吐血整理！绝不能错过的24个Python库(2)

Pandas在Python or Anaconda中已完成预安装，但以防需要，安装代码如下：

pip install pandas 

Pandas有以下特点：

• 数据集连接和合并
• 删除和插入数据结构列
• 数据过滤
• 重塑数据集
• 使用DataFrame对象来操作数据等

下面是一篇文章以及一份很棒的Cheatsheet，有助于使Pandas技能达标：

• 《Python中用于数据操作的12种有用的Pandas技术》传送门：https://www.analyticsvidhya.com/blog/2016/01/12-pandas-techniques-python-data-manipulation/
• 《CheatSheet:在Python中使用Pandas进行数据探索》传送门：https://www.analyticsvidhya.com/blog/2015/07/11-steps-perform-data-analysis-pandas-python/

5. PyOD

传送门：https://pyod.readthedocs.io/en/latest/

难以发现异常值?这绝非个例。别担心，PyOD库就在这里。

PyOD是一个全面的、可伸缩的Python工具包，用于检测外围对象。离群值检测基本上是识别与大多数数据显著不同的稀有项或观测值。

以下代码可用于下载pyOD：

pip install pyod 

PyOD是如何工作的?如何实现PyOD?下面一则指南将回答所有关于PyOD的问题:

《学习在Python中使用PyOD库检测异常值的绝佳教程》传送门：

https://www.analyticsvidhya.com/blog/2019/02/outlier-detection-python-pyod/

6. NumPy

传送门：https://www.numpy.org/

与Pandas一样，NumPy也是一个非常受欢迎的Python库。NumPy引入了支持大型多维数组和矩阵的函数，同时还引入了高级数学函数来处理这些数组和矩阵。

NumPy是一个开源库，有多方贡献者。在 Anaconda和Python中已预安装Numpy，但以防需要，下面是安装代码：

$ pip install numpy 

下面是使用NumPy可执行的一些基本功能：

创建数组：

import numpy as np 
x = np.array([1, 2, 3]) 
print(x) 
y = np.arange(10) 
print(y) 

output - [1 2 3] 
         [0 1 2 3 4 5 6 7 8 9] 

基本运算：

a = np.array([1, 2, 3, 6]) 
b = np.linspace(0, 2, 4) 
c = a - b 
print(c) 
print(a**2) 

output - [1. 1.33333333 1.66666667 4. ] 
         [ 1 4 9 36] 

以及更多其他功能!

7. SpaCy

传送门：https://spacy.io/

目前已经讨论了如何清理数据和处理数值数据。但是如果正在处理文本数据呢?到目前为止，现有的库都无法解决该问题。

Spacy是一个非常有用且灵活的自然语言处理( NLP )库和框架，用于清理创建模型的文本文档。与类似用途的其他库相比，SpaCy速度更快。

在Linux中安装Spacy：

pip install -U spacy 
python -m spacy download en 

其他操作系统上安装Spacy，请点击：https://spacy.io/usage

以下是学习spaCy的课程：

《简化自然语言处理——使用SpaCy(在Python中)》传送门：

https://www.analyticsvidhya.com/blog/2017/04/natural-language-processing-made-easy-using-spacy-%e2%80%8bin-python/

用于数据可视化的Python库

下一步是什么呢?数据可视化!此处假设已得到验证，并且发掘了隐藏的观点和模式。

下面是三个用于数据可视化的绝佳Python库。

8. Matplotlib

传送门：https://matplotlib.org/

Matplotlib是Python中最流行的数据可视化库。允许生成和构建各种各样的图。Matplotlib是笔者的首选库，可与Seaborn一起用于进行数据可视化研究。

以下是安装Matplotli的代码：

$ pip install matplotlib 

下面是使用Matplotlib构建的不同类型图示的部分例子：

（编辑：ASP站长网）