【導讀】Python在解決數(shù)據(jù)科學任務和挑戰(zhàn)方面處于領先地位。而一些方便易用的庫則幫助了開發(fā)人員高效開發(fā)。在這里我們整理了20個在深度學習、數(shù)據(jù)分析中最常用、最好用的Python庫，供大家一起學習。

作者｜ ActiveWizards

編譯｜專知

整理｜Yingying，李大囧

核心庫與統(tǒng)計

NumPy

我們從科學應用程序庫開始說起，NumPy是該領域的主要軟件包之一。 它旨在處理大型多維數(shù)組和矩陣，并且廣泛的高級數(shù)學函數(shù)和實現(xiàn)的方法集合，使得可以使用這些對象執(zhí)行各種操作。

在這一年中，NumPy有很多更新。 除了錯誤修復和兼容性問題之外，關鍵更新還包括NumPy對象的打印格式。此外，某些函數(shù)現(xiàn)在可以處理Python中可用的任何編碼的文件。

SciPy

另一個科學計算核心庫是SciPy。它基于NumPy，并擴展了其功能。 SciPy主數(shù)據(jù)結構又是一個多維數(shù)組，由Numpy實現(xiàn)。該軟件包包含有助于解決線性代數(shù)，概率論，積分計算和更多任務的工具。

SciPy可以適配不同的操作系統(tǒng)。這一年，Scipy帶來了許多函數(shù)的更新，尤其是優(yōu)化器也更新了。此外，封裝了許多新的BLAS和LAPACK函數(shù)。

Pandas

Pandas提供了高級數(shù)據(jù)結構和各種分析工具。該軟件包的一大特色是能夠將相當復雜的數(shù)據(jù)操作轉換為一個或兩個命令。 Pandas包含許多用于分組，過濾和組合數(shù)據(jù)的內置方法，以及時間序列功能。

Pandas在這一年的更新包括數(shù)百個新功能，bug修復和API的更改。

StatsModels

Statsmodels是一個統(tǒng)用于統(tǒng)計數(shù)據(jù)分析的方法，例如統(tǒng)計模型估計，執(zhí)行統(tǒng)計測試等。在它的幫助下，您可以實現(xiàn)許多機器學習方法。

這個庫在不停的更新。今年帶來了時間序列改進和新的計數(shù)模型，即GeneralizedPoisson，零膨脹模型和NegativeBinomialP，以及新的多變量方法 - 因子分析，MANOVA和ANOVA中的重復測量。

可視化

Matplotlib

Matplotlib是一個用于創(chuàng)建二維圖表和圖形的低級庫。 借助它的幫助，您可以構建各種圖表，從直方圖和散點圖到非笛卡爾坐標圖。 此外，許多流行的繪圖庫被設計為與matplotlib一起使用。

顏色，尺寸，字體，圖例的樣式等都有變化。比如軸圖例的自動對齊，和更友好的配色。

Seaborn

Seaborn本質上是基于matplotlib庫的更高級別的API。 它包含有豐富的可視化圖庫，包括時間序列，聯(lián)合圖和小提琴圖（展示數(shù)據(jù)密度分布）等復雜類型。

seaborn更新主要包括bug修復。 此外，F(xiàn)acetGrid或PairGrid與增強的交互式matplotlib后端之間的兼容性有所改進，為可視化添加了參數(shù)和選項。

Plotly

Plotly是一個流行的庫，可以讓您輕松地構建復雜的圖形。 該軟件包適用于交互式Web應用程序。 其可視化效果包括輪廓圖形，三元圖和3D圖表。

今年該庫的更新包括對“多鏈接視圖”以及動畫和串擾集成的支持。

Bokeh

Bokeh庫使用JavaScript小部件在瀏覽器中創(chuàng)建交互式和可伸縮的可視化。 該庫提供了多種圖形，樣式及鏈接圖形式的交互能力，定義回調以及更多有用的功能。

Bokeh可以提供改進的交互式功能，例如分類刻度標簽的旋轉，以及小縮放工具和自定義工具提示字段增強功能。

Pydot

Pydot是Graphviz的一個接口，用純Python編寫。 在它的幫助下，可以顯示圖形的結構，這在構建神經(jīng)網(wǎng)絡和基于決策樹的算法時會經(jīng)常用到。

機器學習

Scikit-learn

這個基于NumPy和SciPy的Python模塊是處理數(shù)據(jù)的最佳庫之一。它為許多標準機器學習和數(shù)據(jù)挖掘任務提供算法，例如聚類，回歸，分類，降維和模型選擇。

今年這個庫的更新包括:修改交叉驗證，提供了使用多個指標的功能；最近鄰和邏輯回歸等幾種訓練方法有一些小的改進。

XGBoost / LightGBM / CatBoost

Boosting是最流行的機器學習算法之一，其在于構建基本模型的集合，即決策樹。因此，有專門的庫設計用于快速方便地實現(xiàn)該方法。XGBoost，LightGBM和CatBoost值得特別關注。這些庫提供高度優(yōu)化，可擴展和快速的梯度增強實現(xiàn)，這使得它們在數(shù)據(jù)科學家和Kaggle競賽中非常受歡迎。

Eli5

通常，機器學習模型預測的結果并不完全清楚，而eli5庫有助與解決問題。它是一個可視化調試機器學習模型的包，并逐步跟蹤算法的工作過程。它可與scikit-learn，XGBoost，LightGBM，lightning和sklearn-crfsuite庫兼容。

深度學習

TensorFlow

TensorFlow是一個流行的深度和機器學習框架，由Google Brain開發(fā)。它提供了使用具有多個數(shù)據(jù)集的人工神經(jīng)網(wǎng)絡的能力。最受歡迎的TensorFlow應用包括對象識別，語音識別等。

這個庫在新版本中很快，引入了新功能和新功能。最新的修復包括潛在的安全漏洞和改進的TensorFlow和GPU集成，例如您可以在一臺計算機上的多個GPU上運行Estimator模型。

PyTorch

PyTorch是一個大型框架，允許使用GPU加速執(zhí)行張量計算，創(chuàng)建動態(tài)計算圖并自動計算梯度。在此之上，PyTorch提供了豐富的API，用于解決與神經(jīng)網(wǎng)絡相關的應用。

該庫基于Torch，這是一個用C語言實現(xiàn)的開源深度學習庫，在Lua中有一個包裝器。 Python API于2017年推出，從那時起，該框架越來越受歡迎并吸引了越來越多的數(shù)據(jù)科學家。

Keras

Keras是一個用于處理神經(jīng)網(wǎng)絡的高級庫，運行在TensorFlow，Theano之上?，F(xiàn)在它也可以使用CNTK和MxNet作為后端。它簡化了許多特定任務，并大大減少了單調代碼的數(shù)量。但是，它可能不適合某些復雜的事情。

該庫在性能，可用性，文檔和API都有一定改進。一些新功能是Conv3DTranspose層，新的MobileNet應用程序和自我規(guī)范化網(wǎng)絡。

分布式深度學習

Dist-keras / elephas / spark-deep-learning

使用像Apache Spark這樣的分布式計算系統(tǒng)可以更輕松地處理如此大量的數(shù)據(jù)，這再次擴展了深度學習的可能性。因此，dist-keras，elephas和spark-deep-learning正在迅速發(fā)展。這些軟件包可以在Apache Spark的幫助下直接基于Keras庫訓練神經(jīng)網(wǎng)絡。 Spark-deep-learning還提供了使用Python神經(jīng)網(wǎng)絡創(chuàng)建管道的工具。

自然語言處理

NLTK

NLTK是一組庫，是自然語言處理的完整平臺。 在NLTK的幫助下，您可以通過各種方式處理和分析文本，標記文本，提取信息等。NLTK還用于原型設計和構建研究系統(tǒng)。

這個庫的附魔包括API和兼容性的微小變化以及CoreNLP的新界面。

SpaCy

SpaCy是一個自然語言處理庫，包含優(yōu)秀的demo，API文檔和演示應用程序。該庫是用Cython語言編寫的，它是Python的C擴展。它支持近30種語言，提供簡單的深度學習集成，并保證了穩(wěn)健性和高準確性。 SpaCy的另一個重要特性它是為整個文檔處理而設計的，而不會將文檔分成短語。

Gensim

Gensim是一個用于強大語義分析，主題建模和向量空間建模的Python庫，基于Numpy和Scipy構建。它提供了流行的NLP算法的實現(xiàn)，例如word2vec。

數(shù)據(jù)抓取

Scrapy

Scrapy是一個用于創(chuàng)建掃描網(wǎng)站頁面和收集結構化數(shù)據(jù)的爬蟲庫。此外，Scrapy可以從API中提取數(shù)據(jù)。由于其可擴展性和可移植性，該庫恰好非常方便。

結論
與去年相比，一些新的庫越來越受歡迎，而那些已成為數(shù)據(jù)科學任務經(jīng)典庫正在不斷改進。

表格中列出了這些庫的github活動的詳細統(tǒng)計信息。

編輯：hfy