Python數(shù)據(jù)分析必備的第三方庫：
成都創(chuàng)新互聯(lián)專注于企業(yè)成都營銷網(wǎng)站建設(shè)、網(wǎng)站重做改版、黃平網(wǎng)站定制設(shè)計、自適應(yīng)品牌網(wǎng)站建設(shè)、H5高端網(wǎng)站建設(shè)、商城開發(fā)、集團公司官網(wǎng)建設(shè)、外貿(mào)網(wǎng)站建設(shè)、高端網(wǎng)站制作、響應(yīng)式網(wǎng)頁設(shè)計等建站業(yè)務(wù)，價格優(yōu)惠性價比高，為黃平等各大城市提供網(wǎng)站開發(fā)制作服務(wù)。
1、Pandas
Pandas是Python強大、靈活的數(shù)據(jù)分析和探索工具，包含Serise、DataFrame等高級數(shù)據(jù)結(jié)構(gòu)和工具，安裝Pandas可使Python中處理數(shù)據(jù)非?？焖俸秃唵?。
Pandas是Python的一個數(shù)據(jù)分析包，Pandas最初使用用作金融數(shù)據(jù)分析工具而開發(fā)出來，因此Pandas為時間序列分析提供了很好的支持。
Pandas是為了解決數(shù)據(jù)分析任務(wù)而創(chuàng)建的，Pandas納入了大量的庫和一些標(biāo)準(zhǔn)的數(shù)據(jù)模型，提供了高效的操作大型數(shù)據(jù)集所需要的工具。Pandas提供了大量是我們快速便捷的處理數(shù)據(jù)的函數(shù)和方法。Pandas包含了高級數(shù)據(jù)結(jié)構(gòu)，以及讓數(shù)據(jù)分析變得快速、簡單的工具。
2、Numpy
Numpy可以提供數(shù)組支持以及相應(yīng)的高效處理函數(shù)，是Python數(shù)據(jù)分析的基礎(chǔ)，也是Scipy、Pandas等數(shù)據(jù)處理和科學(xué)計算庫最基本的函數(shù)功能庫，且其數(shù)據(jù)類型對Python數(shù)據(jù)分析十分有用。
Numpy提供了兩種基本的對象：ndarray和ufunc。ndarray是存儲單一數(shù)據(jù)類型的多維數(shù)組，而ufunc是能夠?qū)?shù)組進行處理的函數(shù)。
3、Matplotlib
Matplotlib是強大的數(shù)據(jù)可視化工具和作圖庫，是主要用于繪制數(shù)據(jù)圖表的Python庫，提供了繪制各類可視化圖形的命令字庫、簡單的接口，可以方便用戶輕松掌握圖形的格式，繪制各類可視化圖形。
Matplotlib是Python的一個可視化模塊，他能方便的只做線條圖、餅圖、柱狀圖以及其他專業(yè)圖形。
Matplotlib是基于Numpy的一套Python包，這個包提供了豐富的數(shù)據(jù)繪圖工具，主要用于繪制一些統(tǒng)計圖形。
4、SciPy
SciPy是一組專門解決科學(xué)計算中各種標(biāo)準(zhǔn)問題域的包的集合，包含的功能有最優(yōu)化、線性代數(shù)、積分、插值、擬合、特殊函數(shù)、快速傅里葉變換、信號處理和圖像處理、常微分方程求解和其他科學(xué)與工程中常用的計算等，這些對數(shù)據(jù)分析和挖掘十分有用。
SciPy是一款方便、易于使用、專門為科學(xué)和工程設(shè)計的Python包，它包括統(tǒng)計、優(yōu)化、整合、線性代數(shù)模塊、傅里葉變換、信號和圖像處理、常微分方程求解器等。Scipy依賴于Numpy，并提供許多對用戶友好的和有效的數(shù)值例程，如數(shù)值積分和優(yōu)化。
5、Keras
Keras是深度學(xué)習(xí)庫，人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)模型，基于Theano之上，依賴于Numpy和Scipy，利用它可以搭建普通的神經(jīng)網(wǎng)絡(luò)和各種深度學(xué)習(xí)模型，如語言處理、圖像識別、自編碼器、循環(huán)神經(jīng)網(wǎng)絡(luò)、遞歸審計網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等。
6、Scrapy
Scrapy是專門為爬蟲而生的工具，具有URL讀取、HTML解析、存儲數(shù)據(jù)等功能，可以使用Twisted異步網(wǎng)絡(luò)庫來處理網(wǎng)絡(luò)通訊，架構(gòu)清晰，且包含了各種中間件接口，可以靈活的完成各種需求。
7、Gensim
Gensim是用來做文本主題模型的庫，常用于處理語言方面的任務(wù)，支持TF-IDF、LSA、LDA和Word2Vec在內(nèi)的多種主題模型算法，支持流式訓(xùn)練，并提供了諸如相似度計算、信息檢索等一些常用任務(wù)的API接口。
Python內(nèi)置函數(shù)有很多，為大家推薦5個神仙級的內(nèi)置函數(shù)：
(1)Lambda函數(shù)
用于創(chuàng)建匿名函數(shù)，即沒有名稱的函數(shù)。它只是一個表達(dá)式，函數(shù)體比def簡單很多。當(dāng)我們需要創(chuàng)建一個函數(shù)來執(zhí)行單個操作并且可以在一行中編寫時，就可以用到匿名函數(shù)了。
Lamdba的主體是一個表達(dá)式，而不是一個代碼塊。僅僅能在lambda表達(dá)式中封裝有限的邏輯進去。
利用Lamdba函數(shù)，往往可以將代碼簡化許多。
(2)Map函數(shù)
會將一個函數(shù)映射到一個輸入列表的所有元素上，比如我們先創(chuàng)建了一個函數(shù)來返回一個大寫的輸入單詞，然后將此函數(shù)應(yīng)有到列表colors中的所有元素。
我們還可以使用匿名函數(shù)lamdba來配合map函數(shù)，這樣可以更加精簡。
(3)Reduce函數(shù)
當(dāng)需要對一個列表進行一些計算并返回結(jié)果時，reduce()是個非常有用的函數(shù)。舉個例子，當(dāng)需要計算一個整數(shù)列表所有元素的乘積時，即可使用reduce函數(shù)實現(xiàn)。
它與函數(shù)的最大的區(qū)別就是，reduce()里的映射函數(shù)(function)接收兩個參數(shù)，而map接收一個參數(shù)。
(4)enumerate函數(shù)
用于將一個可遍歷的數(shù)據(jù)對象(如列表、元組或字符串)組合為一個索引序列，同時列出數(shù)據(jù)和數(shù)據(jù)下標(biāo)，一般用在for循環(huán)當(dāng)中。
它的兩個參數(shù)，一個是序列、迭代器或其他支持迭代對象;另一個是下標(biāo)起始位置，默認(rèn)情況從0開始，也可以自定義計數(shù)器的起始編號。
(5)Zip函數(shù)
用于將可迭代的對象作為參數(shù)，將對象中對應(yīng)的元素打包成一個個元組，然后返回由這些元組組成的列表
當(dāng)我們使用zip()函數(shù)時，如果各個迭代器的元素個數(shù)不一致，則返回列表長度與最短的對象相同。
Python常用庫大全，看看有沒有你需要的。
環(huán)境管理
管理 Python 版本和環(huán)境的工具
p – 非常簡單的交互式 python 版本管理工具。
pyenv – 簡單的 Python 版本管理工具。
Vex – 可以在虛擬環(huán)境中執(zhí)行命令。
virtualenv – 創(chuàng)建獨立 Python 環(huán)境的工具。
virtualenvwrapper- virtualenv 的一組擴展。
包管理
管理包和依賴的工具。
pip – Python 包和依賴關(guān)系管理工具。
pip-tools – 保證 Python 包依賴關(guān)系更新的一組工具。
conda – 跨平臺，Python 二進制包管理工具。
Curdling – 管理 Python 包的命令行工具。
wheel – Python 分發(fā)的新標(biāo)準(zhǔn)，意在取代 eggs。
包倉庫
本地 PyPI 倉庫服務(wù)和代理。
warehouse – 下一代 PyPI。
Warehousebandersnatch – PyPA 提供的 PyPI 鏡像工具。
devpi – PyPI 服務(wù)和打包/測試/分發(fā)工具。
localshop – 本地 PyPI 服務(wù)（自定義包并且自動對 PyPI 鏡像）。
分發(fā)
打包為可執(zhí)行文件以便分發(fā)。
PyInstaller – 將 Python 程序轉(zhuǎn)換成獨立的執(zhí)行文件（跨平臺）。
dh-virtualenv – 構(gòu)建并將 virtualenv 虛擬環(huán)境作為一個 Debian 包來發(fā)布。
Nuitka – 將腳本、模塊、包編譯成可執(zhí)行文件或擴展模塊。
py2app – 將 Python 腳本變?yōu)楠毩④浖∕ac OS X）。
py2exe – 將 Python 腳本變?yōu)楠毩④浖╓indows）。
pynsist – 一個用來創(chuàng)建 Windows 安裝程序的工具，可以在安裝程序中打包 Python本身。
構(gòu)建工具
將源碼編譯成軟件。
buildout – 一個構(gòu)建系統(tǒng)，從多個組件來創(chuàng)建，組裝和部署應(yīng)用。
BitBake – 針對嵌入式 Linux 的類似 make 的構(gòu)建工具。
fabricate – 對任何語言自動找到依賴關(guān)系的構(gòu)建工具。
PlatformIO – 多平臺命令行構(gòu)建工具。
PyBuilder – 純 Python 實現(xiàn)的持續(xù)化構(gòu)建工具。
SCons – 軟件構(gòu)建工具。
交互式解析器
交互式 Python 解析器。
IPython – 功能豐富的工具，非常有效的使用交互式 Python。
bpython- 界面豐富的 Python 解析器。
ptpython – 高級交互式Python解析器， 構(gòu)建于python-prompt-toolkit 之上。
文件
文件管理和 MIME（多用途的網(wǎng)際郵件擴充協(xié)議）類型檢測。
imghdr – （Python 標(biāo)準(zhǔn)庫）檢測圖片類型。
mimetypes – （Python 標(biāo)準(zhǔn)庫）將文件名映射為 MIME 類型。
path.py – 對 os.path 進行封裝的模塊。
pathlib – （Python3.4+ 標(biāo)準(zhǔn)庫）跨平臺的、面向?qū)ο蟮穆窂讲僮鲙臁?/p>
python-magic- 文件類型檢測的第三方庫 libmagic 的 Python 接口。
Unipath- 用面向?qū)ο蟮姆绞讲僮魑募湍夸?/p>
watchdog – 管理文件系統(tǒng)事件的 API 和 shell 工具
日期和時間
操作日期和時間的類庫。
arrow- 更好的 Python 日期時間操作類庫。
Chronyk – Python 3 的類庫，用于解析手寫格式的時間和日期。
dateutil – Python datetime 模塊的擴展。
delorean- 解決 Python 中有關(guān)日期處理的棘手問題的庫。
moment – 一個用來處理時間和日期的Python庫。靈感來自于Moment.js。
PyTime – 一個簡單易用的Python模塊，用于通過字符串來操作日期/時間。
pytz – 現(xiàn)代以及歷史版本的世界時區(qū)定義。將時區(qū)數(shù)據(jù)庫引入Python。
when.py – 提供用戶友好的函數(shù)來幫助用戶進行常用的日期和時間操作。
文本處理
用于解析和操作文本的庫。
通用
chardet – 字符編碼檢測器，兼容 Python2 和 Python3。
difflib – (Python 標(biāo)準(zhǔn)庫)幫助我們進行差異化比較。
ftfy – 讓Unicode文本更完整更連貫。
fuzzywuzzy – 模糊字符串匹配。
Levenshtein – 快速計算編輯距離以及字符串的相似度。
pangu.py – 在中日韓語字符和數(shù)字字母之間添加空格。
pyfiglet -figlet 的 Python實現(xiàn)。
shortuuid – 一個生成器庫，用以生成簡潔的，明白的，URL 安全的 UUID。
unidecode – Unicode 文本的 ASCII 轉(zhuǎn)換形式 。
uniout – 打印可讀的字符，而不是轉(zhuǎn)義的字符串。
xpinyin – 一個用于把漢字轉(zhuǎn)換為拼音的庫。
推薦5個常用的Python標(biāo)準(zhǔn)庫：
1、os：提供了不少與操作系統(tǒng)相關(guān)聯(lián)的函數(shù)庫
os包是Python與操作系統(tǒng)的接口。我們可以用os包來實現(xiàn)操作系統(tǒng)的許多功能，比如管理系統(tǒng)進程，改變當(dāng)前路徑，改變文件權(quán)限等。但要注意，os包是建立在操作系統(tǒng)的平臺上的，許多功能在Windows系統(tǒng)上是無法實現(xiàn)的。另外，在使用os包中，要注意其中的有些功能已經(jīng)被其他的包取代。
我們通過文件系統(tǒng)來管理磁盤上儲存的文件。查找、刪除、復(fù)制文件以及列出文件列表等都是常見的文件操作。這些功能通?？梢栽诓僮飨到y(tǒng)中看到，但現(xiàn)在可以通過Python標(biāo)準(zhǔn)庫中的glob包、shutil包、os.path包以及os包的一些函數(shù)等，在Python內(nèi)部實現(xiàn)。
2、sys：通常用于命令行參數(shù)的庫
sys包被用于管理Python自身的運行環(huán)境。Python是一個解釋器，也是一個運行在操作系統(tǒng)上的程序。我們可以用sys包來控制這一程序運行的許多參數(shù)，比如說Python運行所能占據(jù)的內(nèi)存和CPU，Python所要掃描的路徑等。另一個重要功能是和Python自己的命令行互動，從命令行讀取命令和參數(shù)。
3、random：用于生成隨機數(shù)的庫
Python標(biāo)準(zhǔn)庫中的random函數(shù)，可以生成隨機浮點數(shù)、整數(shù)、字符串，甚至幫助你隨機選擇列表序列中的一個元素，打亂一組數(shù)據(jù)等。
4、math：提供了數(shù)學(xué)常數(shù)和數(shù)學(xué)函數(shù)
標(biāo)準(zhǔn)庫中，Python定義了一些新的數(shù)字類型，以彌補之前的數(shù)字類型可能的不足。標(biāo)準(zhǔn)庫還包含了random包，用于處理隨機數(shù)相關(guān)的功能。math包補充了一些重要的數(shù)學(xué)常數(shù)和數(shù)學(xué)函數(shù)，比如pi、三角函數(shù)等等。
5、datetime：日期和時間的操作庫
日期和時間的管理并不復(fù)雜，但容易犯錯。Python的標(biāo)準(zhǔn)庫中對日期和時間的管理頗為完善，你不僅可以進行日期時間的查詢和變換，還可以對日期時間進行運算。通過這些標(biāo)準(zhǔn)庫，還可以根據(jù)需要控制日期時間輸出的文本格式
庫都是人說的算，比如說你寫了一個很好用的庫，開源出去然后再告知python，python也覺得這個好就給你發(fā)行了。
去網(wǎng)上搜了，現(xiàn)在大于500多個庫
1、Pandas：是一個Python包，旨在通過“標(biāo)記”和“關(guān)系”數(shù)據(jù)進行工作，簡單直觀。它設(shè)計用于快速簡單的數(shù)據(jù)操作、聚合和可視化，是數(shù)據(jù)整理的完美工具。
2、Numpy：是專門為Python中科學(xué)計算而設(shè)計的軟件集合，它為Python中的n維數(shù)組和矩陣的操作提供了大量有用的功能。該庫提供了NumPy數(shù)組類型的數(shù)學(xué)運算向量化，可以改善性能，從而加快執(zhí)行速度。
3、SciPy：是一個工程和科學(xué)軟件庫，包含線性代數(shù)，優(yōu)化，集成和統(tǒng)計的模塊。SciPy庫的主要功能是建立在NumPy上，通過其特定子模塊提供有效的數(shù)值例程，并作為數(shù)字積分、優(yōu)化和其他例程。
4、Matplotlib：為輕松生成簡單而強大的可視化而量身定制，它使Python成為像MatLab或Mathematica這樣的科學(xué)工具的競爭對手。
5、Seaborn：主要關(guān)注統(tǒng)計模型的可視化(包括熱圖)，Seaborn高度依賴于Matplotlib。
6、Bokeh：獨立于Matplotlib，主要焦點是交互性，它通過現(xiàn)代瀏覽器以數(shù)據(jù)驅(qū)動文檔的風(fēng)格呈現(xiàn)。
7、Plotly：是一個基于Web用于構(gòu)建可視化的工具箱，提供API給一些編程語言(Python在內(nèi))。
8、Scikits：是Scikits
Stack額外的軟件包，專為像圖像處理和機器學(xué)習(xí)輔助等特定功能而設(shè)計。它建立在SciPy之上，中集成了有質(zhì)量的代碼和良好的文檔、簡單易用并且十分高效，是使用Python進行機器學(xué)習(xí)的實際行業(yè)標(biāo)準(zhǔn)。
9、Theano：是一個Python軟件包，它定義了與NumPy類似的多維數(shù)組，以及數(shù)學(xué)運算和表達(dá)式。此庫是被編譯的，可實現(xiàn)在所有架構(gòu)上的高效運行。
10、TensorFlow：是數(shù)據(jù)流圖計算的開源庫，旨在滿足谷歌對訓(xùn)練神經(jīng)網(wǎng)絡(luò)的高需求，并且是基于神經(jīng)網(wǎng)絡(luò)的機器學(xué)習(xí)系統(tǒng)DistBelief的繼任者，可以在大型數(shù)據(jù)集上快速訓(xùn)練神經(jīng)網(wǎng)絡(luò)。
11、Keras：是一個用Python編寫的開源的庫，用于在高層的接口上構(gòu)建神經(jīng)網(wǎng)絡(luò)。它簡單易懂，具有高級可擴展性。
12、NLTK：主要用于符號學(xué)和統(tǒng)計學(xué)自然語言處理(NLP) 的常見任務(wù)，旨在促進NLP及相關(guān)領(lǐng)域(語言學(xué)，認(rèn)知科學(xué)人工智能等)的教學(xué)和研究。
13、Gensim：是一個用于Python的開源庫，為有向量空間模型和主題模型的工作提供了使用工具。這個庫是為了高效處理大量文本而設(shè)計，不僅可以進行內(nèi)存處理，還可以通過廣泛使用NumPy數(shù)據(jù)結(jié)構(gòu)和SciPy操作來獲得更高的效率。
重慶分公司
重慶分公司
