盤點5個常用的Python資料科學庫！

　　Python是目前最熱門的程式語言之一，它可以做的事情有很多，許多資料分析師、資料工程師和資料科學家都會優先選擇Python作為分析資料的工具，Python也已經成為資料科學的代名詞，那你知道Python中常用的資料科學庫都有哪些嗎?請看下文：

　　1、Pandas

　　Pandas可能是Python中最常用的庫之一。它具備靈活性、敏捷性等特點，其一系列功能使其成為Python中最受歡迎的庫之一。Pandas庫提供了資料整理、整理和分析這些資料科學最基本的需求。該庫是能夠讀取、操作、聚合和視覺化資料並將所有內容轉換為易於理解的格式的全部內容。

　　可以連線CSV、TSV甚至SQL資料庫，並使用Pandas建立資料框，資料框相對於統計軟體表甚至Excel電子表格是相對對稱的。

　　2、NumPy

　　顧名思義，NumPy被廣泛用作陣列處理庫。由於它可以管理多維陣列物件，因此它被用作多維資料評估的容器。

　　NumPy庫由一系列的元素組成，每個元素都是相同的資料型別，一個正整數的元組理想地分隔了這些資料型別。維度稱為軸，而軸的數量稱為等級。NumPy中的陣列被歸類為ndarray。

　　如果我們要執行各種統計計算或處理不同的數學運算，NumPy將是首選。

　　3、Scikit-Learn

　　機器學習是資料科學家生活中不可或缺的一部分，尤其是因為幾乎所有形式的自動化似乎都從機器學習的效率中獲得了基礎。

　　4、Matplotlib

　　視覺化可以佔據了資料的關鍵位置，它幫助我們建立2D圖形並將繪圖用到應用程式中，所有這些都使用Matplotlib庫。資料視覺化可以有不同的形式，包括直方圖、散點圖、條形圖、面積圖，甚至餅圖。

　　每個繪圖選項都有其獨特的相關性，從而將資料視覺化的整體理念提升了一個檔次。

　　5、Seaborn

　　Seaborn是Python中的另一個資料視覺化庫。那麼問題來了，Seaborn與Matplotlib有何不同?儘管這兩個軟體包都作為資料視覺化軟體包，但實際區別在於您可以使用這兩個庫執行的視覺化型別。

　　對於初學者，使用Matplotlib，我們只能建立基本圖，包括條形、線條、區域、散點圖等。但是，使用Seaborn，視覺化水平提高了一個檔次，因為您可以用更少的資源建立各種複雜的視覺化圖形。