必读：数据科学家最常用的几个Python库

好的代码库就是好用的工具箱，无论是新手，还是数据科学高手，学习这些库能让你更有效率。

下面是对一些最流行的数据科学和机器学习的 Python 库的基本介绍。

1、Scikit-learn
这是最基础和流行的机器学习的 Python 库。事实上，Scikit-learn 是机器学习的主要库。它有用于预处理、交叉验证和其他类似目的的算法和模块。

其中一些算法涉及回归、决策树、集合建模和非监督学习算法，如聚类。

项目地址：https://github.com/scikit-learn/scikit-learn

2、NumPy
NumPy 是另一个用于机器学习和重度计算的精彩 Python 库。NumPy 促进了简单而有效的数字计算。它有许多其他的库建立在它的基础上，如 Pandas。

你至少应该确保学习 NumPy 数组，它是基本的，在机器学习、数据科学和基于人工智能的程序中有很多应用。

项目地址：https://github.com/numpy/numpy

3、Pandas
这是一个建立在 NumPy 之上的 Python 库。它在数据结构和探索性分析方面很方便。它提供的另一个重要功能是 DataFrame，一个具有潜在不同类型的列的二维数据结构。

Pandas 将是你一直需要的最重要的库之一，这就是为什么学好 Pandas 非常重要。

项目地址：https://github.com/pandas-dev/pandas

4、Matplotlib
如果你需要绘图，那么 Matlotlib 是一个选择。它提供了一个灵活的绘图和可视化库，Matplotlib 很强大。但是，它很麻烦，所以，你可以选择 Seaborn 来代替。

项目地址：https://github.com/matplotlib/matplotlib

5、Seaborn
和 Matplotlib 一样，它也是一个很好的绘图库，但有了 Seaborn，绘制普通的数据可视化就比以前更容易了。

它建立在 Matplotlib 的基础上，提供了一个更令人愉快的高级包装器。你应该学习有效的数据可视化。

项目地址：https://github.com/seaborn

6、SciPy
这是一个用于科学和技术计算的 Python 库。它将为你提供科学和技术计算所需的所有工具。

它有优化、线性代数、积分、插值、特殊函数、快速傅立叶变换、信号和图像处理、独依赖估计求解器和其他任务等模块。

项目地址：https://github.com/scipy/scipy

7、OpenCV
这是 Python 开发人员在计算机视觉方面的另一个重要库。如果你不知道，计算机视觉是机器学习和人工智能中最令人兴奋的领域之一。

它在许多行业都有应用，如 自动驾驶 汽车、机器人、增强现实等，而 OpenCV 是最好的计算机视觉库。

尽管你可以用许多编程语言如 C++ 来使用 OpenCV，但它的 Python 版本对初学者友好，易于使用，这使它成为一个伟大的库，被列入这个列表。

如果你想学习 Python 和 OpenCV 进行基本的图像处理，并进行图像分类和物体检测，并且需要一个课程，那么我强烈建议你参加一个实践课程，该课程将通过几个实验和练习教你一个 OpenCV。

项目地址：https://github.com/opencv/opencv

8、TensorFlow
这是最流行的机器学习库之一，你很有可能已经听说过它了。你可能知道 TensorFlow 来自谷歌，是由他们的谷歌大脑团队发明的，并用于 RankBrain 算法，该算法为谷歌搜索引擎上的数百万个搜索问题提供动力。

一般来说，它是一个符号数学库，也被用于机器学习应用，如神经网络。TensorFlow 有很多应用，你可以在网上找到很多故事，比如一个日本农民如何使用 TensorFlow 来分拣黄瓜。

项目地址：https://github.com/tensorflow/tensorflow

9、PyTorch
这是另一个用于数据科学和机器学习的令人兴奋和强大的 Python 库，是每个数据科学家都应该学习的东西。

如果你不知道，PyTorch 是 Facebook 开发的最好的深度学习库之一，可用于深度学习应用，如人脸识别自动驾驶汽车等。

你也可以使用 PyTorch 来构建机器学习模型，如 NLP 和计算机视觉，仅举几例。你也可以使用 PyTorch 来创建深度神经网络。

项目地址：https://github.com/pytorch/pytorch

10、Keras
创建机器学习和基于深度学习的解决方案的主要问题之一是，实现它们可能很繁琐，需要编写许多行复杂的代码。Keras 是一个库，使你更容易创建这些深度学习解决方案。

只需几行代码，你就可以创建一个可能需要数百行传统代码的模型。

项目地址：https://github.com/keras-team/keras