python机器学习库

20个必不可少的Python库也是基本的第三方库 读者您好。今天我将介绍20个属于我常用工具的Python库，我相信你看完之后也会觉得离不开它们。他们是： Requests.Kenneth Reitz写的最富盛名的http库。每个Python程序员都应该有它。 Scrapy.如果你从事爬虫相关的工作，那么这个库也是必不可少的。用过它之后你就不会再想用别的同类库了。 wxPython.Python的一个GUI（图形用户界面）工具。我主要用它替代tkinter。你一定会爱上它的。 Pillow.它是PIL（Python图形库）的一个友好分支。对于用户比PIL更加友好，对于任何在图形领域工作的人是必备的库。 SQLAlchemy.一个数据库的库。对它的评价褒贬参半。是否使用的决定权在你手里。 BeautifulSoup.我知道它很慢，但这个xml和html的解析库对于新手非常有用。 Twisted.对于网络应用开发者最重要的工具。它有非常优美的api，被很多Python开发大牛使用。 NumPy.我们怎么能缺少这么重要的库？它为Python提供了很多高级的数学方法。 SciPy.既然我们提了NumPy，那就不得不提一下SciPy。这是一个Python的算法和数学工具库，它的功能把很多科学家从Ruby吸引到了Python。 matplotlib.一个绘制数据图的库

作者：史豹 链接： https://www.zhihu.com/question/20501628/answer/223340838 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 环境管理 管理 Python 版本和环境的工具 virtualenvwrapper- virtualenv 的一组扩展。 包管理 管理包和依赖的工具。 包仓库 本地 PyPI 仓库服务和代理。 分发 打包为可执行文件以便分发。 构建工具 将源码编译成软件。 交互式解析器 交互式 Python 解析器。 bpython- 界面丰富的 Python 解析器。 文件 文件管理和 MIME（多用途的网际邮件扩充协议）类型检测。 python-magic- 文件类型检测的第三方库 libmagic 的 Python 接口。 Unipath- 用面向对象的方式操作文件和目录 日期和时间 操作日期和时间的类库。 arrow- 更好的 Python 日期时间操作类库。 delorean- 解决 Python 中有关日期处理的棘手问题的库。 文本处理 用于解析和操作文本的库。 通用 pyfiglet -figlet 的 Python实现。 Slug化 解析器 特殊文本格式处理 一些用来解析和操作特殊文本格式的库。 通用 Office PDF Markdown YAML CSV

原文地址：https://www.cnblogs.com/Fighting365/p/6132707.html 开始学习Python，之后渐渐成为我学习工作中的第一辅助脚本语言，虽然开发语言是Java，但平时的很多文本数据处理任务都交给了Python。这些年来，接触和使用了很多Python工具包，特别是在文本处理，科学计算，机器学习和数据挖掘领域，有很多很多优秀的Python工具包可供使用，所以作为Pythoner，也是相当幸福的。如果仔细留意微博和论坛，你会发现很多这方面的分享，自己也Google了一下，发现也有同学总结了“Python机器学习库”，不过总感觉缺少点什么。最近流行一个词，全栈工程师（full stack engineer），作为一个苦逼的程序媛，天然的要把自己打造成一个full stack engineer，而这个过程中，这些Python工具包给自己提供了足够的火力，所以想起了这个系列。当然，这也仅仅是抛砖引玉，希望大家能提供更多的线索，来汇总整理一套Python网页爬虫，文本处理，科学计算，机器学习和数据挖掘的兵器谱。 1. Python网页爬虫工具集 一个真实的项目，一定是从获取数据开始的。无论文本处理，机器学习和数据挖掘，都需要数据，除了通过一些渠道购买或者下载的专业数据外，常常需要大家自己动手爬数据，这个时候，爬虫就显得格外重要了，幸好

绝不能错过的24个顶级Python库 Python有以下三个特点： · 易用性和灵活性 · 全行业高接受度：Python无疑是业界最流行的数据科学语言 · 用于数据科学的Python库的数量优势 事实上，由于Python库种类很多，要跟上其发展速度非常困难。因此，本文介绍了24种涵盖端到端数据科学生命周期的Python库。 文中提及了用于数据清理、数据操作、可视化、构建模型甚至模型部署(以及其他用途)的库。这是一个相当全面的列表，有助于你使用Python开启数据科学之旅。 用于不同数据科学任务的Python库 用于数据收集的Python库 · Beautiful Soup · Scrapy · Selenium 用于数据清理和数据操作的Python库 · Pandas · PyOD · NumPy · Spacy 用于数据可视化的Python库 · Matplotlib · Seaborn · Bokeh 用于建模的Python库 · Scikit-learn · TensorFlow · PyTorch 用于模型解释的Python库 · Lime · H2O 用于语音处理的Python库 · Librosa · Madmom · pyAudioAnalysis 用于图像处理的Python库 · OpenCV-Python · Scikit-image · Pillow

Python之所以能够成为数据分析与挖掘领域的最佳语言，是有其独特的优势的。因为他有很多这个领域相关的库可以用，而且很好用，比如Numpy、SciPy、Matploglib、Pandas、ScikitLearn、Keras、Gensim等 1）Numpy，它给Python提供了真正的数组功能，包括多维数组，以及对数据进行快速处理的函数，Numpy还是更多高级扩展库的依赖库，比如后续的Scipy、Matplotlib、Pandas等，都一样； 2）Scipy，他让Python成了半个MATLAB，Scipy提供了真正的矩阵类型，及其大量基于矩阵运算的对象和函数，他包括的功能包括最优化、线性代数、积分、插值、你和、特殊函数、快速傅里叶变换、信号处理与图像处理、常微分求解方程和其他科学与工程中常用的计算；Scipy依赖于Numpy； 3）Matplotlib，对于Python来说，Matplotlib是最著名的绘图库，主要是二维绘图，当然，也可以支持一些简答的三围绘图； 4）Pandas，他是Python下最强大的数据分析和探索工具，没有之一。他包含的高级的数据结构和精巧的工具，使得在Python中处理数据非常快速和简单，Pandas构建在NumPy之上，他使得以Numpy为中心的应用很容易使用，Pandas的名称来自于面板数据（Panel Data）和Python数据分析（Data

昨天小编做了个汇总python程序员必备的42个快捷键，得到了不少网友的反馈，今天想着再做个类似的科普，想来想去也没啥好的点子，就干脆给程序员们做一个Python常用库的集合，欢迎大家在下方留言，说说你都用过哪些呢？ 先从Web框架开始： 1 django 2 web2py 3 flask 4 bottle 5 tornadoweb 小工具们都有自己的优点，具体就不在多介绍了，可以自行去尝试下 。 然后是GUI图形界面： 1 TKinter 2 wxpython 3 PyGTK 4 PYQt 5 PySide 做GUI图形界面能把这些小工具用全的人，是个大牛没错呢！ 接下来是密码学: 1 cryptography 2 hashids 3 Paramiko 4 Passlib 5 PyCrypto 喜欢Python密码学的程序员，这几个小工具还是用的挺上手的，不妨去试试！ 往下的话就是科学计算： 1 numpy 2 Scipy 3 pandas 4 blaze 喜欢python科学计算的这几个小工具，想必都是用过的，你说是不是呢？ 最后就是与爬虫相关的呢： 1 html2text 2 BeautifulSoup 3 lxml 4 selenium 5 mechanize 6 urllib 7 urllib2 8 requests 9 scrapy 10 pyspider 11

学Python，想必大家都是从爬虫开始的吧。毕竟网上类似的资源很丰富，开源项目也非常多。 Python学习网络爬虫主要分3个大的版块：抓取，分析，存储 当我们在浏览器中输入一个url后回车，后台会发生什么？ 简单来说这段过程发生了以下四个步骤： 查找域名对应的IP地址。 向IP对应的服务器发送请求。 服务器响应请求，发回网页内容。 浏览器解析网页内容。 那么学习爬虫需要掌握哪些库呢？ 通用： urllib -网络库(stdlib)。 requests -网络库。 grab – 网络库（基于pycurl）。 pycurl – 网络库（绑定libcurl）。 urllib3 – Python HTTP库，安全连接池、支持文件post、可用性高。 httplib2 – 网络库。 RoboBrowser – 一个简单的、极具Python风格的Python库，无需独立的浏览器即可浏览网页。 MechanicalSoup -一个与网站自动交互Python库。 mechanize -有状态、可编程的Web浏览库。 socket – 底层网络接口(stdlib)。 Unirest for Python – Unirest是一套可用于多种语言的轻量级的HTTP库。 hyper – Python的HTTP/2客户端。 PySocks – SocksiPy更新并积极维护的版本

吐血整理！140种Python标准库、第三方库和外部工具都有了 Python那些事 今天 文章转载自公众号 大数据 ， 作者 宋天龙 导读： Python数据工具箱涵盖从数据源到数据可视化的完整流程中涉及到的常用库、函数和外部工具。其中既有Python内置函数和标准库，又有第三方库和工具。 这些库可用于文件读写、网络抓取和解析、数据连接、数清洗转换、数据计算和统计分析、图像和视频处理、音频处理、数据挖掘/机器学习/深度学习、数据可视化、交互学习和集成开发以及其他Python协同数据工作工具。 作者：宋天龙 来源：大数据（ID：hzdashuju） 内容摘编自《Python数据分析与数据化运营》（第2版） 为了区分不同对象的来源和类型，本文将在描述中通过以下方法进行标识： Python内置函数： Python自带的内置函数。函数无需导入，直接使用。例如要计算-3.2的绝对值，直接使用abs函数，方法是 abs( -3.2) Python标准库： Python自带的标准库。Python标准库无需安装，只需要先通过import方法导入便可使用其中的方法。例如导入string模块，然后使用其中的find方法： import string string.find( 'abcde', 'b') 第三方库： Python的第三方库。这些库需要先进行安装（部分可能需要配置）。 外部工具：

#数据科学领域五个最佳Python库 #Numpy/Scipy/Pandas/Matplotlib/Scikit-learn #Numpy #N维数组（矩阵），快速高效，矢量数学运算 #高效的Index，不需要循环 #开源免费跨平台，运行效率足以和C/Matlab媲美 #Scipy #依赖于numpy #专为科学和工程设计 #实现了多种常用科学计算：线性代数，傅里叶转换，信号和图像处理 #Pandas #机构化数据分析利器（依赖numpy） #提供了多种高级数据结构：Time-Series，DataFrame，Panel #强大的数据索引和处理能力 #Matplotlib #Python 2D绘图领域使用最广泛的套件 #基本能取代Matlab的绘图功能（散点，曲线，柱形等） #通过mplot3d可以绘制精美的3D图 #Scikit-learn #机器学习的Python模块 #建立在Scipy之上，提供了常用的机器学习算法：聚类，回归 #简单易学的API接口 ''' 遇到不懂的问题？Python学习交流群：821460695满足你的需求，资料都已经上传群文件，可以自行下载！ ''' 来源： https://blog.csdn.net/fei347795790/article/details/98874172