[[283621]]

正在學習數據科學的你希望快刀斬亂麻解決其中的一些問題嗎?那我們果斷要把目光投向Python。 

本文將介紹一些基礎的數據科學庫，學會之后你也可以6到飛起。

核心庫

Python有三個核心數據科學庫，在此基礎上還創建了許多其他的庫。這三個核心數據科學庫分別為：

• Numpy
• Scipy
• Matplotlib

簡單起見，可以把Numpy視為首選數組。Numpy數組在許多方面都與標準Python列表不同，但有幾點需要記住，那就是Numpy數組比標準Python列表運算速度更快、所占空間更少、功能更多。但同時也需注意，這些數組的大小和類型是固定的，可以在創建數組時進行定義。同時，它不像列表那樣可以無限添加新值。

Scipy在Numpy的基礎上，提供了許多優化、統計和線性代數處理等功能。雖然Numpy也有類似的功能，但個人更喜歡Scipy的功能。想要計算相關系數或創建一些正態分布數據嗎?Scipy簡直就是為你量身定制的。

和其他數據科學庫相比，Matplotlib可能略遜一籌，但它是Python中繪圖的核心庫。功能強大，可以在需要時進行有效控制。

第二代庫

核心庫非常棒，也很常用。不過，還有三個基于核心庫的第二代庫，它們提供的功能更多，使用的代碼更少。

如果你一直在學習數據科學卻沒聽說過Scikit-learn，那我也無話可說。Scikit-learn是Python中的機器學習庫。它擁有強大的社區支持、歸檔功能和一個統一且容易使用的API。該庫專注于“核心”機器學習，包括結構化數據的回歸、分類和聚類。但它并不能用于深度學習或貝葉斯機器學習等方面。

Pandas的創建是為了簡化Python中的數據分析。Pandas讓加載結構化數據、計算統計數據、切割數據變得非常容易。在數據挖掘和分析階段，它是一個不可或缺的工具。但個人不建議在數據生成階段使用Pandas，因為它通常無法很好地擴展到大型數據集。不過可以將Pandas代碼轉換為原始的Numpy數組，這可以顯著提高數據生產的速度。

盡管Matplotlib不是可視化最好看的，但是Seaborn 可以很容易創建出漂亮的可視化數據。Seaborn是基于Matplotlib創建的，因此仍然可以使用Matplotlib功能增加或編輯Seaborn圖表。它還使復雜圖表類型的創建變得更加容易。看看下面的圖片，可以找到一些靈感: 

深度學習

隨著深度學習的迅速發展，不說一說該領域中較好的Python包是不明智的。

本人是Pytorch的鐵桿粉絲。如果想在學習數據科學庫的同時開始深度學習，從而讓很先進的深度學習算法變得相對容易，那么Pytorch是不二之選。Pytorch正逐漸成為研究和實現大量功能的標準深度學習庫，使其在數據生成用例中愈加完善。這些實例也提供了許多很好的入門教程 。

個人看來，Keras 是第一個真正讓深度學習變得觸手可及的數據科學庫。你可以用10行非常容易閱讀和理解的代碼來創建并訓練一個深度學習模型。但它的缺點是，高層次的抽象很難實現Keras當前不支持的新研究(盡管他們正在該領域上不斷改進)。它同時還支持多個后端，即Tensorflow和CNTK。

Tensorflow 是由谷歌創建的，為深度學習的生產提供了很強大的支持。個人看來，最初版本的Tensorflow相當笨拙，但是他們學到了很多東西，Tensorflow 2.0讓深度學習的門檻變得越來越低。當Pytorch為深度學習提供更多的生產支持時，Tensorflow則大大提高了深度學習的可用性。

統計

我想以Python中的兩大統計模型庫結束全文。

如果你用過R，你可能會困惑為什么Scikit-learn沒有在計算回歸系數時給出p值。如果是這樣，你需要看一下statsmodels。個人看來，statsmodels對統計模型和測試提供了很好的支持，甚至還支持很多R語法。

概率編程和建模非常有趣。如果你不熟悉這個領域，可以查看黑客的貝葉斯方法，也可以使用PyMC3。PyMC3讓定義的概率模型變得非常直觀，并給許多先進的模型提供許多支持。

飛起來

在我之前，無人相信Python中還有許多令人驚艷的數據科學庫。而本文的目的就是關注最基礎的數據科學庫。有了Python和這些出色的數據科學庫，你會對自己可以取得的成就驚嘆不已。我希望本文能夠成為你涉足數據科學的一個很好的起點，而這也僅是你即將發現所有令人驚艷的數據科學庫的開始。