九道门丨五个Python数据分析工具，你值得拥有

众所周知，Python作为2021最火的语言，下面这几个工具你一定要学会！

GraphLabGreate

GraphLabGreate是一个Python库，由C++引擎支持，可以快速构建大型高性能数据产品。可以在计算机上以交互的速度分析以T为计量单位的数据量。在单一平台上可以分析表格数据、曲线、文字、图像。最新的机器学习算法包括深度学习，进化树和factorizationmachines理论。可以用HadoopYarn或者EC2聚类在你的笔记本或者分布系统上运行同样的代码。

GraphLabGreate还要求要使深度学习变得简单。尽管其能选择较好的罗构架和参数，但这种自动化处理往往是不够的。优化设置往往是极端具体的问题，没有好的直觉、没有足够丰富的经验、没有很多PHD学生的话这个问题很难解决。

Pandas

pandas是一个开源的软件，它具有BSD的开源许可，为Python编程语言提供高性能，易用数据结构和数据分析工具。在数据改动和数据预处理方面，Python早已名声显赫，但是在数据分析与建模方面，Python是个短板。Pands软件就填补了这个空白，能让你用Python方便地进行你所有数据的处理，而不用转而选择更主流的专业语言，例如R语言。

andas核心数据结构有两种，即一维的series和二维的dataframe，二者可以分别看作是在numpy一维数组和二维数组的基础上增加了相应的标签信息。正因如此，可以从两个角度理解series和dataframe：

series和dataframe分别是一维和二维数组，因为是数组，所以numpy中关于数组的用法基本可以直接应用到这两个数据结构，包括数据创建、切片访问、通函数、广播机制等

series是带标签的一维数组，所以还可以看作是类字典结构：标签是key，取值是value；而dataframe则可以看作是嵌套字典结构，其中列名是key，每一列的series是value。所以从这个角度讲，pandas数据创建的一种灵活方式就是通过字典或者嵌套字典，同时也自然衍生出了适用于series和dataframe的类似字典访问的接口，即通过loc索引访问。

PuLP

线性编程是一种优化，其中一个对象函数被最大程度地限制了。PuLP是一个用Python编写的线性编程模型。它能产生线性文件，能调用高度优化的求解器，GLPK，COINCLP/CBC，CPLEX，和GUROBI，来求解这些线性问题。

Matplotlib

matplotlib是基于Python的2D(数据)绘图库，它产生(输出)出版级质量的图表，用于各种打印纸质的原件格式和跨平台的交互式环境。matplotlib既可以用在python脚本，python和ipython的shell界面(alaMATLABathematicaweb应用服务器，和6类GUI工具箱。

简单来说，Matplotlib 是 Python 的一个绘图库。它包含了大量的工具，你可以使用这些工具创建各种图形，包括简单的散点图，正弦曲线，甚至是三维图形。Python 科学计算 区经常使用它完成数据可视化的工作。

Scikit-Learn

Scikit-Learn是一个简单有效的数据挖掘和数据分析工具(库)。关于最值得一提的是，它人人可用，重复用于多种语境。它基于NumPy，SciPy和mathplotlib等构建。Scikit采用开源的BSD授权协议，同时也可用于商业。

Scikit-learn项目始于scikits.learn，这是David Cournapeau的Google Summer of Code项目。它的名称源于它是“ SciKit”（SciPy工具包）的概念，它是SciPy的独立开发和分布式第三方扩展。原始代码库后来被其他开发人员重写。2010年费边Pedregosa，盖尔Varoquaux，亚历山大Gramfort和Vincent米歇尔，全部由法国国家信息与自动化研究所的罗屈昂库尔，法国，把该项目的领导和做出的首次公开发行在二月一日2010在各种scikits中，scikit-learn以及scikit-image在2012年11月被描述为“维护良好且受欢迎” 。

Scikit-Learn具备如下特性：分类(Classification)–识别鉴定一个对象属于哪一类别回归(Regression)–预测对象关联的连续值属性聚类(Clustering)–类似对象自动分组集合降维(DimensionalityReduction)–减少需要考虑的随机变量数量模型选择(ModelSelection)–比较、验证和选择参数和模型预处理(Preprocessing)–特征提取和规范化。

文章知识点与官方知识档案匹配，可进一步学习相关知识Python入门技能树数据分析CSV文件211178 人正在系统学习中