python没有numpy模块_你一定要知道的Python模块

今天为大家介绍一下Python常用的模块。有些模块几乎在所有的程序里面都会出现，因此可以称为必学模块。后面的文章将会为大家介绍下不同领域中的常用模块。

相信你看完本篇文章，会对Python模块有一个大致的了解。

Python

必学模块

os

os 这个模块特别常用，也特别的好用，主要用于进行系统级别的操作，从重新命名、移动文件、删除文件、复制文件…等等，基本上你会对文件做的事，还有对目录(文件夹)的操作，这个模块都能帮助你在程序中做到！

time 和 datetime

这两个模块相辅相成，常常需要在彼此间互相转换，因为常常用到时间戳、格式化的时间字串、及元组等不同类型的软件。他们能做到的事也相当多，基本上只要你需要操作时间，或是运算日期等等，都必须用到他们。

random

random 是在做什么的呢？顾名思义，就是在做跟随机相关操作的模块，这是最常用到的模块，用法非常多，比如生产随机整数、小数，从串列中随机挑选一个物件，甚至是直接打乱串列排序的洗牌动作等等，random 全部都能用几行代码轻松完成。

数据分析、资料科学

数据分析

NumPy

Numpy 是 Python 的一个重要模块，主要用于资料处理上。Numpy 底层以 C 和 Fortran 语言编写，所以能快速操作多重维度的阵列。当 Python 处理庞大资料时，内建的资料型态 list 效能并不理想，而 Numpy 具备平行处理的能力，可以将操作动作一次套用在大型阵列上。此外， Python 其重量级的资料科学相关套件(例如：Pandas、SciPy、Scikit-learn 等)都几乎都是在 Numpy 的基础上。因此学会 Numpy 会为以后学习其他科学相关内容打好坚实的基础。

SciPy

常用科学计算的另一个重要模块就是 SciPy。SciPy 是一种使用 NumPy 为基础，来做高等数学、统计和许多其它科学任务的模块。它基于NumPy，并扩展了NumPy的功能。SciPy 的主要的数据结构是由 Numpy 实现的多维阵列。这个模块包含了解决线性代数、概率论、积分等等高等。

然而，scipy和numpy 都没有提供绘图函数。它们只是数字处理的工具，能够辅助绘图的模块一会就会推荐。

Pandas

Pandas 也是一个常用 Python 模块，提供了高阶的资料结构和多种分析工具。它的最大特点是能够将複杂的数据操作，转换成一两个命令。Pandas包含许多用于分组、过滤和组合数据以及时间序列功能的内置函式。

Pandas在前阵子的版本更新中，增加了数百个新特性、并且对bug进行修复以及API更改。这些改进是针对数据分组和排序的能力，让它变得更容易输出，以及支持对自定义的类别(class)进行操作。

资料视觉化

Matplotlib

Matplotlib

Matplotlib 是一个用于创建二维图表和图形的模块。在它的帮助下，你可以轻松构建不同的图表，从直条图、点状图到坐标图都可以。重点是，很多热门的模块都支持与 Matplotlib 协同工作。

Matplotlib 虽然主要都是用纯Python写的，但是为了在运行时有更高的性能，尤其是在显示大量数据的情况下，里面也大量使用了NumPy。

Bokeh

Bokeh模块透过JavaScript在浏览器中创造出互动式、可伸缩的视觉效果。 它提供了各式各样的视觉化必须的辅助函数，同时也将网页前端的技术细节包装成一个个的 Python 函式与参数供我们调用，让我们不再需要编辑 HTML 与 JavaScript 便能制作网页前端。

深度学习

tensorflow

TensorFlows

TensorFlow是在 Google大脑中开发的一个用于深度和机器学习的流行框架。它提供了具有多个数据集的人工神经网络一起工作的能力。在最流行的TensorFlow 应用程序中，有对象识别、语音识别等，而且，它的更新速度非常快。

PyTorch

PyTorch是一个大型框架，允许你使用GPU加速进行计算，创建动态计算图，并自动计算梯度。以此为基础，PyTorch 为解决与神经网络相关的应用程序提供了丰富的API。这个模块基于Torch，是一个开源的深度学习库，通过C语言实现。从2017年起进入众人视野，该框架就越来越受欢迎，并吸引了越来越多的数据科学家。