小白学数据之常用Python库“小抄表”（附小抄表PDF下载）

大数据文摘作品，转载请联系

编译团队|张远园，行者，Aileen

“

导读：本期小白学数据继续带大家学习Python。这次小编们帮大家在网上搜集了很有用的几个Python常见库小抄表，方便大家学习和编码时查询。如果文中显示的小抄图片看不清楚，没关系，后台回复“小抄”可以下载4张高清小抄pdf哦~

”

小白，我把上一期跟你的对话，整理成小白系列《小白学数据之新年计划-开始学Python吧！》，大家反响热烈！这下，大家都知道怎么开始学习Python了，哈哈！

小白：是啊是啊，我现在跟着你的指导，在网上学习完了Python基础，安装好了Python。可我总是记不住那些Python基础、语法啊，呜呜呜。。。

答：额，这样啊，容我想想。

有了，你知道小抄表么？就是考前大家都会做的科目提要，有时“好学生”们会“不慎”带进考场的那种？

小白：你这一说，我的确想起了我那“纯真”的考试岁月。可是，这跟Python有什么关系呢？

答：当然有关系，我可以给你做一个Python基础的小抄表啊！走一个嘞～

在这张Python小抄表里，已经囊括了Python的相关介绍：变量，数据类型，字符串，列表，并最终落实到Python的基本科学计算包。

小白：你太有办法了，这可真是及时雨；以后需要用Python的时候，我查这张表就OK。但我最近有一些困惑啊：都说Python是大数据处理的好帮手，还有许多其它应用，可我学了Python基础之后，根本不知道怎么用Python来做这些事啊。

答：不急不急，这是因为你还不了解Python强大而丰富的库。比如说Pandas，当下最受数据科学家欢迎的数据分析Python包。

小白：Pandas？熊猫？

答：噢，是Python Data Analysis Library，它是python的一个数据分析包，基于NumPy（一种python的开源数字扩展，使python有更强大的矩阵运算功能，堪比Matlab）。

小白：噢~，酱紫。就是可以让python数据分析能力更强的利器咯！

答：是的。Pandas最初由AQR Capital Management于2008年4月开发，并于2009年底开源出来， 有NumPy的加持，让Pandas 拥有了大量库和一些标准的数据模型，快速便捷地处理数据的函数和方法，可以让我们利用Python高效地操作大型数据集，使Python成为强大而高效的数据分析环境。

小白：哇，好赞。那我该怎么学Pandas？

答：这个嘛，说难也不难，我来帮你！Pandas为了使实际的数据分析更加简单，设计出了快速、灵活而可读性高的数据结构。但可能对于那些刚刚接触Pandas的小鲜肉们来说，Pandas并不是那么容易掌握，尤其是面对这个包里那么多的功能、那么多的选项。

因此，一份Pandas小抄表就显得特别滴重要！噔（一声）噔（二声）噔（一声）噔（二声）~

Pandas小抄表会带着你一览Pandas包的基础知识：从数据结构到输入/输出，数据选择，下降指数（dropping indices or columns），数据整理和排序，获取所用数据结构的基本信息，到数据操作的功能应用、数据对齐等等。这可是新手上路的必备手册噢！

小白：好棒！所以Python库主要就是Pandas包？

答：何止！跟大数据相关还有Bokeh可视化包，以及Scikit-Learn机器学习包。

小白：好奇妙，赶紧说道说道。嘿嘿，是不是还可以要小抄表？

答：你可真贼，我会整理整理，给你小抄表啦。

说起来，数据分析没有图表，那可是美女没有漂亮衣裳一样，无法让人欣赏啊。所以有了Bokeh，这个Python的交互式可视化包，只要你用现代化 Web 浏览器，就可以得到它提供的大型数据集高性能交互功能，Boken 可以非常快速地创建交互式的绘图、仪表盘和数据应用，就像那些美妆试衣的软件一样，让你的数据更清晰、美观的呈现在你面前。

小白：那可太好了，我最怕做图表，费时费力啊。

答：哈哈，确实可以帮到你，不过，Bokeh可不止做图表这么简单。对于数据科学家而言，Bokeh是快速简单创建统计图表的理想工具。但Bokeh还有更多的优点，比如种类繁多的输出选项，可以将可视化结果嵌入应用中。正因为众多的可视化定制选项，使得Python库成为数据科学家工具箱中不可或缺的成员。

小白：哇，好强大。这要怎么学？复杂么？

答：不会啦，忘了我们有小抄？看，这张小抄表不仅提供了绘制专业图表的五个步骤，也将会介绍统计图表的基本知识。

借助这份Bokeh小抄表，会让你很快地熟悉基本统计图表的制作过程：如何准备数据，创建图表，添加自定义的可视化数据的渲染器，输出图表并且保存或者展示。

小白：嘿，好嘞。Get！

答：哎，别急，还有一个重要成员没给你说呢。

小白：噢，对奥，是什么learn来着？

答：Scikit-Learn！大部分用Python学习数据科学的人，都对 Scikit-Learn有所耳闻。这个开源Python包通过统一界面的帮助，实现多种机器学习、预处理、交叉验证和可视化算法。

对于一个踏入大数据领域的新人来说，机器学习、Scikit-Learn包可都是有抱负成为数据科学家的同学们的必知工具。

小白：嗯嗯，我有抱负，快说说这个Scikit-Learn的小抄表吧！

答：哈哈，小白，到这个时候你算是get啦！来看看吧，这张Scikit-Learn小抄表会向你介绍成功实现机器学习算法的基本步骤：如何加载数据，如何预处理数据，如何创建适合自己数据并能预测目标的模型，如何验证自己的模型，如何调整以进一步改善模型的性能。

简而言之，这张小抄表将会启动你的数据科学项目：借助示例的代码，你可以立刻开始创建、验证和调整你的机器学习模型。

小白：太好了！全部get !Python功能实在是太强大了！这些小抄表可是解了我的燃眉之急啊。还等什么呢？新年新气象，现在就开始学习咯！走起！

后台回复“小抄”可以下载4张高清小抄pdf和其他精彩内容哦~

参考资料：

https://www.datacamp.com/community/tutorials/python-data-science-cheat-sheet-basics#gs.PGKMfHA

https://www.datacamp.com/community/blog/python-pandas-cheat-sheet#gs.PGKMfHA

https://www.datacamp.com/community/blog/bokeh-cheat-sheet-python#gs.PGKMfHA

https://www.datacamp.com/community/blog/scikit-learn-cheat-sheet#gs.0wIIszs

关于转载如需转载，请在开篇显著位置注明作者和出处（转自：大数据文摘 |bigdatadigest），并在文章结尾放置大数据文摘醒目二维码。无原创标识文章请按照转载要求编辑，可直接转载，转载后请将转载链接发送给我们；有原创标识文章，请发送【文章名称-待授权公众号名称及ID】给我们申请白名单授权。未经许可的转载以及改编者，我们将依法追究其法律责任。联系邮箱：zz@bigdatadigest.cn。