这13个Python库，新手进阶需要掌握

Python库分享

今天我们来分享一些Python库...

不同的Python库能够给你提供不一样的帮助

TensorFlow

NO.1

TensorFlow是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。

TensorFlow 最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。

Seaborn

NO.2

Seaborn 本质上是一个基于 matplotlib 库的高级 API。它包含更适合处理图表的默认设置。此外，还有丰富的可视化库，包括一些复杂类型，如时间序列、联合分布图(jointplots)和小提琴图(violin diagrams)。

Pandas

NO.3

pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。

pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。

Pillow

NO.4

它是PIL（Python图形库）的一个友好分支。对于用户比PIL更加友好，对于任何在图形领域工作的人是必备的库。

PyTorch

NO.5

PyTorch是使用GPU和CPU优化的深度学习张量库。

PyTorch 建立在 Python 和 Torch 库之上，并提供了一种类似 Numpy 的抽象方法来表征张量，它还能利用 GPU 来提升性能。

Matplotlib

NO.6

Matplotlib 是 Python 的绘图库。它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案。它也可以和图形工具包一起使用，如 PyQt 和 wxPython。

作为一个很流行的Python库，它可以轻松实现数据可视化。但是，每次执行新项目的绘图时，设置数据、参数、图形的过程都非常的繁琐。

IPython

NO.7

怎么称赞这个工具的功能都不为过。它把Python的提示信息做到了极致。包括完成信息、历史信息、shell功能，以及其他很多很多方面。一定要研究一下它。

Keras

NO.8

Keras:基于Theano和TensorFlow的深度学习库

Keras是一个高层神经网络API，Keras由纯Python编写而成并基Tensorflow、Theano以及CNTK后端。Keras 为支持快速实验而生，能够把你的idea迅速转换为结果，如果你有如下需求，请选择Keras：

*简易和快速的原型设计（keras具有高度模块化，极简，和可扩充特性）

*支持CNN和RNN，或二者的结合

*无缝CPU和GPU切换

Keras适用的Python版本是：Python 2.7-3.6

NumPy

NO.9

NumPy是用Python实现科学计算所需的基础包，能够提供强大的N维数组对象、复杂的（广播）功能、集成C/C++和Fortran代码的工具以及实用的线性代数、傅里叶变换和随机数生成功能。

作为一个开源的Python科学计算基础库，它具有如下特点：

*一个强大的N维数组处理对象ndarray

*广播功能函数

*整合C/C++/Fortran代码的工具

SciPy

NO.10

SciPy是数学、科学与工程方向的开源软件，包含了诸多模块：统计、优化、集成、线性代数、傅里叶变换、信号和图像处理、ODE求解器等.

Scrapy

NO.11

Scrapy，Python开发的一个快速、高层次的屏幕抓取和web抓取框架，用于抓取web站点并从页面中提取结构化的数据。Scrapy用途广泛，可以用于数据挖掘、监测和自动化测试。

Scrapy吸引人的地方在于它是一个框架，任何人都可以根据需求方便的修改。它也提供了多种类型爬虫的基类，如BaseSpider、sitemap爬虫等，最新版本又提供了web2.0爬虫的支持。

Pyglet

NO.12

3D动画和游戏开发引擎。非常有名的Python版本Minecraft就是用这个引擎做的。

Caffe

NO.13

Caffe，全称Convolutional Architecture for Fast Feature Embedding。是一种常用的深度学习框架，主要应用在视频、图像处理方面的应用上。