原标题:2018 年最受欢迎的15个顶级 Python 库

作者 | Goutham Veeramachaneni

译者 | 陈利鑫

近日,数据科学网站 KDnuggets 评选出了顶级 Python 库 Top15,领域横跨数据科学、数据可视化、深度学习和机器学习。如果本文有哪些遗漏,你可以在评论区补充。

图 1:根据 GitHub star 和贡献评选出的 2018 顶级 Python 库。形状大小与贡献者数量成正比。

以下为 2018 年排名前 15 的 Python 库(数据截止 2018 年 12 月 16 日):

1 TensorFlow(贡献者:1757,贡献:25756,Stars:116765)

“TensorFlow 是一个使用数据流图进行数值计算的开源软件库。图形节点表示数学运算,而图形边缘表示在它们之间流动的多维数据阵列(张量)。这种灵活的体系结构使用户可以将计算部署到桌面、服务器或移动设备中的一个或多个 CPU/GPU,而无需重写代码。 ”

GitHub 地址:

https://github.com/tensorflow/tensorflow

2 pandas(贡献者:1360,贡献:18441,Stars :17388)

“pandas 是一个 Python 包,、供快速,灵活和富有表现力的数据结构,旨在让”关系“或”标记“数据使用既简单又直观。它的目标是成为用 Python 进行实际,真实数据分析的基础高级构建块。”

GitHub 地址:

https://github.com/pandas-dev/pandas

3 scikit-learn(贡献者:1218,贡献者:23509,Stars :32326)

“scikit-learn 是一个基于 NumPy,SciPy 和 matplotlib 的机器学习 Python 模块。它为数据挖掘和数据分析提供了简单而有效的工具。SKLearn 所有人都可用,并可在各种环境中重复使用。

GitHub 地址:

https://github.com/scikit-learn/scikit-learn

4 PyTorch(贡献者:861,贡献:15362,Stars:22763)

“PyTorch 是一个 Python 包,提供两个高级功能:

具有强大的 GPU 加速度的张量计算(如 NumPy)

基于磁带的自动编程系统构建的深度神经网络

你可以重复使用自己喜欢的 Python 软件包,如 NumPy,SciPy 和 Cython,以便在需要时扩展 PyTorch。”

GitHub 地址:

https://github.com/pytorch/pytorch

5 Matplotlib(贡献者:778,贡献:28094,Stars :8362)

“Matplotlib 是一个 Python 2D 绘图库,可以生成各种可用于出版品质的硬拷贝格式和跨平台交互式环境数据。Matplotlib 可用于 Python 脚本,Python 和 IPython shell(例如 MATLAB 或 Mathematica),Web 应用程序服务器和各种图形用户界面工具包。”

GitHub 地址:

https://github.com/matplotlib/matplotlib

6 Keras(贡献者:856,贡者:4936,Stars :36450)

“Keras 是一个高级神经网络 API,用 Python 编写,能够在 TensorFlow,CNTK 或 Theano 之上运行。它旨在实现快速实验,能够以最小的延迟把想法变成结果,这是进行研究的关键。”

GitHub 地址:

https://github.com/keras-team/keras

7 NumPy(贡献者:714,贡献:19399,Stars:9010)

“NumPy 是使用 Python 进行科学计算所需的基础包。它提供了强大的 N 维数组对象,复杂的(广播)功能,集成 C / C ++ 和 Fortran 代码的工具以及有用的线性代数,傅里叶变换和随机数功能。

GitHub 地址:

https://github.com/numpy/numpy

8 SciPy(贡献者:676,贡献:20180,Stars:5188)

“SciPy(发音为”Sigh Pie“)是数学、科学和工程方向的开源软件,包含统计、优化、集成、线性代数、傅立叶变换、信号和图像处理、ODE 求解器等模块。”

GitHub 地址:

https://github.com/scipy/scipy

9 Apache MXNet(贡献者:653,贡献:9060,Stars:15812)

“Apache MXNet(孵化)是一个深度学习框架,旨在提高效率和灵活性,让你可以混合符号和命令式编程,以最大限度地提高效率和生产力。 MXNet 的核心是一个动态依赖调度程序,可以动态地自动并行化符号和命令操作。”

GitHub 地址:

https://github.com/apache/incubator-mxnet

10 Theano(贡献者:333,贡献:28060,Stars :8614)

“Theano 是一个 Python 库,让你可以有效地定义、优化和评估涉及多维数组的数学表达式。它可以使用 GPU 并实现有效的符号区分。”

GitHub 地址:

https://github.com/Theano/Theano

11 Bokeh(贡献者:334,贡献:17395,Stars :8649)

“Bokeh 是一个用于 Python 的交互式可视化库,可以在现代 Web 浏览器中实现美观且有意义的数据视觉呈现。使用 Bokeh,你可以快速轻松地创建交互式图表、仪表板和数据应用程序。”

GitHub 地址:

https://github.com/bokeh/bokeh

12 XGBoost(贡献者:335,贡献:3557,Stars:14389)

“XGBoost 是一个优化的分布式梯度增强库,旨在变得高效、强大、灵活和便携。它在 Gradient Boosting 框架下实现机器学习算法。XGBoost 提供了梯度提升决策树(也称为 GBDT,GBM),可以快速准确地解决许多数据科学问题,可以在主要的分布式环境(Hadoop,SGE,MPI)上运行相同的代码,并可以解决数十亿个示例之外的问题。”

GitHub 地址:

https://github.com/dmlc/xgboost

13 Gensim(贡献者:301,贡献:3687,Stars :8295)

“Gensim 是一个用于主题建模、文档索引和大型语料库相似性检索的 Python 库,目标受众是自然语言处理(NLP)和信息检索(IR)社区。”

GitHub 地址:

https://github.com/RaRe-Technologies/gensim

14 Scrapy(贡献者:297,贡献:6808,Stars :30507)

“Scrapy 是一种快速的高级 Web 爬行和 Web 抓取框架,用于抓取网站并从其页面中提取结构化数据。它可用于从数据挖掘到监控和自动化测试的各种用途。”

GitHub 地址:

https://github.com/scrapy/scrapy

15 Caffe(贡献者:270,贡献:4152,Stars :26531)

“Caffe 是一个以表达、速度和模块化为基础的深度学习框架,由伯克利人工智能研究(BAIR)/ 伯克利视觉与学习中心(BVLC)和社区贡献者开发。”

GitHub 地址:

https://github.com/BVLC/caffe

英文原文

https://www.kdnuggets.com/2018/12/top-python-libraries-2018.html

点一下好看试试微信的新功能?返回搜狐,查看更多

责任编辑:

python功能强大的库_2018 年最受欢迎的15个顶级 Python 库相关推荐

  1. python的最受欢迎的库_2018年最受欢迎的15个Python库

    2018 年最受欢迎的15个顶级 Python 库 作者 | Goutham Veeramachaneni 近日,数据科学网站 KDnuggets 评选出了顶级 Python 库 Top15,领域横跨 ...

  2. 2018 年最受欢迎的15个顶级 Python 库

    ↑ 点击上方[计算机视觉联盟]关注我们 近日,数据科学网站 KDnuggets 评选出了数据科学.深度学习.机器学习领域最受欢迎的15个python库. 图 1:根据 GitHub star 和贡献评 ...

  3. 最受欢迎的15个顶级 Python 库

    1. TensorFlow(贡献者:1757,贡献:25756,Stars:116765) "TensorFlow 是一个使用数据流图进行数值计算的开源软件库.图形节点表示数学运算,而图形边 ...

  4. 15个顶级Python库,你必须要试试!

    ????????关注后回复 "进群" ,拉你进程序员交流群???????? 作者丨Erik van Baaren 译者丨数据黑客 https://medium.com/tech-e ...

  5. 错过这15个顶级Python库,你就不算Python程序员

    为什么我喜欢Python?对于初学者来说,这是一种简单易学的编程语言,另一个原因:大量开箱即用的三方库,正是23万个由用户提供的软件包使得Python真正强大和流行. 在本文中,我挑选了15个最有用的 ...

  6. 这15个顶级Python库,你必须要知道!

    公众号后台回复"图书",了解更多号主新书内容 作者:Erik van Baaren 译者:数据黑客 原文链接:https://medium.com/tech-explained/t ...

  7. access和python哪个强大_python与access选哪个

    详细内容 access是小型数据库软件,python是编程语言,两个就不是一类东西. 不过,要是两者选择的话,肯定是选择python语言.python现在在编程语言中可是炙手可热的存在.但是acces ...

  8. python调用cplex求解装箱问题_python运筹优化(一):Cplex for python使用简介

    运筹学(OR)和优化模型包括线性规划(LP).混合整数线性规划(MILP)和二次规划(QP).一般我们使用LP/MILP包来单独建模一个实际的优化问题,例如GAMS.AMPL.OPL或其他,然后使用优 ...

  9. python语言的三个主要特点_python干货|新总结的4个python语言的特点,这几个细节值得关注...

    [摘要]在这个科学技术高速发展的时代,越来越多的人都开始选择学习编程软件,那么首先被大家选择的编程软件就是python,也用在各行各业之中,并被大家所熟知,所以也有越来越多的python学习者关注py ...

最新文章

  1. 设计模式 2014-12-19
  2. 编程中检查IIS7组件的安装情况
  3. Android系统Surface机制的SurfaceFlinger服务对帧缓冲区(Frame Buffer)的管理分析
  4. 小米笔记本写代码真香,包邮送一台!
  5. cisco 2801 配置voip
  6. ASP.NET Web开发框架之八 所有ERP部分的源代码全部开放下载
  7. Python Imaging Library: ImageWin Module(图像Windows模块)
  8. linux+查看系统环境路径,Linux环境变量设置方法总结 PATH、LD_LIBRARY_PATH
  9. 【渝粤教育】国家开放大学2018年春季 8601-22T燃气工程概论 参考试题
  10. VIMrc 配置文件
  11. Tom的页面专题制作工具Pagemaker化腐朽为神奇
  12. Android项目中调用第三方app
  13. html样式在ie显示不全,IE下css常见问题总结及解决
  14. linux iio 设备驱动,FS4412开发板使用Linux IIO驱动框架实现ADC驱动
  15. css less 不要作用到子对象_CSS的亲儿子,居然不是Less??
  16. springboot+Vue整合Luckysheet,实现在线编辑Excel表格
  17. servlet3.1规范翻译:第13章 安全
  18. react,tsx中使用微信jssdk分享总结
  19. Silverlight Blend动画设计系列十一:沿路径动画(Animation Along a Path)
  20. CCleaner注册码

热门文章

  1. Plotly绘制时间序列图实战:简单时序图、时间范围限制的时序图
  2. R假设检验之Grubbs异常检测(Grubbs’ Test)
  3. MultiBaC包消除不同组学数据之间的批次效应
  4. 深度学习之反向传播算法
  5. 软件seqtk的使用
  6. Hybrid Error Correction approach and DeNovo Assembly for MinIon Sequencing Long Reads
  7. ubuntu 中 pip 出现 ModuleNotFoundError: No module named ‘pip._internal‘
  8. 创建windows窗口并且获得窗口句柄
  9. cap = cv2.VideoCapture(0).read()摄像头读取图片用法
  10. cityhash 算法的使用