列举python常用类库
Python 提供多种强大的扩展库用于数值计算、数据可视化、Web 开发等,下面是一些常用的类库:
- 数值计算:
- NumPy:支持多维数组与矩阵运算,也针对数组运算提供大量的数学函数库。通常与 SciPy 和 Matplotlib 一起使用,支持比 Python 更多种类的数值类型,其中定义的最重要的对象是称为 ndarray 的 n 维数组类型,用于描述相同类型的元素集合,可以使用基于0的索引访问集合中元素。
- SciPy:在 NumPy 库的基础上增加了众多的数学、科学及工程计算中常用的库函数,如线性代数、常微分方程数值求解、信号处理、图像处理、稀疏矩阵等,可进行插值处理、信号滤波,以及使用 C 语言加速计算。
- Pandas:基于 NumPy 的一种工具,为解决数据分析任务而生。纳入大量库和一些标准的数据模型,提供高效地操作大型数据集所需的工具及大量的能快速便捷处理数据的函数和方法,
为时间序列分析提供很好的支持,提供多种数据结构,如 Series、Time-Series、DataFrame 和 Panel。
- 数据可视化:
- Matplotlib:第一个 Python 可视化库,有许多别的程序库都是建立在其基础上或者直接调用该库,可以很方便地得到数据的大致信息,功能非常强大,但也非常复杂。
- Seaborn:利用了 Matplotlib,用简洁的代码来制作好看的图表。与 Matplotlib 最大的区别为默认绘图风格和彩搭配都具有现代美感。
- ggplot:基于 R 的一个作图库 ggplot2,同时利用了源于《图像语法》(The Grammar of Graphics)中的概念,允许叠加不同的图层来完成一幅图,并不适用于制作非常个性化的图像,为操作的简洁度而牺牲了图像的复杂度。
- Bokeh:跟 ggplot 一样,Bokeh 也基于《图形语法》的概念。与 ggplot 不同之处为它完全基于 Python 而不是从 R 处引用。长处在于能用于制作可交互、可直接用于网络的图表。图表可以输出为 JSON 对象、HTML 文档或者可交互的网络应用。Bokeh 也支持数据流和实
时数据,为不同的用户提供了3种控制水平。
- Plotly:可以通过 Python notebook 使用,与 Bokeh 一样致力于交互图表的制作,但提供在别的库中几乎没有的几种图表类型,如等值线图、树形图和三维图表。
- pygal:与 Bokeh 和 Plotly 一样,提供可直接嵌入网络浏览器的可交互图像。与其他两者的主要区别在于可将图表输出为 SVG 格式,所有的图表都被封装成方法,且默认的风格也很漂亮,用几行代码就可以很容易地制作出漂亮的图表。
- geoplotlib:用于制作地图和地理相关数据的工具箱。可用来制作多种地图,比如等值区域图、热度图、点密度图。必须安装 Pyglet(一个面向对象编程接口)方可使用。
- missingno:用图像的方式快速评估数据缺失的情况,可根据数据的完整度对数据进行排序或过滤,或者根据热度图或树状图对数据进行修正。
- Web 开发:
- Django:一个高级的 Python Web 框架,支持快速开发,提供从模板引擎到 ORM 所需的一切东西,使用该库构建 App 时,必须遵循 Django 的方式。
这只是 Python 常用类库的一小部分,你可以根据具体的需求和应用场景选择适合的类库。
numpy库不具有的功能有
版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198,我们将在24小时内删除。
发表评论