果的有效库，Seaborn重要的功能之一就是创建放大的数据视觉效果，初在视觉上不明显的一些相关性可以在视觉环境中显示，从而使数据科学家可以更正确地理解模型，由于其可自定义的主题和高级界面，它提供了精心设计的非凡数据可视化效果，因此使绘图变得非常有吸引力，以后可以将其显示给涉众。