python高效学习必不可少的10款工具

　　  原文链接http://www.pythonzxw.com/thread-522-1-1.html，标题略有改动

         想要成为一个python程序猿，除了学习各种技术之外，熟悉各种已经在生产环境中使用的工具会让你更快的成长!工善于其事必先，必先利其器。工具是提供效率最有效的帮手。

　　这里有7款python工具，是python学习者必不可少的工具。当你对他们有一定了解后，会成为提升python技能和你找工作的绝对优势!下面就了解它们一下吧：

　　1.IPython

　　IPython是一个基于Python Shell的交互式解释器，但是有比默认Shell强大得多的编辑和交互功能。用了它之后你就不想再用自带的Python shell了，IPython支持变量自动补全，自动缩进，支持bash shell命令，内置了许多实用功能和函数，同时它也是科学计算和交互可视化的最佳平台。

　　IPython提供了如下特性:

　　更强的交互shell(基于Qt的终端)

　　一个基于浏览器的记事本，支持代码，纯文本，数学公式，内置图表和其他富媒体

　　支持交互数据可视化和图形界面工具

　　灵活，可嵌入解释器加载到任意一个自有工程里

　　简单易用，用于并行计算的高性能工具

　　当你一个库不会用的时候，用ipython可以写一些测试代码。可以用ipython快速掌握库的方法和使用。

　　地址：https://ipython.org/

　　2.Scikit-Learn

　　Scikit-Learn是用Python开发的机器学习库，其中包含大量机器学习算法、数据集，是数据挖掘方便的工具。Scikit-learn的基本功能主要被分为六大部分：分类，回归，聚类，数据降维，模型选择和数据预处理。Scikit-learn需要NumPy和SciPy等其他包的支持，才能够使用。

　　网址：https://scikit-learn.org/stable/

　　3.Spark

　　Spark是一个围绕速度、易用性和复杂分析构建的大数据处理框架，提供了一个全面、统一的框架用于管理各种有着不同性质(文本数据、图表数据等)的数据集和数据源(批量数据或实时的流数据)的大数据处理的需求。

　　Spark基于map reduce算法实现的分布式计算，拥有Hadoop MapReduce所具有的优点;但不同于MapReduce的是Job中间输出和结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的map reduce的算法。

　　网址：http://spark.apache.org/

　　4.PuLP

　　线性编程是一种优化，其中一个对象函数被最大程度地限制了。PuLP是一个用Python编写的线性编程模型。它能产生线性文件，能调用高度优化的求解器，GLPK，COIN CLP/CBC，CPLEX，和GUROBI，来求解这些线性问题。

　　网址：https://pypi.org/project/PuLP/

　　5.Matplotlib

　　matplotlib在Python中应用最多的2D图像的绘图工具包，使用matplotlib能够非常简单的可视化数据。

　　matplotlib尝试使容易事情变得更容易，使困难事情变为可能。通过Matplotlib，你只需要输入几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。

　　网址：https://matplotlib.org/

　　6.GraphLab Greate

　　GraphLab Greate是一个Python库，由C++引擎支持，可以快速构建大型高性能数据产品。

　　关于GraphLab Greate的特点：

　　可以在您的计算机上以交互的速度分析以T为计量单位的数据量。

　　在单一平台上可以分析表格数据、曲线、文字、图像。

　　最新的机器学习算法包括深度学习，进化树和factorization machines理论。

　　可以用Hadoop Yarn或者EC2聚类在你的笔记本或者分布系统上运行同样的代码。

　　借助于灵活的API函数专注于任务或者机器学习。

　　在云上用预测服务便捷地配置数据产品。

　　为探索和产品监测创建可视化的数据。

　　网址：https://turi.com/

　　7.Pandas

　　Pandas是基于NumPy的一个非常好用的库，正如名字一样，人见人爱。之所以如此，就在于不论是读取、处理数据，用它都非常简单。

　　Pandas有两种自己独有的基本数据结构。读者应该注意的是，它固然有着两种数据结构，因为它依然是Python的一个库，所以，Python中有的数据类型在这里依然适用，也同样还可以使用类自己定义数据类型。只不过，Pandas里面又定义了两种数据类型：Series和DataFrame，它们让数据操作更简单了。

　　Python Tutor Python Tutor是由Philip Guo开发的一个免费教育工具，可帮助学生攻克编程学习中的基础障碍，理解每一行源代码在程序执行时在计算机中的过程。通过这个工具，教师或学生可以直接在Web浏览器中编写Python代码，并逐步可视化地运行程序。如果你不知道代码在内存中是如何运行的，不妨把它拷贝到Tutor里可视化执行一遍，加深理解。

　　地址：http://www.pythontutor.com/

　　8.Jupyter Notebook

　　Jupyter Notebook就像一个草稿本，能将文本注释、数学方程、代码和可视化内容全部组合到一个易于共享的文档中，以Web页面的方式展示。它是数据分析、机器学习的必备工具。

　　地址：http://jupyter.org/

　　9.Anaconda

　　Python虽好，可总是会遇到各种包管理和Python版本问题，特别是Windows平台很多包无法正常安装，为了解决这些问题，Anoconda出现了，Anoconda包含了一个包管理工具和一个Python管理环境，同时附带了一大批常用数据科学包，也是数据分析的标配。

　　地址：https://www.anaconda.com/

　　10.Skulpt

　　Skulpt是一个用Javascript实现的在线Python执行环境，它可以让你轻松在浏览器中运行Python代码。使用skulpt结合CodeMirror编辑器即可实现一个基本的在线Python编辑和运行环境。

　　地址：http://www.skulpt.org/