python之scipy庫,python sci

本文目錄一覽：

• 1、最受歡迎的 15 大 Python 庫有哪些
• 2、【Python基礎】python數據分析需要哪些庫？
• 3、python3.4版本 scipy庫函數怎麼安裝
• 4、Python scipy庫線性規劃如何讓變量取整數

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基礎】python數據分析需要哪些庫？

1.Numpy庫

是Python開源的數值計算擴展工具，提供了Python對多維數組的支持，能夠支持高級的維度數組與矩陣運算。此外，針對數組運算也提供了大量的數學函數庫，Numpy是大部分Python科學計算的基礎，具有很多功能。

2.Pandas庫

是一個基於Numpy的數據分析包，為了解決數據分析任務而創建的。Pandas中納入了大量庫和標準的數據模型，提供了高效地操作大型數據集所需要的函數和方法，使用戶能快速便捷地處理數據。

3.Matplotlib庫

是一個用在Python中繪製數組的2D圖形庫，雖然它起源於模仿MATLAB圖形命令，但它獨立於MATLAB，可以通過Pythonic和面向對象的方式使用，是Python中最出色的繪圖庫。主要用純Python語言編寫的，它大量使用Numpy和其他擴展代碼，即使對大型數組也能提供良好的性能。

4.Seaborn庫

是Python中基於Matplotlib的數據可視化工具，提供了很多高層封裝的函數，幫助數據分析人員快速繪製美觀的數據圖形，從而避免了許多額外的參數配置問題。

5.NLTK庫

被稱為使用Python進行教學和計算語言學工作的最佳工具，以及用自然語言進行遊戲的神奇圖書館。NLTK是一個領先的平台，用於構建使用人類語言數據的Python程序，它為超過50個語料庫和詞彙資源提供了易於使用的接口，還提供了一套文本處理庫，用於分類、標記化、詞幹化、解析和語義推理、NLP庫的包裝器和一個活躍的討論社區。

python3.4版本 scipy庫函數怎麼安裝

下載：scipy-0.18.1-cp35-cp35m-win32.whl

可以通過命令

pip install scipy-0.18.1-cp35-cp35m-win32.whl

成功安裝。但是試圖在程序中使用時會發現：

import scipy

必定報錯。經過簡單閱讀發現，問題出在numpy-mkl上，即默認安裝的numpy中不包含MKL庫，scipy的依賴關係沒有實現。

好在還是上面那個網站，可以找到包含MKL庫版本的numpy：

numpy-1.11.2+mkl-cp35-cp35m-win32.whl

卸載之前的numpy和scipy之後，利用pip重新安裝下載的兩個whl文件，不再出現問題，效果如圖：

amp;lt;img src=”” data-rawwidth=”938″ data-rawheight=”314″ class=”origin_image zh-lightbox-thumb” width=”938″ data-original=””amp;gt;當然，具體使用中會不會出現問題，現在還未知。

當然，具體使用中會不會出現問題，現在還未知。

Python scipy庫線性規劃如何讓變量取整數

scipy做線性規劃不是很方便，推薦用pulp來做，這個模塊不屬於python的內置模塊，需要先安裝，pip install pulp

from pulp import *

# 設置對象

prob = LpProblem(‘myProblem’, LpMinimize)

# 設置三個變量，並設置變量最小取值

x1 = LpVariable(‘x1’, 0)

x2 = LpVariable(‘x2’, 0)

x3 = LpVariable(‘x3’, 0)

x4 = LpVariable(‘x4’)

# 載入目標函數，默認是求最小值，因此這次對原目標函數乘以-1

prob += 3*x1 – 4*x2 + 2*x3 -5*x4

# 載入約束變量

prob += 4*x1 – x2 + 2*x3 -x4 == -2

prob += x1 + x2 -x3 + 2*x4 = 14

prob += -2*x1 + 3*x2 + x3 -x4 = 2

# 求解