python最好用的库_12个超好用的Python库，都帮你们整理好了！

数据科学和机器学习相关的研究和开发人员，几乎每天都离不开python。今天给大家介绍12个超好用的Python库，感兴趣的朋友可以转发收藏。

一、核心库和统计数据

1. NumPy (Commits: 17911, Contributors: 641)

NumPy是一个科学应用程序库的主要软件包，用于处理大型多维数组和矩阵，它有许多高级数学函数集合和实现方法，能帮助进行对象执行操作。

2. SciPy (Commits: 19150, Contributors: 608)

SciPy是科学计算的核心库之一，主数据结构是一个多维数组，基于NumPy。它有能帮助解决线性代数、概率论、积分计算的工具等，且还封装了许多新的BLAS和LAPACK函数。

3. Pandas (Commits: 17144, Contributors: 1165)

Pandas拥有高级的数据结构，及各种分析工具。它最棒的特点是能把复杂的数据操作转换为一两个命令，它有许多用于分组、过滤和组合数据的内置方法，以及时间序列功能。

4. StatsModels (Commits: 10067, Contributors: 153)

Statsmodels在很大程度上能帮助统计数据分析，如统计模型估计、执行统计测试等。使用，可以实现许多机器学习方法并探索各种绘图可能性。

二、机器学习

5. Eli5 (Commits: 922, Contributors: 6)

一般机器学习模型预测的结果并不完全清楚，而Eli5能解决这一问题。它是用于可视化和调试机器学习模型，并跟踪算法工作的软件包。它为 scikit-learn、sklearn-crfsuite、XGBoost、LightGBM、lightning 库提供支持。

6.Scikit-learn (Commits: 22753, Contributors: 1084)

它基于 NumPy 和 SciPy ，很适合用来处理数据。它给许多标准的机器学习和数据挖掘任务提供算法，比如聚类、回归、分类、降维和模型选择。

7. XGBoost / LightGBM / CatBoost (Commits: 3277 / 1083 / 1509, Contributors: 280 / 79 / 61)

梯度增强算法应该大家都知道，它能建立一个不断进步的基本模型。XGBoost、LightGBM 和 CatBoost 都是解决常见问题的竞争者，使用方式也基本一样。这些库提供了高度优化的、可扩展的、快速的梯度增强实现。

三、可视化

8. Seaborn (Commits: 2044, Contributors: 83)

Seaborn 是一个高级 API，基于 matplotlib 库。它有适合处理图表的功能。而且还有不错的可视化库，包括一些复杂类型，如时间序列、联合分布图、小提琴图等。

9. Matplotlib (Commits: 25747, Contributors: 725)

Matplotlib 用于创建二维图和图形，有很多流行的绘图库可以与matplotlib结合使用。使用它可以构建多种的图标，从直方图和散点图到费笛卡尔坐标图。

10. Plotly (Commits: 2906, Contributors: 48)

Plotly主要是帮助用户构建复杂的图形。该软件包适用于交互式 Web 应用程，可实现轮廓图、三元图和三维图等视觉效果。

11. Bokeh (Commits: 16983, Contributors: 294)

Bokeh 库利用JavaScript小部件，在浏览器中创建交互式和可缩放的可视化。它有多种图表集合，样式、链接图、添加小部件和定义回调等形式的交互能力等。

四、数据采集

12.Scrapy (Commits: 6625, Contributors: 281)

Scrapy 一般用来创建网络爬虫，扫描网页和收集结构化数据。且可从 API 中提取数据。它用起来很便捷，因为它具有可扩展性和可移植性。

12个超好用的Python库你收藏了吗？如果还有什么想要了解的，或者你有其他的好用的Python库，可以在下方评论留言和大家一起探讨~