【51CTO.com快譯】過去五年人們對數(shù)據(jù)科學的興趣顯著上升。盡管有許多編程語言適合數(shù)據(jù)科學和機器學習，但Python是最受歡迎的。

由于它是機器學習的首選語言，本文介紹了以Python為中心的十個基本的數(shù)據(jù)科學軟件包，包括最受歡迎的機器學習軟件包。

Scikit-Learn

Scikit-Learn是一個基于SciPy和NumPy的Python機器學習模塊。它由David Cournapeau開發(fā)，起初是谷歌的一個“編程夏天”項目。從那時起，它已發(fā)展到20000多人次提交和90多個版本。摩根大通和Spotify等公司將它用于各自的數(shù)據(jù)科學工作中。

由于Scikit-Learn的學習曲線很平緩，連企業(yè)的業(yè)務人員也能使用它。比如說，Scikit-Learn官網(wǎng)上的一系列教程(https://scikit-learn.org/stable/auto_examples/index.html#examples-based-on-real-world-datasets)向你展示了如何分析現(xiàn)實世界的數(shù)據(jù)集。如果你是初學者，想學習機器學習庫，Scikit-Learn就是入門之選。

其要求如下：

• Python 3.5或更高版本
• NumPy 1.11.0或更高
• SciPy 0.17.0或更高

PyTorch

PyTorch擅長兩件事。首先，它使用強大的GPU加速張量計算。其次，它在基于磁帶的autograd系統(tǒng)上構(gòu)建動態(tài)神經(jīng)網(wǎng)絡，從而允許重用和更高的性能。如果你是學者或工程師，想要簡單易學的軟件包來完成這兩件事，PyTorch是適合你的選擇。

在特定情況下，PyTorch尤為出色。比如，如上所述，你想通過使用GPU更快地計算張量?那就使用PyTorch，因為NumPy無法做到這一點。想使用RNN進行語言處理?那就使用PyTorch，因為它擁有運行時定義的功能?；蛘吣阆胧褂蒙疃葘W習但你只是初學者?那就使用PyTorch，因為Scikit-Learn不適合深度學習。

PyTorch的要求取決于你的操作系統(tǒng)。安裝比Scikit-Learn稍微復雜一些。我建議使用“Get Started”頁面(https://pytorch.org/get-started/locally/)作為指導。它通常需要以下：

• Python 3.6或更高版本
• Conda 4.6.0或更高版本

Caffe

Caffe是最快實現(xiàn)卷積網(wǎng)絡的工具之一，因此非常適合圖像識別。它以處理圖像見長。

賈揚清在加州大學伯克利分校攻讀博士學位時開始開發(fā)Caffe。它采用BSD 2-Clause許可證來發(fā)布，被譽為是市面上性能最高的深度學習框架之一。據(jù)官網(wǎng)稱，Caffe的圖像處理速度相當驚人，聲稱“使用單單一個英偉達K40 GPU每天就可以處理6000余萬個圖像。”

我要強調(diào)一點，盡管學習曲線仍然相對平緩，但Caffe假設(shè)你至少具備機器學習方面的中級知識。

與PyTorch一樣，要求取決于你的操作系統(tǒng)。在此查看安裝指南(http://caffe.berkeleyvision.org/installation.html)?？梢缘脑?，我建議你使用Docker版本，以便馬上可以使用。強制性依賴項如下：

1. CUDA for GPU模式(https://developer.nvidia.com/cuda-zone)

• 建議使用庫版本7或更高版本以及最新的驅(qū)動程序版本，但6系列版本也很好
• 5.5和5.0版本兼容，但被認為是舊版本

1. 通過ATLAS、MKL或OpenBLAS進行BLAS(http://en.wikipedia.org/wiki/Basic_Linear_Algebra_Subprograms)
2. Boost 1.55或更高版本(http://www.boost.org/)

TensorFlow

由于一些很充分的原因，TensorFlow是最著名的機器學習庫之一。它擅長使用數(shù)據(jù)流圖進行數(shù)值計算。

TensorFlow最初由谷歌Brain開發(fā)，是開源的。面對一系列任務，它使用數(shù)據(jù)流圖和可微分編程，使其成為有史以來最靈活、最強大的機器學習庫之一。

如果你需要快速處理大型數(shù)據(jù)集，這是不容忽視的庫。

最新的穩(wěn)定版本是v1.13.1，但新的v2.0現(xiàn)處于beta測試中。

Theano

Theano是最早的用于深度學習開發(fā)的開源軟件庫之一，最適合用于高速計算。

雖然Theano宣布在2017年發(fā)布v1.0之后停止主要開發(fā)，但你仍可以對其進行歷史研究。它之所以躋身本文十大Python數(shù)據(jù)科學軟件包行列，是由于如果你熟悉它，會大致了解它的創(chuàng)新后來如何演變成了如今你在激烈競爭的庫中看到的功能。

Pandas

Pandas是一個用Python編寫的強大而靈活的數(shù)據(jù)分析庫。雖然不是嚴格意義上的機器學習庫，但它非常適合用于針對大型數(shù)據(jù)集的數(shù)據(jù)分析和處理。尤其是，我喜歡將其用于其數(shù)據(jù)結(jié)構(gòu)(比如DataFrame)、時間序列操縱和分析以及數(shù)字數(shù)據(jù)表。大企業(yè)和初創(chuàng)公司的許多業(yè)務員工可以輕松地拿來Pandas進行分析。此外，它非常易于上手，在數(shù)據(jù)分析功能方面不輸給與之競爭的庫。

如果你想使用Pandas，需要以下：

• Setuptools版本24.2.0或更高版本
• NumPy版本1.12.0或更高版本
• Python dateutil 2.5.0或更高版本
• 用于跨平臺時區(qū)計算的pytz

Keras

Keras為快速實驗而設(shè)計。它也可以在TensorFlow等其他框架上運行。作為深度學習庫，Keras以輕松快速地制作原型而著稱。

Keras因易于使用的API而在深度學習庫愛好者中備受歡迎。Jeff Hale進行了一番整理，對主要的深度學習框架進行了排名，Keras相比毫不遜色。

Keras的唯一要求是要有三種后端引擎之一：比如TensorFlow、Theano或CNTK。

NumPy

NumPy是使用Python進行科學計算所需的基本軟件包。對于想要一種易于使用的Python庫進行科學計算的研究人員來說，這是很好的選擇。實際上，NumPy正是為此目的設(shè)計的。它使數(shù)組計算變得容易很多。

最初，NumPy的代碼是SciPy的一部分。然而，需要在工作中使用數(shù)組對象的科學家必須安裝龐大的SciPy軟件包。為了避免這種情況，一個新的軟件包與SciPy分開來，名為NumPy。

如果你想使用NumPy，需要Python 2.6.x、2.7.x、3.2.x或更高版本。

Matplotlib

Matplotlib是Python 2D繪圖庫，可輕松創(chuàng)建跨平臺的圖表和圖形。

到目前為止，我們介紹了許多機器學習、深度學習甚至快速計算框架。不過就數(shù)據(jù)科學而言，你還需要繪制圖形和圖表。談到數(shù)據(jù)科學和Python，會立即想到用于繪圖和數(shù)據(jù)可視化的Matplotlib。它很適合創(chuàng)建出版質(zhì)量的圖表。

為了獲得長期支持，當前的穩(wěn)定版本是v2.2.4，但你可以下載v3.0.3以獲取最新功能。它確實要求你擁有Python 3或更新版本，因為已停止對Python 2的支持。

SciPy

SciPy是一個龐大的數(shù)據(jù)科學軟件包庫，主要面向數(shù)學、科學和工程。如果你是數(shù)據(jù)科學家或工程師，想要在運行技術(shù)和科學計算時一應俱全，SciPy正合你的心意。

由于SciPy建立在NumPy上，它有相同的目標受眾。它有大量的子軟件包，每個子軟件包專注于特定領(lǐng)域，比如傅立葉變換、信號處理、優(yōu)化算法、空間算法和最近鄰。實際上，這是典型數(shù)據(jù)科學家所需的配套Python庫。

就需求而言，如果你需要SciPy，還需要NumPy。

以上就是與數(shù)據(jù)科學有關(guān)的10種主要的Python庫。

原文標題：Ten essential data science packages for Python，作者：TJ Simmons

【51CTO譯稿，合作站點轉(zhuǎn)載請注明原文譯者和出處為51CTO.com】