知識星球(點選上方公號，快速關註我們)
英文：Dr. Michael J. Garbade，翻譯：Linux中國/Lv Feng
linux.cn/article-10080-1.html
Python 的許多特性，比如開發效率、程式碼可讀性、速度等使之成為了資料科學愛好者的首選程式語言。對於想要升級應用程式功能的資料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式）。
由於 Python 的廣泛使用，因此它擁有大量的庫，使得資料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。下麵列出 3 個用於資料科學的頂級 Python 庫。如果你想在資料科學這一領域開始你的職業生涯，就去瞭解一下它們吧。
NumPy
NumPy（數值 Python 的簡稱）是其中一個頂級資料科學庫，它擁有許多有用的資源，從而幫助資料科學家把 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 提供了大量資料結構，從而能夠輕鬆地執行多維陣列和矩陣運算。除了用於求解線性代數方程和其它數學計算之外，NumPy 還可以用做不同型別通用資料的多維容器。
此外，NumPy 還可以和其他程式語言無縫整合，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資料庫和工具結合。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。
我們首先匯入 NumPy 庫（在這些例子中，我將使用 Jupyter notebook）：
import numpy as np
接下來，使用 eye() 函式來生成指定維數的單位矩陣：
matrix_one = np.eye(3)
matrix_one
輸出如下：
讓我們生成另一個 3×3 矩陣。
我們使用 arange([starting number], [stopping number]) 函式來排列數字。註意，函式中的第一個引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() 函式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：
接下來，使用 dot() 函式將兩個矩陣相乘。
matrix_multiply = np.dot(matrix_one, matrix_two)
matrix_multiply
相乘後的輸出如下：
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 程式碼。
下麵是這個例子的完整程式碼：
import numpy as np
#生成一個 3×3 單位矩陣
matrix_one = np.eye(3)
matrix_one
#生成另一個 3×3 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 資料科學技能的優秀庫。就和 NumPy 一樣，它屬於 SciPy 開源軟體家族，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，用於管理資料結構和執行大量資料分析。該庫能夠很好的處理不完整、非結構化和無序的真實世界資料，並且提供了用於整形、聚合、分析和視覺化資料集的工具
Pandas 中有三種型別的資料結構：
-
Series：一維、相同資料型別的陣列
-
DataFrame：二維異型矩陣
-
Panel：三維大小可變陣列
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。
首先匯入該庫：
import pandas as pd
然後，建立一個序列series字典：
接下來，再建立一個資料框DataFrame：
df = pd.DataFrame(d)
輸出是一個非常規整的表：
下麵是這個例子的完整程式碼：
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視覺化。你可以使用這個 Python 資料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程式碼。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。
首先匯入該庫：
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，呼叫函式來繪製柱狀圖：
plt.bar(x,y)
最後，顯示圖表：
plt.show()
柱狀圖如下：
下麵是這個例子的完整程式碼：
#匯入 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]
#呼叫函式來繪製柱狀圖
plt.bar(x,y)
#顯示圖表
plt.show()
總結
Python 程式語言非常擅長資料處理和準備，但是在科學資料分析和建模方面就沒有那麼優秀了。幸好有這些用於資料科學的頂級 Python 框架填補了這一空缺，從而你能夠進行複雜的數學計算以及建立複雜模型，進而讓資料變得更有意義。
你還知道其它的 Python 資料挖掘庫嗎？你的使用經驗是什麼樣的？請在下麵的評論中和我們分享。
【關於投稿】
如果大家有原創好文投稿，請直接給公號傳送留言。
① 留言格式：
【投稿】+《 文章標題》+ 文章連結
② 示例：
【投稿】《不要自稱是程式員，我十多年的 IT 職場總結》：http://blog.jobbole.com/94148/
③ 最後請附上您的個人簡介哈~
看完本文有收穫？請轉發分享給更多人
關註「資料分析與開發」，提升資料技能
