python之所以這么火，是因為它的應(yīng)用廣泛，之所以應(yīng)用廣泛，是因為它包含有許多功能強(qiáng)大的庫。對于不是專業(yè)數(shù)據(jù)分析人員的我們，平時在工作和生活中，主要是用python來獲取信息，制作可視化報表，但是專業(yè)的數(shù)據(jù)工程師就需要使用一些更專業(yè)的python庫。今天小編跟大家分享的這篇文章就是數(shù)據(jù)工程師需要掌握的18個python庫，希望對大家有所幫助。

文章來源：早起Python

作者：劉早起早起

本文對python中在數(shù)據(jù)分析中需要掌握的庫進(jìn)行了整理，一起來看看吧！

目錄

• 數(shù)據(jù)獲取
• Selenium
• Scrapy
• Beautiful Soup
• 數(shù)據(jù)清洗
• Spacy
• NumPy
• Pandas
• 數(shù)據(jù)可視化
• Matplotlib
• Pyecharts
• 數(shù)據(jù)建模
• Scikit-learn
• PyTorch
• TensorFlow
• 模型檢查
• Lime
• 音頻數(shù)據(jù)處理
• Librosa
• 圖像數(shù)據(jù)處理
• OpenCV-Python
• Scikit-image
• 數(shù)據(jù)通信
• Pymongo
• 數(shù)據(jù)分析結(jié)果web部署
• Flask
• Django

數(shù)據(jù)獲取

Selenium

Selenium是一個Web測試自動化框架，最初是為軟件測試人員創(chuàng)建的。它提供了Web驅(qū)動程序API，供瀏覽器與用戶操作交互并返回響應(yīng)。它運行時會直接實例化出一個瀏覽器，完全模擬用戶的操作，比如點擊鏈接、輸入表單，點擊按鈕提交等。所以我們使用它可以很方便的來登錄網(wǎng)站和爬取數(shù)據(jù)。

可以使用 brew install selenium 的方式來快速安裝selenium。

數(shù)據(jù)獲取

Scrapy

Scrapy是Python開發(fā)的一個快速、高層次的屏幕抓取和web抓取框架，用于抓取web站點并從頁面中提取結(jié)構(gòu)化的數(shù)據(jù)。其吸引人的地方在于任何人都可以根據(jù)需求方便的修改。它也提供了多種類型爬蟲的基類，如BaseSpider、sitemap爬蟲等，最新版本又提供了web2.0爬蟲的支持。我們可以啟用選擇器（例如XPath，CSS）從網(wǎng)頁中提取數(shù)據(jù)。

我們需要先安裝Twisted，因為直接安裝scrapy的話，安裝會失敗。所以使用 pip install Twisted-18.9.0-cp37-cp37m-win32.whl 來安裝，然后使用pip install scrapy 來安裝scrapy就可以了

數(shù)據(jù)獲取

Beautiful Soup

Beautiful Soup也是一個從網(wǎng)站爬取數(shù)據(jù)的庫，他提供一些簡單的、python式的函數(shù)用來處理導(dǎo)航、搜索、修改分析樹等功能。它是一個工具箱，通過解析文檔為用戶提供需要抓取的數(shù)據(jù)，因為簡單，所以不需要多少代碼就可以寫出一個完整的應(yīng)用程序。

可以使用 brew install beautifulsoup4 的方式來快速安裝bf4。

數(shù)據(jù)清洗

Spacy

spacy可以用于進(jìn)行分詞，命名實體識別，詞性識別等等，最核心的數(shù)據(jù)結(jié)構(gòu)是Doc和Vocab。Doc對象包含Token的序列和Token的注釋，Vocab對象是spaCy使用的詞匯表，用于存儲語言中共享的數(shù)據(jù)，spaCy通過集中存儲字符串，單詞向量和詞匯屬性等，避免存儲數(shù)據(jù)的多個副本。

數(shù)據(jù)清洗

NumPy

NumPy(Numerical Python) 是 Python 語言的一個擴(kuò)展程序庫，支持大量的維度數(shù)組與矩陣運算，此外也針對數(shù)組運算提供大量的數(shù)學(xué)函數(shù)庫。對數(shù)組執(zhí)行數(shù)學(xué)運算和邏輯運算時，NumPy 是非常有用的。在用 Python 對 n維數(shù)組和矩陣進(jìn)行運算時，NumPy 提供了大量有用特征。

數(shù)據(jù)清洗

Pandas

pandas 是基于NumPy 的一種工具，該工具是為了解決數(shù)據(jù)分析任務(wù)而創(chuàng)建的。Pandas 納入了大量庫和一些標(biāo)準(zhǔn)的數(shù)據(jù)模型，提供了高效地操作大型數(shù)據(jù)集所需的工具。pandas提供了大量能使我們快速便捷地處理數(shù)據(jù)的函數(shù)和方法。你很快就會發(fā)現(xiàn)，它是使Python成為強(qiáng)大而高效的數(shù)據(jù)分析環(huán)境的重要因素之一。

數(shù)據(jù)可視化

Matplotlib

matplotlib是受MATLAB的啟發(fā)構(gòu)建的。MATLAB是數(shù)據(jù)繪圖領(lǐng)域廣泛使用的語言和工具。MATLAB語言是面向過程的。利用函數(shù)的調(diào)用，MATLAB中可以輕松的利用一行命令來繪制，然后再用一系列的函數(shù)調(diào)整結(jié)果。它有一套完全仿照MATLAB的函數(shù)形式的繪圖接口，在matplotlib.pyplot模塊中。這套函數(shù)接口方便MATLAB用戶過度到matplotlib。

數(shù)據(jù)可視化

Pyecharts

Echarts 是一個由百度開源的數(shù)據(jù)可視化工具，憑借著良好的交互性，精巧的圖表設(shè)計，得到了眾多開發(fā)者的認(rèn)可，當(dāng) Python 遇到了 Echarts，就變成了 PyEcharts，目的就是為了與 Python 進(jìn)行對接，方便在 Python 中直接使用數(shù)據(jù)生成圖。

數(shù)據(jù)建模

Scikit-learn

scikit-learn包含眾多頂級機(jī)器學(xué)習(xí)算法，主要有六大基本功能，分別是分類、回歸、聚類、數(shù)據(jù)降維、模型選擇和數(shù)據(jù)預(yù)處理。scikit-learn擁有非常活躍的用戶社區(qū)，基本上其所有的功能都有非常詳盡的文檔供用戶查閱?？梢匝凶xscikit-learn的用戶指南及文檔，對其算法的使用有更充分的了解。

數(shù)據(jù)建模

Pytorch

PyTorch是美國互聯(lián)網(wǎng)巨頭Facebook在深度學(xué)習(xí)框架Torch的基礎(chǔ)上使用Python重寫的一個全新的深度學(xué)習(xí)框架，它更像NumPy的替代產(chǎn)物，不僅繼承了NumPy的眾多優(yōu)點，還支持GPUs計算，在計算效率上要比NumPy有更明顯的優(yōu)勢；不僅如此，PyTorch還有許多高級功能，比如擁有豐富的API，可以快速完成深度神經(jīng)網(wǎng)絡(luò)模型的搭建和訓(xùn)練。

數(shù)據(jù)建模

Tensorflow

TensorFlow是一個采用數(shù)據(jù)流圖（data flow graphs），用于數(shù)值計算、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)的開源軟件庫。節(jié)點（Nodes）在圖中表示數(shù)學(xué)操作，圖中的線（edges）則表示在節(jié)點間相互聯(lián)系的多維數(shù)據(jù)數(shù)組，即張量（tensor）。它靈活的架構(gòu)讓你可以在多種平臺上展開計算，例如臺式計算機(jī)中的一個或多個CPU（或GPU），服務(wù)器，移動設(shè)備等等。

模型檢查

Lime

LIME能夠解釋所有我們可以獲得預(yù)測概率的模型(在R中，也就是每一個與預(yù)測(type=“prob”)一起工作的模型)。它利用了這樣一個事實，即線性模型很容易解釋，因為它們基于特征和類標(biāo)簽之間的線性關(guān)系：將復(fù)模型函數(shù)用局部擬合線性模型逼近原訓(xùn)練集的排列。

音頻數(shù)據(jù)處理

Librosa

librosa是一個非常強(qiáng)大的python語音信號處理的第三方庫，用于音頻、音樂分析、處理和些常見的時頻處理、特征提取、繪制聲音圖形等功能應(yīng)有盡有，功能十分強(qiáng)大。學(xué)會librosa后再也不用用python去實現(xiàn)那些復(fù)雜的算法了，只需要一句語句就能輕松實現(xiàn)。

圖像數(shù)據(jù)處理

OpenCV

OpenCV是計算機(jī)視覺領(lǐng)域應(yīng)用最廣泛的開源工具包，基于C/C++，支持Linux/Windows/MacOS/Android/iOS，并提供了Python，Matlab和Java等語言的接口，因為其豐富的接口，優(yōu)秀的性能和商業(yè)友好的使用許可，不管是學(xué)術(shù)界還是業(yè)界中都非常受歡迎。

可以在 anaconda 中來安裝OpenCV

圖像數(shù)據(jù)處理

Scikit-imag

scikit-image 是一種開源的用于圖像處理的 Python 包。它包括分割，幾何變換，色彩操作，分析，過濾等算法。它用作集成到python運算環(huán)境結(jié)合一些科學(xué)運算庫（Numpy，Scipy)

安裝sudo apt-get install python-skimage 

源碼 git clone https://github.com/scikit-image/scikit-image.git

數(shù)據(jù)庫相關(guān)

Pymongo

MongoDB是由C++語言編寫的非關(guān)系型數(shù)據(jù)庫，是一個基于分布式文件存儲的開源數(shù)據(jù)庫系統(tǒng)，其內(nèi)容存儲形式類似JSON對象，它的字段值可以包含其他文檔、數(shù)組及文檔數(shù)組，非常靈活。而要使用python進(jìn)行操作就需要pymongo。

安裝pip3 install pymongo 

連接client = pymongo.MongoClient(host='localhost', port='ip') 

數(shù)據(jù)分析結(jié)果可視化部署

Flask

Flask是一個輕量級的可定制框架，使用Python語言編寫，較其他同類型框架更為靈活、輕便、安全且容易上手。另外，F(xiàn)lask還有很強(qiáng)的定制性，用戶可以根據(jù)自己的需求來添加相應(yīng)的功能，在保持核心功能簡單的同時實現(xiàn)功能的豐富與擴(kuò)展，其強(qiáng)大的插件庫可以讓用戶實現(xiàn)個性化的網(wǎng)站定制，開發(fā)出功能強(qiáng)大的網(wǎng)站。

數(shù)據(jù)分析結(jié)果可視化部署

Django

Django是高水準(zhǔn)的Python編程語言驅(qū)動的一個開源模型．視圖，控制器風(fēng)格的Web應(yīng)用程序框架，它起源于開源社區(qū)。使用這種架構(gòu)，程序員可以方便、快捷地創(chuàng)建高品質(zhì)、易維護(hù)、數(shù)據(jù)庫驅(qū)動的應(yīng)用程序。另外，在Django框架中，還包含許多功能強(qiáng)大的第三方插件，使得Django具有較強(qiáng)的可擴(kuò)展性。

安裝pip install Django 

文檔 https://docs.djangoproject.com/en/3.0/