人工智能初学---开发工具使用

1. Anaconda

        Anaconda 是一个用于科学计算的Python 发行版。支持linux ，windows 系统，提供了包管理与环境管理的功能，可以很方便的解决多版本Python的并存，切换，以及各种第三方包(如 NumPy,Pandas)安装的问题。

下载地址https://www.anaconda.com/download/#windows

具体安装使用可以参考这个博客https://www.jianshu.com/p/eaee1fadc1e9

 

2. NumPy

NumPy 是高性能科学计算和数据分析的基础包。应用于机器学习，深度学习，数据挖掘等矩阵操作。

NumPy是Python语言的一个扩充程序库。支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。Numpy内部解除了Python的PIL(全局解释器锁),运算效率极好,是大量机器学习框架的基础库!

如：

快速创建N维数组

• 创建10行10列的数值为浮点1的矩阵

import numpy as np
array_one = np.ones([10, 10])

• 创建10行10列的数值为浮点0的矩阵

array_zero = np.zeros([10, 10])

下载官网https://www.scipy.org/scipylib/download.html#

更多矩阵计算可以参考https://www.jianshu.com/p/83c8ef18a1e8

 

3. Pandas

Pandas是基于Numpy构建的，让以Numpy为中心的应用变得更简单，主要用于数据分析和处理。

Pandas适合处理多种类型的数据：

具有不同数据类型列的表格数据，如SQL表或Excel电子表格
有序或无序（不固定频率）的时间序列数据。
带有行和列标签的任意矩阵数据
任何其他形式的观测/统计数据集。
Pandas主要包含三种数据结构，分别是Series(一维)，DataFrame(二维)，Panel(三维)。

其中Series和DataFrame可以用于处理绝大多数金融，统计，社会科学和许多工程领域的典型问题。对于R用户而言，DataFrame在支持所有R的data.frame的功能的基础上还能有更丰富的应用。Pandas库建立在NumPy库之上，旨在与科学计算环境和许多其他第三方库完美集成。

Pandas的优势：

可以轻易的处理浮点及非浮点数据类型的缺失值(NaN)
大小可变：DataFrame和Panel都可以删除或插入列
数据自动对齐
灵活强大的分组功能，可对数据集进行拆分组合操作
方便的将其他Python和NumPy数据结构中不同类索引的数据转换为DataFrame对象
基于智能标签的切片，花式索引，轻易从大数据集中取出子集
直观的合并，连接数据集
轻易的重新定义数据集形状和转置
轴(axes)的分层标签（使每个元组有多个标签成为可能）

Pandas库是统计科学家在分析数据时的理想工具，非常适合应用于数据清洗，分析/建模，然后将分析结果组织成适合于绘图或表格显示的形式的全部过程。statsmodel库依赖Pandas库，使其成为Python统计计算系统的重要组成部分。
Pandas库已经广泛应用于金融数据。
原文链接：https://www.jianshu.com/p/aac3153b47eb
 

官网http://pandas.pydata.org/

关于pandas的使用可以参考

https://blog.csdn.net/liufang0001/article/details/77856255/

https://www.jianshu.com/p/7414364992e4

 

4. matplotlib

Matplotlib 是Python 2D绘图领域的基础套件，它让使用者将数据图形化，并提供多样化的输出格式。

Matplotlib试图让简单的事情变得更简单，让无法实现的事情变得可能实现。 只需几行代码即可生成绘图，直方图，功率谱，条形图，错误图，散点图等。 有关示例，请参阅示例图和缩略图库。

为了简单绘图，pyplot模块提供了类似于MATLAB的界面，特别是与IPython结合使用时。 对于高级用户，您可以通过面向对象的界面或MATLAB用户熟悉的一组函数完全控制线条样式，字体属性，轴属性等。

官网地址https://matplotlib.org/

具体使用可以参考

https://www.jianshu.com/p/f2782e741a75

https://blog.csdn.net/qq_34337272/article/details/79555544