⑴ 2017年10大流行python庫有哪些
1、NumPy
NumPy是構建科學計算 stack 的最基礎的包。它為 Python 中的 n 維數組和矩陣的操作提供了大量有用的功能。該庫還提供了 NumPy 數組類型的數學運算向量化，可以提升性能，從而加快執行速度。
2、SciPy
SciPy 是一個工程和科學軟體庫， 包含線性代數、優化、集成和統計的模塊。SciPy 庫的主
要功能建立在 NumPy 的基礎之上，它通過其特定的子模塊提供高效的數值常式操作。SciPy 的所有子模塊中的函數都有詳細的文檔，這也是一個優勢。
3、Pandas
Pandas是一個 Python 包，旨在通過「標記(labeled)」和「關系(relational)」數據進行工作，簡單直觀。Pandas 是 data wrangling 的完美工具。它設計用於快速簡單的數據操作、聚合和可視化。
4、Seaborn
Seaborn 主要關注統計模型的可視化;這種可視化包括熱度圖(heat map)，可以總結數據但也描繪總體分布。Seaborn 基於 Matplotlib，並高度依賴於它。
5、Bokeh
Bokeh是一個很好的可視化庫，其目的是互動式可視化，不過這個庫獨立於 Matplotlib，它通過現代瀏覽器以數據驅動文檔(D3.js)的風格呈現。
6、Scikits
Scikits 是 SciPy Stack 的附加軟體包，專為特定功能(如圖像處理和輔助機器學習)而設計。其中最突出的一個是 scikit-learn。該軟體包構建於 SciPy 之上，並大量使用其數學操作，是使用 Python 進行機器學習的實際上的行業標准。
7、Theano
Theano 是一個 Python 包，它定義了與 NumPy 類似的多維數組，以及數學運算和表達式。該庫是經過編譯的，使其在所有架構上能夠高效運行。這個庫最初由蒙特利爾大學機器學習組開發，主要是為了滿足機器學習的需求。
8、Keras
Keras是一個使用高層介面構建神經網路的開源庫，它是用 Python 編寫的。它簡單易懂，具有高級可擴展性。Keras 極其容易上手，而且可以進行快速的原型設計，足以用於嚴肅的建模。
9、Gensim
Gensim是一個用於 Python 的開源庫，實現了用於向量空間建模和主題建模的工具。Gensim 實現了諸如分層 Dirichlet 進程(HDP)、潛在語義分析(LSA)和潛在 Dirichlet 分配(LDA)等演算法，還有 tf-idf、隨機投影、word2vec 和 document2vec，以便於檢查一組文檔(通常稱為語料庫)中文本的重復模式。
10、Scrapy
Scrapy 是用於從網路檢索結構化數據的爬蟲程序的庫。它現在已經發展成了一個完整的框架，可以從 API 收集數據，也可以用作通用的爬蟲。該庫在介面設計上遵循著名的 Don』t Repeat Yourself 原則——提醒用戶編寫通用的可復用的代碼，因此可以用來開發和擴展大型爬蟲。
⑵ Python 常用的標准庫以及第三方庫有哪些
參考：知乎
Python 常用的標准庫以及第三方庫
standard libs:
itertools
functools 學好python有必要掌握上面這兩個庫吧，
re 正則
subprocess 調用shell命令的神器
pdb 調試
traceback 調試
pprint 漂亮的輸出
logging 日誌
threading和multiprocessing 多線程
urllib/urllib2/httplib http庫，httplib底層一點，推薦第三方的庫requests
os/sys 系統，環境相關
Queue 隊列
pickle/cPickle 序列化工具
hashlib md5, sha等hash演算法
cvs
json/simplejson python的json庫，據so上的討論和benchmark，simplejson的性能要高於json
timeit 計算代碼運行的時間等等
cProfile python性能測量模塊
glob 類似與listfile，可以用來查找文件
atexit 有一個注冊函數，可用於正好在腳本退出運行前執行一些代碼
dis python 反匯編，當對某條語句不理解原理時，可以用dis.dis 函數來查看代碼對應的python 解釋器指令等等。
3th libs:
paramiko ssh python 庫
selenium 瀏覽器自動化測試工具selenium的python 介面
lxml python 解析html,xml 的神器
mechanize Stateful programmatic web browsing
pycurl cURL library mole for Python
Fabric Fabric is a Python (2.5 or higher) library and command-line tool for streamlining the use of SSH for application deployment or systems administration tasks.
xmltodict xml 轉 dict，真心好用
urllib3 和 requests: 當然其實requests就夠了 Requests: HTTP for Humans
flask web 微框架
ipdb 調試神器，同時推薦ipython！結合ipython使用
redis redis python介面
pymongo mongodbpython介面
PIL python圖像處理
mako python模版引擎
numpy ， scipy 科學計算
matplotlib 畫圖
scrapy 爬蟲
django/tornado/web.py/web2py/uliweb/flask/twisted/bottle/cherrypy.等等 python web框架/伺服器
sh 1.08 — sh v1.08 documentation 用來運行shell 模塊的 極佳選擇
⑶ 常用Python機器學習庫有哪些
Python作為一門理想的集成語言，將各種技術綁定在一起，除了為用戶提供更方便的功能之外，還是一個理想的粘合平台，在開發人員與外部庫的低層次集成人員之間搭建連接，以便用C、C++實現更高效的演算法。
使用Python編程可以快速遷移代碼並進行改動，無須花費過多的精力在修改代碼與代碼規范上。開發者在Python中封裝了很多優秀的依賴庫，可以直接拿來使用，常見的機器學習庫如下：
1、Scikit-Learn
Scikit-Learn基於Numpy和Scipy，是專門為機器學習建造的一個Python模塊，提供了大量用於數據挖掘和分析的工具，包括數據預處理、交叉驗證、演算法與可視化演算法等一系列介面。
Scikit-Learn基本功能可分為六個部分：分類、回歸、聚類、數據降維、模型選擇、數據預處理。其中集成了大量分類、回歸、聚類功能，包括支持向量機、邏輯回歸、隨機森林、樸素貝葉斯等。
2、Orange3
Orange3是一個基於組件的數據挖掘和機器學習軟體套裝，支持Python進行腳本開發。它包含一系列的數據可視化、檢索、預處理和建模技術，具有一個良好的用戶界面，同時也可以作為Python的一個模塊使用。
用戶可通過數據可視化進行數據分析，包含統計分布圖、柱狀圖、散點圖，以及更深層次的決策樹、分層聚簇、熱點圖、MDS等，並可使用它自帶的各類附加功能組件進行NLP、文本挖掘、構建網路分析等。
3、XGBoost
XGBoost是專注於梯度提升演算法的機器學習函數庫，因其優良的學習效果及高效的訓練速度而獲得廣泛的關注。XGBoost支持並行處理，比起同樣實現了梯度提升演算法的Scikit-Learn庫，其性能提升10倍以上。XGBoost可以處理回歸、分類和排序等多種任務。
4、NuPIC
NuPIC是專注於時間序列的一個機器學習平台，其核心演算法為HTM演算法，相比於深度學習，其更為接近人類大腦的運行結構。HTM演算法的理論依據主要是人腦中處理高級認知功能的新皮質部分的運行原理。NuPIC可用於預測以及異常檢測，使用面非常廣，僅要求輸入時間序列即可。
5、Milk
Milk是Python中的一個機器學習工具包。Milk注重提升運行速度與降低內存佔用，因此大部分對性能敏感的代碼都是使用C++編寫的，為了便利性在此基礎上提供Python介面。重點提供監督分類方法，如SVMs、KNN、隨機森林和決策樹等。
⑷ python常用的資料庫有哪些
主流的關系型資料庫：
1. MySQL：目前使用最廣泛的開源、多平台的關系型資料庫，支持事務、符合ACID、支持多數SQL規范。
2. SQL Server：支持事務、符合ACID、支持多數SQL規范，屬於商業軟體，需要注意版權和licence授權費用。
3. Oracle：支持事務，符合關系型資料庫原理，符合ACID，支持多數SQL規范，功能最強大、最復雜、市場佔比最高的商業資料庫。
4. Postgresql：開源、多平台、關系型資料庫，功能最強大的開源資料庫，需要Python環境，基於postgresql的time
scaleDB，是目前比較火的時序資料庫之一。
非關系型資料庫
Redis：開源、Linux平台、key-value鍵值型nosql資料庫，簡單穩定，非常主流的、全數據in-momory，定位於快的鍵值型nosql資料庫。
Memcaced：一個開源的、高性能的、具有分布式內存對象的緩存系統，通過它可以減輕資料庫負載，加速動態的web應用。
面向文檔資料庫以文檔的形式存儲，每個文檔是一系列數據項的集合，每個數據項有名稱與對應的值，主要產品有：
MongoDB：開源、多平台、文檔型nosql資料庫，最像關系型資料庫，定位於靈活的nosql資料庫。適用於網站後台資料庫、小文件系統、日誌分析系統。
⑸ 常用的python庫，有哪些
pyqt, tkinter, pygame
scipy numpy graphviz nltk
看你要做什麼用咯
⑹ Python 常用的標准庫以及第三方庫有哪些
traceback 調試
pprint 漂亮的輸出
logging 日誌
threading和multiprocessing 多線程
urllib/urllib2/httplib http庫，httplib底層一點，推薦第三方的庫requests
os/sys 系統，環境相關
Queue 隊列
pickle/cPickle 序列化工具
hashlib md5, sha等hash演算法
cvs
json/simplejson python的json庫，據so上的討論和benchmark，simplejson的性能要高於json
timeit 計算代碼運行的時間等等
cProfile python性能測量模塊
glob 類似與listfile，可以用來查找文件
atexit 有一個注冊函數，可用於正好在腳本退出運行前執行一些代碼
dis python 反匯編，當對某條語句不理解原理時，可以用dis.dis 函數來查看代碼對應的python 解釋器指令等等。
⑺ 常用的python庫有哪些
1.Matplotlib
Matplotlib是一個用於創立二維圖和圖形的底層庫。藉由它的協助，你可以構建各種不同的圖標，從直方圖和散點圖到費笛卡爾坐標圖。matplotlib可以與許多盛行的繪圖庫結合運用。
2.Seaborn
Seaborn本質上是一個根據matplotlib庫的高級API。它包括更適合處理圖表的默認設置。此外，還有豐厚的可視化庫，包括一些雜亂類型，如時刻序列、聯合分布圖(jointplots)和小提琴圖(violindiagrams)。
3.Plotly
Plotly是一個盛行的庫，它可以讓你輕松構建雜亂的圖形。該軟體包適用於互動式Web運用程，可完成輪廓圖、三元圖和三維圖等視覺效果
4.Bokeh
Bokeh庫運用JavaScript小部件在瀏覽器中創立互動式和可縮放的可視化。該庫提供了多種圖表調集，樣式可能性(stylingpossibilities)，鏈接圖、增加小部件和界說回調等方式的交互才能，以及許多更有用的特性。
5.Pydot
Pydot是用純Python編寫的Graphviz介面，經常用於生成雜亂的定向圖和無向圖，可以顯現圖形的結構，對於構建神經網路和根據決策樹的演算法時十分有效。
6.pyecharts
是根據網路開源的Echarts而開發的Python可視化東西。
pyecharts功用十分強大，支撐多達400+地圖;支撐JupyterNotebook、JupyterLab;可以輕松集成至Flask，Sanic，Django等幹流Web結構。
關於常用的python庫有哪些，環球青藤小編就和大家分享到這里了，學習是沒有盡頭的，學習一項技能更是受益終身，因此，只要肯努力學，什麼時候開始都不晚。如若你還想繼續了解關於python編程的素材及學習方法等內容，可以點擊本站其他文章學習。
⑻ Python常用的標准庫以及第三方庫有哪些
Python常用的標准庫有http庫。第三方庫有scrapy，pillow和wxPython.以下有介紹：
Requests.Kenneth Reitz寫的最富盛名的http庫，每個Python程序員都應該有它。
Scrapy.如果你從事爬蟲相關的工作，那麼這個庫也是必不可少的。用過它之後你就不會再想用別的同類庫了。
wxPython.Python的一個GUI（圖形用戶界面）工具。我主要用它替代tkinter。
Pillow.它是PIL的一個友好分支。對於用戶比PIL更加友好，對於任何在圖形領域工作的人是必備的庫。