使用python的庫的簡單介紹

本文目錄一覽：

• 1、常用的python庫有哪些?
• 2、最受歡迎的 15 大 Python 庫有哪些
• 3、Python常用的標準庫以及第三方庫有哪些？
• 4、Python中數據可視化的兩個庫！
• 5、Python的os庫的使用
• 6、Python數據分析庫有哪些

常用的python庫有哪些?

1、Matplotlib：用於創建二維圖和圖形的底層庫，有了它的幫助，你可以構建各種不同的圖標，從直方圖到散點圖再到費笛卡爾坐標圖，它都可以與很多流行的繪圖庫結合使用。

2、Seaborn：包含更適合處理圖標的默認設置，此外還有豐富的可視化庫，包含一些複雜類型，比如說時間序列、聯合分布圖等。

3、Plotly：一個很流行的庫，可以讓你輕鬆構建複雜的圖形，該軟件包含用於交互式web應用程，可實現輪廓圖、三元圖以及三維圖等效果。

4、Pydot：純Python編寫的Graphviz接口，經常用於生產複雜的定向圖和無向圖，能夠顯示圖形的結構，構建神經網絡和基於決策樹的算法是非常有效。

5、pyecharts：功能非常強大，支持多達400+地圖，支持JupyterNotebook、JupyterLab，可以集成Flask，Sanic，Django等主流Web框架。

6、cufflinks：結合了plotly的強大功能和panda的靈活性，可以方便地進行繪圖，避免了數據可視化過程中，對數據存儲結構和數據類型進行複雜的麻煩。

最受歡迎的 15 大 Python 庫有哪些

1、Pandas：是一個Python包，旨在通過“標記”和“關係”數據進行工作，簡單直觀。它設計用於快速簡單的數據操作、聚合和可視化，是數據整理的完美工具。

2、Numpy：是專門為Python中科學計算而設計的軟件集合，它為Python中的n維數組和矩陣的操作提供了大量有用的功能。該庫提供了NumPy數組類型的數學運算向量化，可以改善性能，從而加快執行速度。

3、SciPy：是一個工程和科學軟件庫，包含線性代數，優化，集成和統計的模塊。SciPy庫的主要功能是建立在NumPy上，通過其特定子模塊提供有效的數值例程，並作為數字積分、優化和其他例程。

4、Matplotlib：為輕鬆生成簡單而強大的可視化而量身定製，它使Python成為像MatLab或Mathematica這樣的科學工具的競爭對手。

5、Seaborn：主要關注統計模型的可視化(包括熱圖)，Seaborn高度依賴於Matplotlib。

6、Bokeh：獨立於Matplotlib，主要焦點是交互性，它通過現代瀏覽器以數據驅動文檔的風格呈現。

7、Plotly：是一個基於Web用於構建可視化的工具箱，提供API給一些編程語言(Python在內)。

8、Scikits：是Scikits

Stack額外的軟件包，專為像圖像處理和機器學習輔助等特定功能而設計。它建立在SciPy之上，中集成了有質量的代碼和良好的文檔、簡單易用並且十分高效，是使用Python進行機器學習的實際行業標準。

9、Theano：是一個Python軟件包，它定義了與NumPy類似的多維數組，以及數學運算和表達式。此庫是被編譯的，可實現在所有架構上的高效運行。

10、TensorFlow：是數據流圖計算的開源庫，旨在滿足谷歌對訓練神經網絡的高需求，並且是基於神經網絡的機器學習系統DistBelief的繼任者，可以在大型數據集上快速訓練神經網絡。

11、Keras：是一個用Python編寫的開源的庫，用於在高層的接口上構建神經網絡。它簡單易懂，具有高級可擴展性。

12、NLTK：主要用於符號學和統計學自然語言處理(NLP) 的常見任務，旨在促進NLP及相關領域(語言學，認知科學人工智能等)的教學和研究。

13、Gensim：是一個用於Python的開源庫，為有向量空間模型和主題模型的工作提供了使用工具。這個庫是為了高效處理大量文本而設計，不僅可以進行內存處理，還可以通過廣泛使用NumPy數據結構和SciPy操作來獲得更高的效率。

Python常用的標準庫以及第三方庫有哪些？

Python常用的標準庫有http庫。第三方庫有scrapy，pillow和wxPython.以下有介紹：

Requests.Kenneth Reitz寫的最富盛名的http庫，每個Python程序員都應該有它。

Scrapy.如果你從事爬蟲相關的工作，那麼這個庫也是必不可少的。用過它之後你就不會再想用別的同類庫了。

wxPython.Python的一個GUI（圖形用戶界面）工具。我主要用它替代tkinter。

Pillow.它是PIL的一個友好分支。對於用戶比PIL更加友好，對於任何在圖形領域工作的人是必備的庫。

Python（英國發音：/ˈpaɪθən/ 美國發音：/ˈpaɪθɑːn/）, 是一種面向對象的解釋型計算機程序設計語言，由荷蘭人Guido van Rossum於1989年發明，第一個公開發行版發行於1991年。

Python中數據可視化的兩個庫！

1. Matplotlib：是Python中眾多數據可視化庫的鼻祖，其設計風格與20世紀80年代的商業化程序語言MATLAB十分相似，具有很多強大且複雜的可視化功能;還包含了多種類型的API，可以採用多種方式繪製圖標並對圖標進行定製。

2. Seaborn：是基於Matplotlib進行高級封裝的可視化庫，支持交互式界面，使繪製圖表功能變得簡單，且圖表的色彩更具吸引力。

3. ggplot：是基於Matplotlib並旨在以簡單方式提高Matplotlib可視化感染力的庫，採用疊加圖層的形式繪製圖形，比如先繪製坐標軸所在的圖層，再繪製點所在的圖層，最後繪製線所在的圖層，但其並不適用於個性化定製圖形。

4. Boken：是一個交互式的可視化庫，支持使用Web瀏覽器展示，可使用快速簡單的方式將大型數據集轉換成高性能的、可交互的、結構簡單的圖表。

5. Pygal：是一個可縮放矢量圖標庫，用於生成可在瀏覽器中打開的SVG格式的圖表，這種圖表能夠在不同比例的屏幕上自動縮放，方便用戶交互。

6. Pyecharts：是一個生成ECharts的庫，生成的ECharts憑藉良好的交互性、精巧的設計得到了眾多開發者的認可。

Python的os庫的使用

python os庫有很多和操作系統相關的功能。

其實不僅僅如此，os庫中還有很多和文件，路徑，執行系統命令相關的。

下面是os模塊常用的方法.

1.os.sep                    可以取代操作系統特定的路徑分割符

2.os.name                字符串指示你正在使用的平台。比如對於Windows，它是’nt’，而對於Linux/Unix用戶，它是’posix’

3.os.getcwd()            函數得到當前工作目錄，即當前Python腳本工作的目錄路徑

4.os.getenv()            用來讀取環境變量

5.os.putenv()            用來設置環境變量

6.os.listdir()              返回指定目錄下的所有文件和目錄名

7os.remove()            函數用來刪除一個文件

8.os.system()            函數用來運行shell命令

9.os.linesep              字符串給出當前平台使用的行終止符。例如，Windows使用’/r/n’，Linux使用’/n’而Mac使用’/r’。

10.os.path.split()      函數返回一個路徑的目錄名和文件名

11.os.path.isfile()      檢驗給出的路徑是一個文件

12os.path.isdir()        檢驗給出的路徑是一個目錄

13.os.path.existe()    函數用來檢驗給出的路徑是否真地存在

14.os.listdir(dirname) 列出dirname下的目錄和文件

15.os.getcwd()          獲得當前工作目錄

16.os.curdir                返回當前目錄（’.’)

17.os.chdir(dirname)  改變工作目錄到dirname

os.path都是和路徑指定的文件,目錄,和路徑字符串有關係的函數

os.path.isdir(name)          判斷name是不是一個目錄，name不是目錄就返回false

os.path.isfile(name)          判斷name是不是一個文件，不存在name也返回false

os.path.exists(name)        判斷是否存在文件或目錄name

os.path.getsize(name)      獲得文件大小，如果name是目錄返回0L

os.path.abspath(name)    獲得絕對路徑

os.path.normpath(path)    規範path字符串形式

os.path.split(name)          分割文件名與目錄（事實上，如果你完全使用目錄，它也會將最後一個目錄作為文件名而分離，同時它不會判斷文件或目錄是否存在）

os.path.splitext()              分離文件名與擴展名

os.path.join(path,name)    連接目錄與文件名或目錄

os.path.basename(path)  返迴文件名

os.path.dirname(path)      返迴文件路徑

Python數據分析庫有哪些

Python數據分析必備的第三方庫：

1、Pandas

Pandas是Python強大、靈活的數據分析和探索工具，包含Serise、DataFrame等高級數據結構和工具，安裝Pandas可使Python中處理數據非常快速和簡單。

Pandas是Python的一個數據分析包，Pandas最初使用用作金融數據分析工具而開發出來，因此Pandas為時間序列分析提供了很好的支持。

Pandas是為了解決數據分析任務而創建的，Pandas納入了大量的庫和一些標準的數據模型，提供了高效的操作大型數據集所需要的工具。Pandas提供了大量是我們快速便捷的處理數據的函數和方法。Pandas包含了高級數據結構，以及讓數據分析變得快速、簡單的工具。

2、Numpy

Numpy可以提供數組支持以及相應的高效處理函數，是Python數據分析的基礎，也是Scipy、Pandas等數據處理和科學計算庫最基本的函數功能庫，且其數據類型對Python數據分析十分有用。

Numpy提供了兩種基本的對象：ndarray和ufunc。ndarray是存儲單一數據類型的多維數組，而ufunc是能夠對數組進行處理的函數。

3、Matplotlib

Matplotlib是強大的數據可視化工具和作圖庫，是主要用於繪製數據圖表的Python庫，提供了繪製各類可視化圖形的命令字庫、簡單的接口，可以方便用戶輕鬆掌握圖形的格式，繪製各類可視化圖形。

Matplotlib是Python的一個可視化模塊，他能方便的只做線條圖、餅圖、柱狀圖以及其他專業圖形。

Matplotlib是基於Numpy的一套Python包，這個包提供了豐富的數據繪圖工具，主要用於繪製一些統計圖形。

4、SciPy

SciPy是一組專門解決科學計算中各種標準問題域的包的集合，包含的功能有最優化、線性代數、積分、插值、擬合、特殊函數、快速傅里葉變換、信號處理和圖像處理、常微分方程求解和其他科學與工程中常用的計算等，這些對數據分析和挖掘十分有用。

SciPy是一款方便、易於使用、專門為科學和工程設計的Python包，它包括統計、優化、整合、線性代數模塊、傅里葉變換、信號和圖像處理、常微分方程求解器等。Scipy依賴於Numpy，並提供許多對用戶友好的和有效的數值例程，如數值積分和優化。

5、Keras

Keras是深度學習庫，人工神經網絡和深度學習模型，基於Theano之上，依賴於Numpy和Scipy，利用它可以搭建普通的神經網絡和各種深度學習模型，如語言處理、圖像識別、自編碼器、循環神經網絡、遞歸審計網絡、卷積神經網絡等。

6、Scrapy

Scrapy是專門為爬蟲而生的工具，具有URL讀取、HTML解析、存儲數據等功能，可以使用Twisted異步網絡庫來處理網絡通訊，架構清晰，且包含了各種中間件接口，可以靈活的完成各種需求。

7、Gensim

Gensim是用來做文本主題模型的庫，常用於處理語言方面的任務，支持TF-IDF、LSA、LDA和Word2Vec在內的多種主題模型算法，支持流式訓練，並提供了諸如相似度計算、信息檢索等一些常用任務的API接口。