[TOC]
一、概述
1.1 从数据处理到人工智能
数据表示->数据清洗->数据统计->数据可视化->数据挖掘->人工智能
数据表示:采用合适方式用程序表达数据
数据清理:数据归一化、数据转换、异常值处理
数据统计:数据的概要理解,数量、分布、中位数等
数据可视化:直观展示数据内涵的方式
数据挖掘:从数据分析获得知识,产生数据外的价值
人工智能:数据/语言/图像/视觉等方面深度分析与决策
Python库之数据分析
Python库之数据可视化
Python库之文本处理
Python库之机器学习
二、Python库之数据分析
2.1 numpy
Numpy: 表达N维数组的最基础库,http://www.numpy.org
Python接口使用,C语言实现,计算速度优异
Python数据分析及科学计算的基础库,支撑Pandas等
提供直接的矩阵运算、广播函数、线性代数等功能
import numpy as np
def np_sum(): a = np.array([0, 1, 2, 3, 4]) b = np.array([9, 8, 7, 6, 5]) c = a2 + b3 return c print(np_sum())
[729 513 347 225 141]
def py_sum(): a = [0, 1, 2, 3, 4] b = [9, 8, 7, 6, 5] c = [] for i in range(len(a)): c.append(a[i]**2 + b[i]**3) return c print(py_sum())
[729, 513, 347, 225, 141]
2.2 pandas
Pandas: Python数据分析高层次应用库,http://pandas.pydata.org
提供了简单易用的数据结构和数据分析工具
理解数据类型与索引的关系,操作索引即操作数据
Python最主要的数据分析功能库,基于Numpy开发
能操作sql、json、pickle、csv、excel、ini等文件
Series = 索引 + 一维数据
DataFrame = 行列索引 + 二维数据
2.3 scipy
SciPy: 数学、科学和工程计算功能库,http://www.scipy.org
- 提供了一批数学算法及工程数据运算功能
- 类似Matlab,可用于如傅里叶变换、信号处理等应用
- Python最主要的科学计算功能库,基于Numpy开发
三、Python库之数据可视化
3.1 matplotlib
Matplotlib: 高质量的二维数据可视化功能库,http://matplotlib.org
- 提供了超过100种数据可视化展示效果
- 通过matplotlib.pyplot子库调用各可视化效果
- Python最主要的数据可视化功能库,基于Numpy开发
3.2 Seaborn
Seaborn: 统计类数据可视化功能库,http://seaborn.pydata.org/
- 提供了一批高层次的统计类数据可视化展示效果
- 主要展示数据间分布、分类和线性关系等内容
- 基于Matplotlib开发,支持Numpy和Pandas
3.3 Mayavi
Mayavi:三维科学数据可视化功能库,http://docs.enthought.com/mayavi/mayavi/
- 提供了一批简单易用的3D科学计算数据可视化展示效果
- 目前版本是Mayavi2,三维可视化最主要的第三方库
- 支持Numpy、TVTK、Traits、Envisage等第三方库
四、Python库之文本处理
4.1 PyPDF2
PyPDF2:用来处理pdf文件的工具集,http://mstamy2.github.io/PyPDF2
提供了一批处理PDF文件的计算功能
支持获取信息、分隔/整合文件、加密解密等
完全Python语言实现,不需要额外依赖,功能稳定
from PyPDF2 import PdfFileReader, PdfFileMerger
merger = PdfFileMerger() input1 = open("document1.pdf", "rb") input2 = open("document2.pdf", "rb") merger.append(fileobj=input1, pages=(0, 3)) merger.merge(position=2, fileobj=input2, pages=(0, 1)) output = open("document-output.pdf", "wb") merger.write(output)
4.2 NLTK
NLTK:自然语言文本处理第三方库,http://www.nltk.org/
提供了一批简单易用的自然语言文本处理功能
支持语言文本分类、标记、语法句法、语义分析等
最优秀的Python自然语言处理库
from nltk.corpus import treebank
t = treebank.parsed_sents('wsj_0001.mrg')[0]
t.draw()
4.3 Python-docx
Python-docx:创建或更新Microsoft Word文件的第三方库,http://python-docx.readthedocs.io/en/latest/index.html
提供创建或更新.doc .docx等文件的计算功能
增加并配置段落、图片、表格、文字等,功能全面
from docx import Document
document = Document() document.add_heading('Document Title', 0) p = document.add_paragraph('A plain paragraph having some ') document.add_page_break() document.save('demo.docx')
五、Python库之机器学习
5.1 Scikit-learn
Scikit-learn:机器学习方法工具集,与数据处理相关的第三方库,http://scikit-learn.org/
- 提供一批统一化的机器学习方法功能接口
- 提供聚类、分类、回归、强化学习等计算功能
- 机器学习最基本且最优秀的Python第三方库
5.2 TensorFlow
TensorFlow:AlphaGo背后的机器学习计算框架,https://www.tensorflow.org/
谷歌公司推动的开源机器学习框架
将数据流图作为基础,图节点代表运算,边代表张量
应用机器学习方法的一种方式,支撑谷歌人工智能应用
import tensorflow as tf init = tf.global_variables_initializer() sess = tf.Session() sess.run(init) res = sess.run(result) print('result:', res)
5.3 MXNet
MXNet:基于神经网络的深度学习计算框架,https://mxnet.incubator.apache.org/
- 提供可扩展的神经网络及深度学习计算功能
- 可用于自动驾驶、机器翻译、语音识别等众多领域
- Python最重要的深度学习计算框架
六、单元小结
6.1 从数据处理到人工智能
- Numpy、Pandas、SciPy
- Matplotlib、Seaborn、Mayavi
- PyPDF2、NLTK、python-docx
- Scikit-learn、TensorFlow、MXNet