Ved hjelp av Python Ecosystem for Data Science - dummies

Du må laste inn biblioteker for å kunne utføre datavitenskapsoppgaver i Python. Her er en oversikt over bibliotekene du kan bruke til datavitenskap. Disse bibliotekene kan utføre flere funksjoner for datavitenskaperen.

Få tilgang til vitenskapelige verktøy ved hjelp av SciPy

SciPy-stakken inneholder en rekke andre biblioteker som du også kan laste ned separat. Disse bibliotekene gir støtte til matematikk, vitenskap og ingeniørfag. Når du får SciPy, får du et sett med biblioteker som er utformet for å samarbeide for å lage programmer av forskjellige slag. Disse bibliotekene er

• NumPy

• SciPy

• matplotlib

• IPython

• Sympy

• pandas

SciPy-biblioteket fokuserer seg selv på numeriske rutiner, for eksempel rutiner for numerisk integrasjon og optimalisering. SciPy er et universell bibliotek som gir funksjonalitet for flere problemdomener. Den gir også støtte for domenespesifikke biblioteker, for eksempel Scikit-learn, Scikit-bilde og statistikkmodeller.

Utføre grunnleggende vitenskapelig databehandling ved hjelp av NumPy

NumPy-biblioteket gir muligheter for å utføre n-dimensjonal array manipulasjon, noe som er avgjørende for datavitenskapsarbeid. Du kunne ikke lett få tilgang til n-dimensjonale arrayer uten NumPy-funksjoner som inkluderer støtte for lineær algebra, Fourier-transformasjon og tilfeldig talgenerering.

Utføre dataanalyse ved hjelp av pandas

Pandas bibliotek gir støtte til datastrukturer og dataanalyseværktøy. Biblioteket er optimalisert for å utføre datavitenskapsoppgaver, spesielt raskt og effektivt. Grunnprinsippet bak pandas er å gi dataanalyse og modelleringsstøtte for Python som ligner på andre språk, for eksempel R.

Implementere maskinlæring ved hjelp av Scikit-learn

Biblioteket Scikit-learn er et av flere Scikit-biblioteker som bygger på mulighetene som leveres av NumPy og SciPy, slik at Python-utviklere kan utføre domenespesifikke oppgaver. I dette tilfellet fokuserer biblioteket på datautvinning og dataanalyse. Det gir tilgang til følgende typer funksjoner:

• Klassifisering

• Regresjon

• Klyping

• Dimensjonsreduksjon

• Modellvalg

• Forbehandling

Plotting av data ved hjelp av matplotlib

Matplotlib-biblioteket gir deg et MATLAB-lignende grensesnitt for å lage data presentasjoner av analysen du utfører. Biblioteket er for øyeblikket begrenset til 2D-utgang, men det gir deg fortsatt mulighetene til å uttrykke grafisk datamønstrene du ser i dataene du analyserer.Uten dette biblioteket kan du ikke skape utdata som folk utenfor datavitenskapssamfunnet lett kunne forstå.

Parsing HTML-dokumenter ved hjelp av Beautiful Soup

Nedlastingen av Beautiful Soup-biblioteket er faktisk funnet på Python-nettstedet. Dette biblioteket gir midler for å analysere HTML- eller XML-data på en måte som Python forstår. Den lar deg arbeide med trebaserte data.

Foruten å skaffe seg midler til å jobbe med trebaserte data, tar Beautiful Soup mye arbeid uten å jobbe med HTML-dokumenter. For eksempel konverterer den automatisk kodingen (måten som tegn lagres i et dokument) av HTML-dokumenter fra UTF-8 til Unicode. En Python-utvikler ville normalt trenger å bekymre seg om ting som koding, men med Beautiful Soup kan du fokusere på koden din i stedet.