原文：
www.kdnuggets.com/2021/03/top-10-python-libraries-2021.html
评论
照片来自David Clode在Unsplash上。
1. 谷歌网络安全证书 - 快速进入网络安全职业的快车道。
2. 谷歌数据分析专业证书 - 提升你的数据分析能力
3. 谷歌 IT 支持专业证书 - 支持组织中的 IT 工作
学习数据科学可能会让人感到不知所措。这里有数百种工具和资源，而且并不总是很明显你应该关注哪些工具或学习什么。
简单来说，你应该学习你喜欢的内容，因为数据科学提供了广泛的技能和工具。话虽如此，我想与大家分享我认为数据科学中最常用的前 10 个Python 库。
话虽如此，以下是数据科学领域的前 10 个 Python 库。
你一定听过这样一句话。数据科学家的 70%到 80%的工作是理解和清理数据，也就是数据探索和数据处理。
Pandas 主要用于数据分析，它是最常用的 Python 库之一。它提供了一些最有用的工具来探索、清理和分析数据。使用 Pandas，你可以加载、准备、操作和分析各种结构化数据。机器学习库也围绕 Pandas DataFrames 作为输入。
学习 Pandas 的地方
NumPy 主要用于支持 N 维数组。这些多维数组相比于 Python 列表要强大 50 倍，使得 NumPy 成为数据科学家的最爱。
NumPy 也被像 TensorFlow 这样的其他库用于其内部张量计算。NumPy 还提供了快速的预编译函数用于数值例程，这些例程可能难以手动解决。为了提高效率，NumPy 使用面向数组的计算，因此处理多个类变得容易。
在哪里学习 NumPy
Scikit-learn 可以说是 Python 中最重要的机器学习库。使用 Pandas 或 NumPy 清理和处理数据后，scikit-learn 用于构建机器学习模型，因为它拥有大量用于预测建模和分析的工具。
使用 scikit-learn 的理由有很多。举几个例子，你可以使用 scikit-learn 构建多种类型的机器学习模型，监督和无监督模型，交叉验证模型的准确性，以及进行特征重要性分析。
在哪里学习 Scikit-learn
Gradio 允许你只需三行代码即可构建和部署机器学习模型的 Web 应用。它与 Streamlit 或 Flask 具有相同的目的，但我发现它更快、更容易部署模型。
Gradio 有以下几个优点：
-
它允许进一步的模型验证。具体来说，它允许你以交互方式测试模型的不同输入。
-
这是一种进行演示的好方法。
-
它易于实施和分发，因为通过公共链接，任何人都可以访问该 Web 应用。
在哪里学习 Gradio
TensorFlow 是 Python 中用于实现神经网络的最流行的库之一。它使用多维数组，也称为张量，这使得它可以对特定输入执行多种操作。
由于其高度的并行性，它可以训练多个神经网络和 GPU，从而实现高效且可扩展的模型。TensorFlow 的这一特性也被称为管道化。
在哪里学习 TensorFlow
Keras 主要用于创建深度学习模型，特别是神经网络。它建立在 TensorFlow 和 Theano 之上，使得构建神经网络变得非常简单。由于 Keras 使用后端基础设施生成计算图，因此相比于其他库，它的速度相对较慢。
在哪里学习 Keras
正如名字所示，SciPy 主要用于其科学功能和源自 NumPy 的数学函数。这个库提供的一些有用功能包括统计函数、优化函数和信号处理函数。为了求解微分方程和进行优化，它包括了计算积分的函数。一些使 SciPy 变得重要的应用有：
-
多维图像处理
-
解决傅里叶变换和微分方程的能力
-
由于其优化的算法，它可以非常强大且高效地进行线性代数计算。
在哪里学习 SciPy
Statsmodels 是一个用于进行高强度统计的优秀库。这个多功能库是不同 Python 库的融合，它从 Matplotlib 获取图形特性和功能，从 Pandas 处理数据，从 Pasty 处理类似 R 的公式，基于 NumPy 和 SciPy 构建。
特别是，它对创建统计模型（如 OLS）以及执行统计测试非常有用。
在哪里学习 Statsmodels
Plotly 无疑是构建可视化的必备工具，因为它功能强大、易于使用，而且能够与可视化进行互动，具有很大的优势。
与 Plotly 一起使用的是 Dash，它是一个允许你使用 Plotly 可视化构建动态仪表板的工具。Dash 是一个基于网络的 Python 接口，去除了这些类型分析 Web 应用程序对 JavaScript 的需求，允许你在线和离线运行这些图表。
在哪里学习 Plotly
Seaborn 建立在 Matplotlib 之上，是一个有效的库，用于创建不同的可视化。
Seaborn 最重要的功能之一是创建放大数据可视化的能力。一些初看不明显的相关性可以在可视化上下文中显示出来，从而让数据科学家更好地理解模型。
由于其可自定义的主题和高级接口，它提供了设计良好且卓越的数据可视化，使得图表非常吸引人，之后可以展示给利益相关者。
在哪里学习 Seaborn
相关资料：