有哪些Python数据科学软件包

本篇内容介绍了“有哪些Python数据科学软件包”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

№1：Gleam

您听说过Plotly，听说过Matplotlib，也许还听过Seaborn，但您可能没有听说过Gleam。  Gleam是用于创建带有页面，面板和按钮的交互式可视化效果的出色工具。  这些交互式Web可视化也完全与Web集成在一起，这意味着您可以将它们放入从网站到端点的任何内容中!  Gleam使用wtforms进行交互，并且可以使用任何范围的不同可视化工具来实际显示数据。

如果您想要一个很酷的交互式窗格，基本上可以使用任何图形库，那么Gleam是适合您的模块!

№2：Table

好吧，我知道你在想什么，

"为什么不只使用Pandas?"

这当然是一个可行的论点。 Table包使该清单成为Pandas的轻巧替代品。  与使用Pandas.py相比，使用Table.py读取海量数据集要容易得多，这实际上是使其成为该列表的唯一原因。  总的来说，我会说在某些情况下这可能是工作的包，但在大多数情况下，我只会坚持

import pandas as pd

№3：Shogun

> (src = https://www.shogun-toolbox.org/)

Shogun是用C ++编写的机器学习库，它也恰好具有Python端口。  Shogun的一大优点是，它可以在多种不同的编程语言中使用，并且在这方面相对统一。  如果您要使用Python学习Shogun，则可以利用该知识并将其应用于它支持的任何其他语言，这真是太神奇了!

Shogun拥有广泛的前沿机器学习算法，这无疑是任何科学家都可以欣赏的。 当然，它也是开源的，并且根据GNU通用许可发布，这总是一个加分!

№4：OpenCV

OpenCV是另一个很棒的机器学习程序包，实际上是最初由Intel开发的。  尽管有专有的根源，但是OpenCV是开源的，并根据FreeBSD许可许可证发布。 OpenCV真正很棒的一件事是它专注于实时计算机视觉。  与Shogun一样，OpenCV最初是用C ++编写的，但是具有Python和其他语言的接口。

№5：Mlpy

> (src = http://mlpy.sourceforge.net/)

Mlpy为有监督和无监督学习提供了广泛的最新机器学习方法。 与同行不同的是，它旨在为数据科学提供一种多合一的方法。  尽管此时它有点过时，但无疑是Pythonic机器学习引起的巨大包装爆炸的一个很好的起步器。 尽管年代久远，但我认为仍然值得一试。  这是由于其易用性，有趣的算法以及包容性。

Mlpy试图创建一种在重现性，调制和效率之间取得平衡的包装。  我认为此软件包之所以成功，是因为尽管许多对口产品的更新频率更高，当然也包括行业标准，但许多此类想法似乎在翻译中却以一种或另一种方式丢失了。  这是有道理的，因为这些都是由大量开发人员用C编写的庞大程序包，但是，我想说这可能是使用它们的不利方面。

“有哪些Python数据科学软件包”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站，小编将为大家输出更多高质量的实用文章！