【盘点】深度学习最经常使用到的20个Python库

核心库与统计

NumPy

咱们从科学应用程序库开始提及，NumPy是该领域的主要软件包之一。 它旨在处理大型多维数组和矩阵，而且普遍的高级数学函数和实现的方法集合，使得可使用这些对象执行各类操做。

在这一年中，NumPy有不少更新。 除了错误修复和兼容性问题以外，关键更新还包括NumPy对象的打印格式。此外，某些函数如今能够处理Python中可用的任何编码的文件。

SciPy

另外一个科学计算核心库是SciPy。它基于NumPy，并扩展了其功能。 SciPy主数据结构又是一个多维数组，由Numpy实现。该软件包包含有助于解决线性代数，几率论，积分计算和更多任务的工具。

SciPy能够适配不一样的操做系统。这一年，Scipy带来了许多函数的更新，尤为是优化器也更新了。此外，封装了许多新的BLAS和LAPACK函数。

Pandas

Pandas提供了高级数据结构和各类分析工具。该软件包的一大特点是可以将至关复杂的数据操做转换为一个或两个命令。 Pandas包含许多用于分组，过滤和组合数据的内置方法，以及时间序列功能。

Pandas在这一年的更新包括数百个新功能，bug修复和API的更改。

StatsModels

Statsmodels是一个统用于统计数据分析的方法，例如统计模型估计，执行统计测试等。在它的帮助下，您能够实现许多机器学习方法。

这个库在不停的更新。今年带来了时间序列改进和新的计数模型，即GeneralizedPoisson，零膨胀模型和NegativeBinomialP，以及新的多变量方法 - 因子分析，MANOVA和ANOVA中的重复测量。

可视化

Matplotlib

Matplotlib是一个用于建立二维图表和图形的低级库。 借助它的帮助，您能够构建各类图表，从直方图和散点图到非笛卡尔坐标图。 此外，许多流行的绘图库被设计为与matplotlib一块儿使用。

颜色，尺寸，字体，图例的样式等都有变化。好比轴图例的自动对齐，和更友好的配色。