到2024 年，Python 仍然是数据科学的主要编程语言。因为它简单，而且还拥有用于数据清理、特征工程、视觉化与机器学习等各种函数库。

如果想开始或将职业生涯转向更加以数据科学为导向的方向，以下列表将为你提供需要了解的主要扩展库。

1-Taipy

领域：全面应用

Taipy 旨在加快应用程序开发，从最初的原型到生产就绪的应用程序均已经包括。

这个开源Python 函数库专为轻松开发前端(GUI) 和ML/数据管道而设计。

它的代码量低，专为任何pythonista 设计。

主要特征如下：

• 迈向资料科学：笔记本相容并与机器学习平台（Dataiku、Databricks 等......）轻松集成

• Taipy 随着应用程序用户的增加而扩展

• Taipy 适用于大型数据集

• 非同步模式：非常适合处理高负载应用程序

{% cta https://github.com/Avaiga/taipy %} Star Taipy 储存库{% endcta %}

2-Matplotlib

领域：数据视觉化

Matplotlib 是最著名的视觉化工具库。

借助该库，我们可以利用其广泛的图表和自订功能轻松绘制任何2D 图形。

一个很棒的扩展库，可以通过简单快速的图表检查模型的效率。

{% cta https://github.com/matplotlib/matplotlib %} Star储存库{% endcta %}

3- Pandas

领域：数据处理与分析

如何在不了解Pandas 的情况下使用Python 进行编码？Pandas是Python皇室！

该库的两个数据结构是：

• 数据框

• 系列

该库允许快速且有效率地载入、清理和准备数据。

主要功能包括：

• 载入数据中

• 重塑数据框

• 基础统计

{% cta https://github.com/pandas-dev/pandas %} Star储存库{% endcta %}

4-Numpy

领域：数值计算

Numpy 并不如Pandas 通用，但它是科学计算和数据预处理的重要工具。

使用Numpy 时，你将熟悉数组并知道如何有效地进行数据操作和数学函数集。

这个库对于你的数据科学项目绝对是必不可少的。

{% cta https://github.com/numpy/numpy %} Star储存库{% endcta %}

5-Scikit-Learn

领域：机器学习

另一个Python 函数库，它是在Python 中进行机器学习的首选。

该库有多种演算法：

• K-均值聚类

• 回归

• 分类

但它还通过例如数据分割和降维技术来设定我们的机器学习项目。

{% cta https://github.com/scikit-learn/scikit-learn %} Star储存库{% endcta %}

6-Seaborn

领域：统计数据视觉化

Seaborn 将为Matplotlib 带来一些增强功能。

当Matplotlib 强调精确性和简单性时，该扩展库带来了复杂，但有吸引力的视觉化效果。

{% cta https://github.com/mwaskom/seaborn %} Star储存库{% endcta %}

7-TensorFlow 或Pytorch

领域：深度学习

Pytorch 还是TensorFlow 这就是问题所在。

这两个库提供了神经网络的介面。

它们非常灵活，可为你提供高效的API 来建立和建立神经网格模型。

选择取决于自己的选择，这里有一些区别：

• PyTorch 具有更自然语言处理的角度

• Pytorch 更具Python 风格

{% cta https://github.com/tensorflow/tensorflow %} Star TensorFlow 储存库{% endcta %}

{% cta https://github.com/pytorch/pytorch %} Star PyTorch 储存库{% endcta %}

8-Keras

领域：深度学习

Keras 是开始深度学习的好方法，因为它在TensorFlow 之上执行，但实作过程得到简化。

{% cta https://github.com/keras-team/keras %} Star储存库{% endcta %}

9-状态模型

领域：统计建模

该库有一系列统计模型。

它是机器学习项目探索性资料分析阶段的绝佳工具。

一系列功能涵盖从描述性分析到统计测试；它也是一个适合处理时间序列资料、单变数和多元统计等的函数库。

{% cta https://github.com/statsmodels/statsmodels %} Star储存库{% endcta %}

10 Polars

领域：快速数据库操作

Polars 是一个为处理大型数据集而建立的DataFrame 函数库。

它的灵感来自Python 的顶级库- Pandas，但进行了快速调整，速度提高了10 到100 倍。处理大型数据集时必须了解的工具。

{% cta https://github.com/pola-rs/polars %} Star储存库{% endcta %}

结论

以上这十个函数库对于任何机器学习项目都是必不可少的，掌握它们将增强和丰富你的数据分析的履历。

欢迎在文底评论你最喜欢的ML/AI 扩展库哦！～

作者：万能的大雄