近日，數(shù)據(jù)科學(xué)網(wǎng)站 KDnuggets 評(píng)選出了頂級(jí) Python 庫(kù) Top15，領(lǐng)域橫跨數(shù)據(jù)科學(xué)、數(shù)據(jù)可視化、深度學(xué)習(xí)和機(jī)器學(xué)習(xí)。

和往常一樣，我們需要你們的意見(jiàn)，如果你覺(jué)得項(xiàng)目沒(méi)有上榜單是不公平的，或者對(duì)我們的選擇有異議，請(qǐng)?jiān)谠u(píng)論求留言讓我們知道。

 

 

圖 1：根據(jù) GitHub star 和貢獻(xiàn)評(píng)選出的 2018 頂級(jí) Python 庫(kù)。形狀大小與貢獻(xiàn)者數(shù)量成正比。

以下為 2018 年排名前 15 的 Python 庫(kù)(數(shù)據(jù)截止 2018 年 12 月 16 日)：

1 TensorFlow(貢獻(xiàn)者：1757，貢獻(xiàn)：25756，Stars：116765)

“TensorFlow 是一個(gè)使用數(shù)據(jù)流圖進(jìn)行數(shù)值計(jì)算的開(kāi)源軟件庫(kù)。圖形節(jié)點(diǎn)表示數(shù)學(xué)運(yùn)算，而圖形邊緣表示在它們之間流動(dòng)的多維數(shù)據(jù)陣列(張量)。這種靈活的體系結(jié)構(gòu)使用戶(hù)可以將計(jì)算部署到桌面、服務(wù)器或移動(dòng)設(shè)備中的一個(gè)或多個(gè) CPU/GPU，而無(wú)需重寫(xiě)代碼。 ”

GitHub 地址：https://github.com/tensorflow/tensorflow

2 pandas(貢獻(xiàn)者：1360，貢獻(xiàn)：18441，Stars ：17388)

“pandas 是一個(gè) Python 包，、供快速，靈活和富有表現(xiàn)力的數(shù)據(jù)結(jié)構(gòu)，旨在讓”關(guān)系“或”標(biāo)記“數(shù)據(jù)使用既簡(jiǎn)單又直觀。它的目標(biāo)是成為用 Python 進(jìn)行實(shí)際，真實(shí)數(shù)據(jù)分析的基礎(chǔ)高級(jí)構(gòu)建塊。”

GitHub 地址：https://github.com/pandas-dev/pandas

3 scikit-learn(貢獻(xiàn)者：1218，貢獻(xiàn)者：23509，Stars ：32326)

“scikit-learn 是一個(gè)基于 NumPy，SciPy 和 matplotlib 的機(jī)器學(xué)習(xí) Python 模塊。它為數(shù)據(jù)挖掘和數(shù)據(jù)分析提供了簡(jiǎn)單而有效的工具。SKLearn 所有人都可用，并可在各種環(huán)境中重復(fù)使用。

GitHub 地址：https://github.com/scikit-learn/scikit-learn

4 PyTorch(貢獻(xiàn)者：861，貢獻(xiàn)：15362，Stars：22763)

“PyTorch 是一個(gè) Python 包，提供兩個(gè)高級(jí)功能：

具有強(qiáng)大的 GPU 加速度的張量計(jì)算(如 NumPy)

基于磁帶的自動(dòng)編程系統(tǒng)構(gòu)建的深度神經(jīng)網(wǎng)絡(luò)

你可以重復(fù)使用自己喜歡的 Python 軟件包，如 NumPy，SciPy 和 Cython，以便在需要時(shí)擴(kuò)展 PyTorch。”

GitHub 地址：https://github.com/pytorch/pytorch

5 Matplotlib(貢獻(xiàn)者：778，貢獻(xiàn)：28094，Stars ：8362)

“Matplotlib 是一個(gè) Python 2D 繪圖庫(kù)，可以生成各種可用于出版品質(zhì)的硬拷貝格式和跨平臺(tái)交互式環(huán)境數(shù)據(jù)。Matplotlib 可用于 Python 腳本，Python 和 IPython shell(例如 MATLAB 或 Mathematica)，Web 應(yīng)用程序服務(wù)器和各種圖形用戶(hù)界面工具包。”

GitHub 地址：https://github.com/matplotlib/matplotlib

6 Keras(貢獻(xiàn)者：856，貢者：4936，Stars ：36450)

“Keras 是一個(gè)高級(jí)神經(jīng)網(wǎng)絡(luò) API，用 Python 編寫(xiě)，能夠在 TensorFlow，CNTK 或 Theano 之上運(yùn)行。它旨在實(shí)現(xiàn)快速實(shí)驗(yàn)，能夠以最小的延遲把想法變成結(jié)果，這是進(jìn)行研究的關(guān)鍵。”

GitHub 地址：https://github.com/keras-team/keras

7 NumPy(貢獻(xiàn)者：714，貢獻(xiàn)：19399，Stars：9010)

“NumPy 是使用 Python 進(jìn)行科學(xué)計(jì)算所需的基礎(chǔ)包。它提供了強(qiáng)大的 N 維數(shù)組對(duì)象，復(fù)雜的(廣播)功能，集成 C / C ++ 和 Fortran 代碼的工具以及有用的線(xiàn)性代數(shù)，傅里葉變換和隨機(jī)數(shù)功能。

GitHub 地址：https://github.com/numpy/numpy

8 SciPy(貢獻(xiàn)者：676，貢獻(xiàn)：20180，Stars：5188)

“SciPy(發(fā)音為”Sigh Pie“)是數(shù)學(xué)、科學(xué)和工程方向的開(kāi)源軟件，包含統(tǒng)計(jì)、優(yōu)化、集成、線(xiàn)性代數(shù)、傅立葉變換、信號(hào)和圖像處理、ODE 求解器等模塊。”

GitHub 地址：https://github.com/scipy/scipy

9 Apache MXNet(貢獻(xiàn)者：653，貢獻(xiàn)：9060，Stars：15812)

“Apache MXNet(孵化)是一個(gè)深度學(xué)習(xí)框架，旨在提高效率和靈活性，讓你可以混合符號(hào)和命令式編程，以最大限度地提高效率和生產(chǎn)力。 MXNet 的核心是一個(gè)動(dòng)態(tài)依賴(lài)調(diào)度程序，可以動(dòng)態(tài)地自動(dòng)并行化符號(hào)和命令操作。”

GitHub 地址：https://github.com/apache/incubator-mxnet

10 Theano(貢獻(xiàn)者：333，貢獻(xiàn)：28060，Stars ：8614)

“Theano 是一個(gè) Python 庫(kù)，讓你可以有效地定義、優(yōu)化和評(píng)估涉及多維數(shù)組的數(shù)學(xué)表達(dá)式。它可以使用 GPU 并實(shí)現(xiàn)有效的符號(hào)區(qū)分。”

GitHub 地址：https://github.com/Theano/Theano

11 Bokeh(貢獻(xiàn)者：334，貢獻(xiàn)：17395，Stars ：8649)

“Bokeh 是一個(gè)用于 Python 的交互式可視化庫(kù)，可以在現(xiàn)代 Web 瀏覽器中實(shí)現(xiàn)美觀且有意義的數(shù)據(jù)視覺(jué)呈現(xiàn)。使用 Bokeh，你可以快速輕松地創(chuàng)建交互式圖表、儀表板和數(shù)據(jù)應(yīng)用程序。”

GitHub 地址：https://github.com/bokeh/bokeh

12 XGBoost(貢獻(xiàn)者：335，貢獻(xiàn)：3557，Stars：14389)

“XGBoost 是一個(gè)優(yōu)化的分布式梯度增強(qiáng)庫(kù)，旨在變得高效、強(qiáng)大、靈活和便攜。它在 Gradient Boosting 框架下實(shí)現(xiàn)機(jī)器學(xué)習(xí)算法。XGBoost 提供了梯度提升決策樹(shù)(也稱(chēng)為 GBDT，GBM)，可以快速準(zhǔn)確地解決許多數(shù)據(jù)科學(xué)問(wèn)題，可以在主要的分布式環(huán)境(Hadoop，SGE，MPI)上運(yùn)行相同的代碼，并可以解決數(shù)十億個(gè)示例之外的問(wèn)題。”

GitHub 地址：https://github.com/dmlc/xgboost

13 Gensim(貢獻(xiàn)者：301，貢獻(xiàn)：3687，Stars ：8295)

“Gensim 是一個(gè)用于主題建模、文檔索引和大型語(yǔ)料庫(kù)相似性檢索的 Python 庫(kù)，目標(biāo)受眾是自然語(yǔ)言處理(NLP)和信息檢索(IR)社區(qū)。”

GitHub 地址：https://github.com/RaRe-Technologies/gensim

14 Scrapy(貢獻(xiàn)者：297，貢獻(xiàn)：6808，Stars ：30507)

“Scrapy 是一種快速的高級(jí) Web 爬行和 Web 抓取框架，用于抓取網(wǎng)站并從其頁(yè)面中提取結(jié)構(gòu)化數(shù)據(jù)。它可用于從數(shù)據(jù)挖掘到監(jiān)控和自動(dòng)化測(cè)試的各種用途。”

GitHub 地址：https://github.com/scrapy/scrapy

15 Caffe(貢獻(xiàn)者：270，貢獻(xiàn)：4152，Stars ：26531)

“Caffe 是一個(gè)以表達(dá)、速度和模塊化為基礎(chǔ)的深度學(xué)習(xí)框架，由伯克利人工智能研究(BAIR)/ 伯克利視覺(jué)與學(xué)習(xí)中心(BVLC)和社區(qū)貢獻(xiàn)者開(kāi)發(fā)。”

GitHub 地址：https://github.com/BVLC/caffe

參考鏈接：https://www.kdnuggets.com/2018/12/top-python-libraries-2018.html

標(biāo)簽： 代碼 服務(wù)器 腳本 排名 數(shù)據(jù)分析 網(wǎng)絡(luò)

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。