編譯自： https://opensource.com/article/18/9/top-3-python-libraries-data-science
作者： Dr.michael J.garbade
使用這些庫把 Python 變成一個科學數據分析和建模工具。
Python 的許多特性，比如開發效率、代碼可讀性、速度等使之成為了數據科學愛好者的首選編程語言。對於想要升級應用程序功能的數據科學家和機器學習專家來說，Python 通常是最好的選擇（比如，Andrey Bulezyuk 使用 Python 語言創造了一個優秀的 機器學習應用程序 ）。
由於 Python 的廣泛使用，因此它擁有大量的庫，使得數據科學家能夠很容易地完成複雜的任務，而且不會遇到許多編碼困難。下面列出 3 個用於數據科學的頂級 Python 庫。如果你想在數據科學這一領域開始你的職業生涯，就去了解一下它們吧。
NumPy
NumPy （數值 Python 的簡稱）是其中一個頂級數據科學庫，它擁有許多有用的資源，從而幫助數據科學家把 Python 變成一個強大的科學分析和建模工具。ＮumPy 是在 BSD 許可證的許可下開源的，它是在科學計算中執行任務的基礎 Python 庫。SciPy 是一個更大的基於 Python 生態系統的開源工具，而 NumPy 是 SciPy 非常重要的一部分。
NumPy 為 Python 提供了大量數據結構，從而能夠輕鬆地執行多維數組和矩陣運算。除了用於求解線性代數方程和其它數學計算之外，NumPy 還可以用做不同類型通用數據的多維容器。
此外，NumPy 還可以和其他編程語言無縫集成，比如 C/C++ 和 Fortran。NumPy 的多功能性使得它可以簡單而快速地與大量數據庫和工具結合。比如，讓我們來看一下如何使用 NumPy（縮寫成 np）來實現兩個矩陣的乘法運算。
我們首先導入 NumPy 庫（在這些例子中，我將使用 Jupyter notebook）：
import numpy as np
接下來，使用 eye() 函數來生成指定維數的單位矩陣：
matrix_one = np.eye(3)
matrix_one
輸出如下：
array([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])
讓我們生成另一個 3x3 矩陣。
我們使用 arange([starting number], [stopping number]) 函數來排列數字。注意，函數中的第一個參數是需要列出的初始數字，而後一個數字不包含在生成的結果中。
另外，使用 reshape() 函數把原始生成的矩陣的維度改成我們需要的維度。為了使兩個矩陣“可乘”，它們需要有相同的維度。
matrix_two = np.arange(1,10).reshape(3,3)
matrix_two
輸出如下：
array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
接下來，使用 dot() 函數將兩個矩陣相乘。
matrix_multiply = np.dot(matrix_one, matrix_two)
matrix_multiply
相乘後的輸出如下：
array([[1., 2., 3.],
[4., 5., 6.],
[7., 8., 9.]])
太好了！
我們成功使用 NumPy 完成了兩個矩陣的相乘，而不是使用 普通冗長(vanilla)的 Python 代碼。
下面是這個例子的完整代碼：
import numpy as np
#生成一個 3x3 單位矩陣
matrix_one = np.eye(3)
matrix_one
#生成另一個 3x3 矩陣以用來做乘法運算
matrix_two = np.arange(1,10).reshape(3,3)
matrix_two
#將兩個矩陣相乘
matrix_multiply = np.dot(matrix_one, matrix_two)
matrix_multiply
Pandas
Pandas 是另一個可以提高你的 Python 數據科學技能的優秀庫。就和 NumPy 一樣，它屬於 SciPy 開源軟件家族，可以在 BSD 自由許可證許可下使用。
Pandas 提供了多能而強大的工具，用於管理數據結構和執行大量數據分析。該庫能夠很好的處理不完整、非結構化和無序的真實世界數據，並且提供了用於整形、聚合、分析和可視化數據集的工具
Pandas 中有三種類型的數據結構：
- Series：一維、相同數據類型的數組
- DataFrame：二維異型矩陣
- Panel：三維大小可變數組
例如，我們來看一下如何使用 Panda 庫（縮寫成 pd）來執行一些描述性統計計算。
首先導入該庫：
import pandas as pd
然後，創建一個 序列(series)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'])
}
接下來，再創建一個 數據框(DataFrame)：
df = pd.DataFrame(d)
輸出是一個非常規整的表：
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
下面是這個例子的完整代碼：
import pandas as pd
#創建一個序列字典
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'])
}
#創建一個數據框
df = pd.DataFrame(d)
print(df)
Matplotlib
Matplotlib 也是 Scipy 核心包的一部分，並且在 BSD 許可證下可用。它是一個非常流行的科學庫，用於實現簡單而強大的可視化。你可以使用這個 Python 數據科學框架來生成曲線圖、柱狀圖、直方圖以及各種不同形狀的圖表，並且不用擔心需要寫很多行的代碼。例如，我們來看一下如何使用 Matplotlib 庫來生成一個簡單的柱狀圖。
首先導入該庫：
from matplotlib import pyplot as plt
然後生成 x 軸和 y 軸的數值：
x = [2, 4, 6, 8, 10]
y = [10, 11, 6, 7, 4]
接下來，調用函數來繪製柱狀圖：
plt.bar(x,y)
最後，顯示圖表：
plt.show()
柱狀圖如下：
下面是這個例子的完整代碼：
#導入 Matplotlib 庫
from matplotlib import pyplot as plt
#和 import matplotlib.pyplot as plt 一樣
#生成 x 軸的數值
x = [2, 4, 6, 8, 10]
#生成 y 軸的數值
y = [10, 11, 6, 7, 4]
#調用函數來繪製柱狀圖
plt.bar(x,y)
#顯示圖表
plt.show()
總結
Python 編程語言非常擅長數據處理和準備，但是在科學數據分析和建模方面就沒有那麼優秀了。幸好有這些用於 數據科學 的頂級 Python 框架填補了這一空缺，從而你能夠進行復雜的數學計算以及創建複雜模型，進而讓數據變得更有意義。
你還知道其它的 Python 數據挖掘庫嗎？你的使用經驗是什麼樣的？請在下面的評論中和我們分享。
via: https://opensource.com/article/18/9/top-3-python-libraries-data-science
作者： Dr.Michael J.Garbade 選題： lujun9972 譯者： ucasFL 校對： wxy
本文由 LCTT 原創編譯， Linux中國 榮譽推出
閱讀更多 Linux技術 的文章
