5个神话般的Python数据科学软件包

开发 后端
我们都可能知道动态的Data-Science三重奏,Numpy,Pandas和Matplotlib。即使这些都是奇妙的软件包,也有数百万个用于Pythonic机器学习的软件包,其中有些未被充分理解,而其中某些却是完全未知的!

您知道这些软件包吗?

5个神话般的Python数据科学软件包

因此,我们都可能知道动态的Data-Science三重奏,Numpy,Pandas和Matplotlib。

5个神话般的Python数据科学软件包

您可能熟悉这些软件包及其工作方式。 当然,您可能还会喜欢使用其他一些很酷的软件包,例如Plotly,Seaborne,Scikit-Learn,Tensorflow和Pytorch。 即使这些都是奇妙的软件包,也有数百万个用于Pythonic机器学习的软件包,其中有些未被充分理解,而其中某些却是完全未知的!

№1:Gleam

您听说过Plotly,听说过Matplotlib,也许还听过Seaborn,但您可能没有听说过Gleam。 Gleam是用于创建带有页面,面板和按钮的交互式可视化效果的出色工具。 这些交互式Web可视化也完全与Web集成在一起,这意味着您可以将它们放入从网站到端点的任何内容中! Gleam使用wtforms进行交互,并且可以使用任何范围的不同可视化工具来实际显示数据。

5个神话般的Python数据科学软件包

如果您想要一个很酷的交互式窗格,基本上可以使用任何图形库,那么Gleam是适合您的模块!

№2:Table

好吧,我知道你在想什么,

"为什么不只使用Pandas?"

这当然是一个可行的论点。 Table包使该清单成为Pandas的轻巧替代品。 与使用Pandas.py相比,使用Table.py读取海量数据集要容易得多,这实际上是使其成为该列表的唯一原因。 总的来说,我会说在某些情况下这可能是工作的包,但在大多数情况下,我只会坚持

import pandas as pd

№3:Shogun

5个神话般的Python数据科学软件包

> (src = https://www.shogun-toolbox.org/)

Shogun是用C ++编写的机器学习库,它也恰好具有Python端口。 Shogun的一大优点是,它可以在多种不同的编程语言中使用,并且在这方面相对统一。 如果您要使用Python学习Shogun,则可以利用该知识并将其应用于它支持的任何其他语言,这真是太神奇了!

Shogun拥有广泛的前沿机器学习算法,这无疑是任何科学家都可以欣赏的。 当然,它也是开源的,并且根据GNU通用许可发布,这总是一个加分!

№4:OpenCV

OpenCV是另一个很棒的机器学习程序包,实际上是最初由Intel开发的。 尽管有专有的根源,但是OpenCV是开源的,并根据FreeBSD许可许可证发布。 OpenCV真正很棒的一件事是它专注于实时计算机视觉。 与Shogun一样,OpenCV最初是用C ++编写的,但是具有Python和其他语言的接口。

№5:Mlpy

5个神话般的Python数据科学软件包

> (src = http://mlpy.sourceforge.net/)

Mlpy为有监督和无监督学习提供了广泛的最新机器学习方法。 与同行不同的是,它旨在为数据科学提供一种多合一的方法。 尽管此时它有点过时,但无疑是Pythonic机器学习引起的巨大包装爆炸的一个很好的起步器。 尽管年代久远,但我认为仍然值得一试。 这是由于其易用性,有趣的算法以及包容性。

Mlpy试图创建一种在重现性,调制和效率之间取得平衡的包装。 我认为此软件包之所以成功,是因为尽管许多对口产品的更新频率更高,当然也包括行业标准,但许多此类想法似乎在翻译中却以一种或另一种方式丢失了。 这是有道理的,因为这些都是由大量开发人员用C编写的庞大程序包,但是,我想说这可能是使用它们的不利方面。

结论

这样就可以了,我认为有五个软件包是无法识别的,它们所取得的成就也没有得到什么好评。 尽管这些软件包确实很酷,但我可以肯定,您可以将数百个甚至不是数千个其他很酷的模块添加到您的Pip环境中,这些模块也很棒而且闻所未闻!

Python有一个压倒性的生态系统和许多可挖掘的软件包,而这正是使其变得如此强大的部分原因! 不断学习如何使用新模块将使您的知识库不断扩展,并使您的程序员头脑活跃!

 

责任编辑:赵宁宁 来源: 今日头条
相关推荐

2019-09-25 09:20:33

机器学习Python数据科学

2016-12-20 20:16:15

科技水晶球宇宙

2022-11-07 16:53:53

PipPython软件包

2018-06-22 10:05:04

Arch LinuxDEB软件包

2021-04-20 22:27:22

Python软件包GitHub

2010-02-05 14:46:20

Ubuntu软件包

2024-01-26 12:35:25

JavaScript项目软件包

2010-01-07 17:32:09

2012-08-13 14:27:31

大数据

2019-03-15 08:56:24

5G网络无线宽带

2013-09-11 13:50:47

Web性能

2023-02-27 13:41:04

apt-get软件包

2009-12-16 10:25:14

sage开源软件包

2021-10-03 14:30:17

Arch LinuxPKGBUILD 文件软件包

2010-03-01 17:43:55

Linux Xsupp

2010-06-10 13:56:22

openSUSE软件包

2010-04-30 10:28:11

Unix安装

2018-10-29 14:10:19

Linux软件包命令

2020-08-25 09:51:40

Android 11开发者软件

2009-12-28 12:25:44

点赞
收藏

51CTO技术栈公众号