原文：
www.kdnuggets.com/2020/11/top-python-libraries-data-science-data-visualization-machine-learning.html
自上次我们进行 Python 库汇总以来已经有一段时间了，因此我们借此机会在十一月开始时提供了这样一个新的列表。
1. Google 网络安全证书 - 快速进入网络安全职业轨道。
2. Google 数据分析专业证书 - 提升你的数据分析能力
3. Google IT 支持专业证书 - 支持你的组织 IT 工作
上次我们在 KDnuggets 做这个时，编辑和作者 Dan Clark 将广泛的 Python 数据科学相关库分成了几个较小的集合，包括数据科学库、机器学习库和深度学习库。虽然将库分成类别本质上是任意的，但在之前的发布时这是合理的。
不过这次，我们将收集到的开源 Python 数据科学库分成了两部分。这篇文章（本篇）涵盖了“数据科学、数据可视化和机器学习”，可以看作是涵盖常见任务的“传统”数据科学工具。第二篇文章，将于下周发布，将覆盖用于构建神经网络的库，以及用于执行自然语言处理和计算机视觉任务的库。
再次强调，这种分离和分类是任意的，有些情况比其他情况更是如此，但我们已尽力将工具按预期用途进行分组，希望这对读者最有帮助。
本文所包含的类别，我们认为涵盖了常见的数据科学库——那些可能被数据科学领域的从业者用于通用的、非神经网络、非研究工作的库——包括：
-
数据 - 用于数据管理、操作和其他处理的库
-
数学 - 尽管许多库执行数学任务，但这一小集合专门用于此
-
机器学习 - 不言而喻；不包括主要用于构建神经网络或自动化机器学习过程的库
-
自动化机器学习 - 主要用于自动化机器学习相关过程的库
-
数据可视化 - 主要用于数据可视化功能的库，而非建模、预处理等。
-
解释与探索 - 主要用于探索和解释模型或数据的库
我们的列表由团队一致决定的、代表常用和广泛使用的 Python 数据科学库组成。此外，库必须有一个 Github 仓库才能被纳入。类别没有特定顺序，每个库也没有特定顺序。我们曾考虑按星标或其他指标构建排序，但决定不这样做，以免对库的价值或重要性进行显著的偏颇。它们在此的排列因此完全是随机的。库的描述直接来自 Github 仓库，以某种形式或另一种形式呈现。
感谢 Ahmed Anis 对数据收集的贡献，以及 KDnuggets 其他员工的意见、见解和建议。
请注意，下面的可视化由 Gregory Piatetsky 展示了每个库的类型，通过星标和贡献者进行绘制，其符号大小反映了库在 Github 上的相对提交次数。
图 1：顶级 Python 数据科学、数据可视化和机器学习库
根据星标数量和贡献者数量进行绘制；相对大小按贡献者数量确定
那么，不再废话，以下是 KDnuggets 员工确定的 38 个顶级 Python 数据科学、数据可视化和机器学习库。
1. Apache Spark
星标：27600，提交次数：28197，贡献者：1638
Apache Spark - 一个统一的大规模数据处理分析引擎
2. Pandas
星标：26800，提交次数：24300，贡献者：2126
Pandas 是一个 Python 包，提供快速、灵活和表达力强的数据结构，旨在使处理“关系型”或“标签化”数据变得既简单又直观。它的目标是成为在 Python 中进行实际、现实世界数据分析的基础高层构建块。
3. Dask
星标：7300，提交次数：6149，贡献者：393
任务调度的并行计算
4. Scipy
星标：7500，提交次数：24247，贡献者：914
SciPy（发音为“塞派”）是用于数学、科学和工程的开源软件。它包括统计、优化、积分、线性代数、傅里叶变换、信号和图像处理、常微分方程求解器等模块。
5. Numpy
Stars: 1500, Commits: 24266, Contributors: 1010
Python 科学计算的基础包。
6. Scikit-Learn
Stars: 42500, Commits: 26162, Contributors: 1881
Scikit-learn 是一个基于 SciPy 的 Python 机器学习模块，采用 3-Clause BSD 许可协议分发。
7. XGBoost
Stars: 19900, Commits: 5015, Contributors: 461
可扩展、可移植和分布式的梯度提升 (GBDT, GBRT 或 GBM) 库，支持 Python、R、Java、Scala、C++ 等。可在单机、Hadoop、Spark、Flink 和 DataFlow 上运行
8. LightGBM
Stars: 11600, Commits: 2066, Contributors: 172
基于决策树算法的快速、分布式、高性能梯度提升 (GBT, GBDT, GBRT, GBM 或 MART) 框架，用于排序、分类以及许多其他机器学习任务。
9. Catboost
Stars: 5400, Commits: 12936, Contributors: 188
一个快速、可扩展、高性能的决策树梯度提升库，用于排名、分类、回归和其他机器学习任务，支持 Python、R、Java、C++。支持 CPU 和 GPU 计算。
10. Dlib
Stars: 9500, Commits: 7868, Contributors: 146
Dlib 是一个现代 C++ 工具包，包含机器学习算法和用于创建复杂 C++ 软件的工具，解决实际问题。可以通过 dlib API 与 Python 配合使用
11. Annoy
Stars: 7700, Commits: 778, Contributors: 53
用于内存使用和磁盘读写优化的 C++/Python 近似最近邻算法
12. H20ai
Stars: 500, Commits: 27894, Contributors: 137
开源的快速可扩展机器学习平台，用于更智能的应用：深度学习、梯度提升与 XGBoost、随机森林、广义线性建模（逻辑回归、弹性网）、K-Means、PCA、堆叠集成、自动机器学习 (AutoML) 等。
13. StatsModels
Stars: 5600, Commits: 13446, Contributors: 247
Statsmodels: Python 中的统计建模与计量经济学
14. mlpack
Stars: 3400, Commits: 24575, Contributors: 190
mlpack 是一个直观、快速且灵活的 C++ 机器学习库，具有其他语言的绑定
15. Pattern
Stars: 7600, Commits: 1434, Contributors: 20
Python 的网络挖掘模块，包含抓取、自然语言处理、机器学习、网络分析和可视化工具。
16. Prophet
Stars: 11500, Commits: 595, Contributors: 106
用于生成高质量的时间序列数据预测工具，支持线性或非线性增长和多重季节性。
17. TPOT
星标数：7500，提交次数：2282，贡献者数：66
一个 Python 自动化机器学习工具，通过遗传编程优化机器学习管道。
18. auto-sklearn
星标数：4100，提交次数：2343，贡献者数：52
auto-sklearn 是一个自动化机器学习工具包，可替代 scikit-learn 的估计器。
19. Hyperopt-sklearn
星标数：1100，提交次数：188，贡献者数：18
Hyperopt-sklearn 是一个基于 Hyperopt 的模型选择工具，用于在 scikit-learn 中选择机器学习算法。
20. SMAC-3
星标数：529，提交次数：1882，贡献者数：29
顺序模型基础的算法配置
21. scikit-optimize
星标数：1900，提交次数：1540，贡献者数：59
Scikit-Optimize，或 skopt，是一个简单高效的库，用于最小化（非常）昂贵和嘈杂的黑箱函数。它实现了几种顺序模型优化的方法。
22. Nevergrad
星标数：2700，提交次数：663，贡献者数：38
一个用于执行无梯度优化的 Python 工具箱
23. Optuna
星标数：3500，提交次数：7749，贡献者数：97
Optuna 是一个自动超参数优化软件框架，特别为机器学习设计。
24. Apache Superset
星标数：30300，提交次数：5833，贡献者数：492
Apache Superset 是一个数据可视化和数据探索平台
25. Matplotlib
星标数：12300，提交次数：36716，贡献者数：1002
Matplotlib 是一个全面的库，用于在 Python 中创建静态、动画和交互式可视化。
26. Plotly
星标数：7900，提交次数：4604，贡献者数：137
Plotly.py 是一个交互式、开源的、基于浏览器的 Python 图形库
27. Seaborn
星标数：7700，提交次数：2702，贡献者数：126
Seaborn 是一个基于 matplotlib 的 Python 可视化库。它提供了一个高级接口，用于绘制吸引人的统计图形。
28. folium
星标数：4900，提交次数：1443，贡献者数：109
Folium 基于 Python 生态系统的数据处理优势和 Leaflet.js 库的地图绘制优势。你可以在 Python 中处理数据，然后通过 folium 在 Leaflet 地图中进行可视化。
29. Bqplot
星标数：2900，提交次数：3178，贡献者数：45
Bqplot 是一个基于图形语法构造的 Jupyter 2-D 可视化系统。
30. VisPy
星数：2500，提交次数：6352，贡献者：117
VisPy 是一个高性能的 2D/3D 数据可视化库。VisPy 通过 OpenGL 库利用现代图形处理单元（GPU）的计算能力来显示非常大的数据集。VisPy 的应用包括：
31. PyQtgraph
星数：2200，提交次数：2200，贡献者：142
快速数据可视化和 GUI 工具，适用于科学/工程应用
32. Bokeh
星数：1400，提交次数：18726，贡献者：467
Bokeh 是一个用于现代网页浏览器的交互式可视化库。它提供了优雅、简洁的多功能图形构建，并对大规模或流式数据集提供高性能的交互性。
33. Altair
星数：600，提交次数：3031，贡献者：106
Altair 是一个用于 Python 的声明性统计可视化库。使用 Altair，你可以花更多时间理解数据及其意义。
34. eli5
星数：2200，提交次数：1198，贡献者：15
一个用于调试/检查机器学习分类器并解释其预测的库
35. LIME
星数：800，提交次数：501，贡献者：41
Lime：解释任何机器学习分类器的预测
36. SHAP
星数：10400，提交次数：1376，贡献者：96
一种博弈论方法，用于解释任何机器学习模型的输出。
37. YellowBrick
星数：300，提交次数：825，贡献者：92
可视化分析和诊断工具，方便机器学习模型选择。
38. pandas-profiling
星数：6200，提交次数：704，贡献者：47
从 pandas DataFrame 对象创建 HTML 个人报告