mirror of
https://github.com/LCTT/TranslateProject.git
synced 2024-12-23 21:20:42 +08:00
242 lines
8.5 KiB
Markdown
242 lines
8.5 KiB
Markdown
3 个用于数据科学的顶级 Python 库
|
||
======
|
||
|
||
> 使用这些库把 Python 变成一个科学数据分析和建模工具。
|
||
|
||
![][7]
|
||
|
||
Python 的许多特性，比如开发效率、代码可读性、速度等使之成为了数据科学爱好者的首选编程语言。对于想要升级应用程序功能的数据科学家和机器学习专家来说，Python 通常是最好的选择（比如，Andrey Bulezyuk 使用 Python 语言创造了一个优秀的[机器学习应用程序][1]）。
|
||
|
||
由于 Python 的广泛使用，因此它拥有大量的库，使得数据科学家能够很容易地完成复杂的任务，而且不会遇到许多编码困难。下面列出 3 个用于数据科学的顶级 Python 库。如果你想在数据科学这一领域开始你的职业生涯，就去了解一下它们吧。
|
||
|
||
### NumPy
|
||
|
||
[NumPy][2]（数值 Python 的简称）是其中一个顶级数据科学库，它拥有许多有用的资源，从而帮助数据科学家把 Python 变成一个强大的科学分析和建模工具。ＮumPy 是在 BSD 许可证的许可下开源的，它是在科学计算中执行任务的基础 Python 库。SciPy 是一个更大的基于 Python 生态系统的开源工具，而 NumPy 是 SciPy 非常重要的一部分。
|
||
|
||
NumPy 为 Python 提供了大量数据结构，从而能够轻松地执行多维数组和矩阵运算。除了用于求解线性代数方程和其它数学计算之外，NumPy 还可以用做不同类型通用数据的多维容器。
|
||
|
||
此外，NumPy 还可以和其他编程语言无缝集成，比如 C/C++ 和 Fortran。NumPy 的多功能性使得它可以简单而快速地与大量数据库和工具结合。比如，让我们来看一下如何使用 NumPy（缩写成 `np`）来实现两个矩阵的乘法运算。
|
||
|
||
我们首先导入 NumPy 库（在这些例子中，我将使用 Jupyter notebook）：
|
||
|
||
```
|
||
import numpy as np
|
||
```
|
||
|
||
接下来，使用 `eye()` 函数来生成指定维数的单位矩阵：
|
||
|
||
```
|
||
matrix_one = np.eye(3)
|
||
matrix_one
|
||
```
|
||
|
||
输出如下：
|
||
|
||
```
|
||
array([[1., 0., 0.],
|
||
[0., 1., 0.],
|
||
[0., 0., 1.]])
|
||
```
|
||
|
||
让我们生成另一个 3x3 矩阵。
|
||
|
||
我们使用 `arange([starting number], [stopping number])` 函数来排列数字。注意，函数中的第一个参数是需要列出的初始数字，而后一个数字不包含在生成的结果中。
|
||
|
||
另外，使用 `reshape()` 函数把原始生成的矩阵的维度改成我们需要的维度。为了使两个矩阵“可乘”，它们需要有相同的维度。
|
||
|
||
```
|
||
matrix_two = np.arange(1,10).reshape(3,3)
|
||
matrix_two
|
||
```
|
||
|
||
输出如下：
|
||
|
||
```
|
||
array([[1, 2, 3],
|
||
[4, 5, 6],
|
||
[7, 8, 9]])
|
||
```
|
||
|
||
接下来，使用 `dot()` 函数将两个矩阵相乘。
|
||
|
||
```
|
||
matrix_multiply = np.dot(matrix_one, matrix_two)
|
||
matrix_multiply
|
||
```
|
||
|
||
相乘后的输出如下：
|
||
|
||
```
|
||
array([[1., 2., 3.],
|
||
[4., 5., 6.],
|
||
[7., 8., 9.]])
|
||
```
|
||
|
||
太好了！
|
||
|
||
我们成功使用 NumPy 完成了两个矩阵的相乘，而不是使用<ruby>普通冗长<rt>vanilla</rt></ruby>的 Python 代码。
|
||
|
||
下面是这个例子的完整代码：
|
||
|
||
```
|
||
import numpy as np
|
||
#生成一个 3x3 单位矩阵
|
||
matrix_one = np.eye(3)
|
||
matrix_one
|
||
#生成另一个 3x3 矩阵以用来做乘法运算
|
||
matrix_two = np.arange(1,10).reshape(3,3)
|
||
matrix_two
|
||
#将两个矩阵相乘
|
||
matrix_multiply = np.dot(matrix_one, matrix_two)
|
||
matrix_multiply
|
||
```
|
||
|
||
### Pandas
|
||
|
||
[Pandas][3] 是另一个可以提高你的 Python 数据科学技能的优秀库。就和 NumPy 一样，它属于 SciPy 开源软件家族，可以在 BSD 自由许可证许可下使用。
|
||
|
||
Pandas 提供了多能而强大的工具，用于管理数据结构和执行大量数据分析。该库能够很好的处理不完整、非结构化和无序的真实世界数据，并且提供了用于整形、聚合、分析和可视化数据集的工具
|
||
|
||
Pandas 中有三种类型的数据结构：
|
||
|
||
* Series：一维、相同数据类型的数组
|
||
* DataFrame：二维异型矩阵
|
||
* Panel：三维大小可变数组
|
||
|
||
例如，我们来看一下如何使用 Panda 库（缩写成 `pd`）来执行一些描述性统计计算。
|
||
|
||
首先导入该库：
|
||
|
||
```
|
||
import pandas as pd
|
||
```
|
||
|
||
然后，创建一个<ruby>序列<rt>series</rt></ruby>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'])
|
||
}
|
||
```
|
||
|
||
接下来，再创建一个<ruby>数据框<rt>DataFrame</rt></ruby>：
|
||
|
||
```
|
||
df = pd.DataFrame(d)
|
||
```
|
||
|
||
输出是一个非常规整的表：
|
||
|
||
```
|
||
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
|
||
```
|
||
|
||
下面是这个例子的完整代码：
|
||
|
||
```
|
||
import pandas as pd
|
||
#创建一个序列字典
|
||
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'])
|
||
}
|
||
|
||
#创建一个数据框
|
||
df = pd.DataFrame(d)
|
||
print(df)
|
||
```
|
||
|
||
### Matplotlib
|
||
|
||
[Matplotlib][4] 也是 Scipy 核心包的一部分，并且在 BSD 许可证下可用。它是一个非常流行的科学库，用于实现简单而强大的可视化。你可以使用这个 Python 数据科学框架来生成曲线图、柱状图、直方图以及各种不同形状的图表，并且不用担心需要写很多行的代码。例如，我们来看一下如何使用 Matplotlib 库来生成一个简单的柱状图。
|
||
|
||
首先导入该库：
|
||
|
||
```
|
||
from matplotlib import pyplot as plt
|
||
```
|
||
|
||
然后生成 x 轴和 y 轴的数值：
|
||
|
||
```
|
||
x = [2, 4, 6, 8, 10]
|
||
y = [10, 11, 6, 7, 4]
|
||
```
|
||
|
||
接下来，调用函数来绘制柱状图：
|
||
|
||
```
|
||
plt.bar(x,y)
|
||
```
|
||
|
||
最后，显示图表：
|
||
|
||
```
|
||
plt.show()
|
||
```
|
||
|
||
柱状图如下：
|
||
|
||
![][6]
|
||
|
||
下面是这个例子的完整代码：
|
||
|
||
```
|
||
#导入 Matplotlib 库
|
||
from matplotlib import pyplot as plt
|
||
#和 import matplotlib.pyplot as plt 一样
|
||
|
||
#生成 x 轴的数值
|
||
x = [2, 4, 6, 8, 10]
|
||
|
||
#生成 y 轴的数值
|
||
y = [10, 11, 6, 7, 4]
|
||
|
||
#调用函数来绘制柱状图
|
||
plt.bar(x,y)
|
||
|
||
#显示图表
|
||
plt.show()
|
||
```
|
||
|
||
### 总结
|
||
|
||
Python 编程语言非常擅长数据处理和准备，但是在科学数据分析和建模方面就没有那么优秀了。幸好有这些用于[数据科学][5]的顶级 Python 框架填补了这一空缺，从而你能够进行复杂的数学计算以及创建复杂模型，进而让数据变得更有意义。
|
||
|
||
你还知道其它的 Python 数据挖掘库吗？你的使用经验是什么样的？请在下面的评论中和我们分享。
|
||
|
||
--------------------------------------------------------------------------------
|
||
|
||
via: https://opensource.com/article/18/9/top-3-python-libraries-data-science
|
||
|
||
作者：[Dr.Michael J.Garbade][a]
|
||
选题：[lujun9972](https://github.com/lujun9972)
|
||
译者：[ucasFL](https://github.com/ucasFL)
|
||
校对：[wxy](https://github.com/wxy)
|
||
|
||
本文由 [LCTT](https://github.com/LCTT/TranslateProject) 原创编译，[Linux中国](https://linux.cn/) 荣誉推出
|
||
|
||
[a]: https://opensource.com/users/drmjg
|
||
[1]: https://www.liveedu.tv/andreybu/REaxr-machine-learning-model-python-sklearn-kera/oPGdP-machine-learning-model-python-sklearn-kera/
|
||
[2]: http://www.numpy.org/
|
||
[3]: http://pandas.pydata.org/
|
||
[4]: https://matplotlib.org/
|
||
[5]: https://www.liveedu.tv/guides/data-science/
|
||
[6]: https://opensource.com/sites/default/files/uploads/matplotlib_barchart.png
|
||
[7]: https://opensource.com/sites/default/files/styles/image-full-size/public/lead-images/data_metrics_analytics_desktop_laptop.png?itok=9QXd7AUr
|