2018 年最受歡迎的15個頂級 Python 庫

作者 | Goutham Veeramachaneni

近日，數(shù)據(jù)科學網站 KDnuggets 評選出了頂級 Python 庫 Top15，領域橫跨數(shù)據(jù)科學、數(shù)據(jù)可視化、深度學習和機器學習。如果本文有哪些遺漏，你可以在評論區(qū)補充。

圖 1：根據(jù) GitHub star 和貢獻評選出的 2018 頂級 Python 庫。形狀大小與貢獻者數(shù)量成正比。

以下為 2018 年排名前 15 的 Python 庫（數(shù)據(jù)截止 2018 年 12 月 16 日）：

1 TensorFlow（貢獻者：1757，貢獻：25756，Stars：116765）

“TensorFlow 是一個使用數(shù)據(jù)流圖進行數(shù)值計算的開源軟件庫。圖形節(jié)點表示數(shù)學運算，而圖形邊緣表示在它們之間流動的多維數(shù)據(jù)陣列（張量）。這種靈活的體系結構使用戶可以將計算部署到桌面、服務器或移動設備中的一個或多個 CPU/GPU，而無需重寫代碼。 ”

GitHub 地址：

https://github.com/tensorflow/tensorflow

2 pandas（貢獻者：1360，貢獻：18441，Stars ：17388）

“pandas 是一個 Python 包，、供快速，靈活和富有表現(xiàn)力的數(shù)據(jù)結構，旨在讓”關系“或”標記“數(shù)據(jù)使用既簡單又直觀。它的目標是成為用 Python 進行實際，真實數(shù)據(jù)分析的基礎高級構建塊。”

GitHub 地址：

https://github.com/pandas-dev/pandas

3 scikit-learn（貢獻者：1218，貢獻者：23509，Stars ：32326）

“scikit-learn 是一個基于 NumPy，SciPy 和 matplotlib 的機器學習 Python 模塊。它為數(shù)據(jù)挖掘和數(shù)據(jù)分析提供了簡單而有效的工具。SKLearn 所有人都可用，并可在各種環(huán)境中重復使用。

GitHub 地址：

https://github.com/scikit-learn/scikit-learn

4 PyTorch（貢獻者：861，貢獻：15362，Stars：22763）

“PyTorch 是一個 Python 包，提供兩個高級功能：

具有強大的 GPU 加速度的張量計算（如 NumPy）

基于磁帶的自動編程系統(tǒng)構建的深度神經網絡

你可以重復使用自己喜歡的 Python 軟件包，如 NumPy，SciPy 和 Cython，以便在需要時擴展 PyTorch。”

GitHub 地址：

https://github.com/pytorch/pytorch

5 Matplotlib（貢獻者：778，貢獻：28094，Stars ：8362）

“Matplotlib 是一個 Python 2D 繪圖庫，可以生成各種可用于出版品質的硬拷貝格式和跨平臺交互式環(huán)境數(shù)據(jù)。Matplotlib 可用于 Python 腳本，Python 和 IPython shell（例如 MATLAB 或 Mathematica），Web 應用程序服務器和各種圖形用戶界面工具包。”

GitHub 地址：

https://github.com/matplotlib/matplotlib

6 Keras（貢獻者：856，貢者：4936，Stars ：36450）

“Keras 是一個高級神經網絡 API，用 Python 編寫，能夠在 TensorFlow，CNTK 或 Theano 之上運行。它旨在實現(xiàn)快速實驗，能夠以最小的延遲把想法變成結果，這是進行研究的關鍵。”

GitHub 地址：

https://github.com/keras-team/keras

7 NumPy（貢獻者：714，貢獻：19399，Stars：9010）

“NumPy 是使用 Python 進行科學計算所需的基礎包。它提供了強大的 N 維數(shù)組對象，復雜的（廣播）功能，集成 C / C ++ 和 Fortran 代碼的工具以及有用的線性代數(shù)，傅里葉變換和隨機數(shù)功能。

GitHub 地址：

https://github.com/numpy/numpy

8 SciPy（貢獻者：676，貢獻：20180，Stars：5188）

“SciPy（發(fā)音為”Sigh Pie“）是數(shù)學、科學和工程方向的開源軟件，包含統(tǒng)計、優(yōu)化、集成、線性代數(shù)、傅立葉變換、信號和圖像處理、ODE 求解器等模塊。”

GitHub 地址：

https://github.com/scipy/scipy

9 Apache MXNet（貢獻者：653，貢獻：9060，Stars：15812）

“Apache MXNet（孵化）是一個深度學習框架，旨在提高效率和靈活性，讓你可以混合符號和命令式編程，以最大限度地提高效率和生產力。 MXNet 的核心是一個動態(tài)依賴調度程序，可以動態(tài)地自動并行化符號和命令操作。”

GitHub 地址：

https://github.com/apache/incubator-mxnet

10 Theano（貢獻者：333，貢獻：28060，Stars ：8614）

“Theano 是一個 Python 庫，讓你可以有效地定義、優(yōu)化和評估涉及多維數(shù)組的數(shù)學表達式。它可以使用 GPU 并實現(xiàn)有效的符號區(qū)分。”

GitHub 地址：

https://github.com/Theano/Theano

11 Bokeh（貢獻者：334，貢獻：17395，Stars ：8649）

“Bokeh 是一個用于 Python 的交互式可視化庫，可以在現(xiàn)代 Web 瀏覽器中實現(xiàn)美觀且有意義的數(shù)據(jù)視覺呈現(xiàn)。使用 Bokeh，你可以快速輕松地創(chuàng)建交互式圖表、儀表板和數(shù)據(jù)應用程序。”

GitHub 地址：

https://github.com/bokeh/bokeh

12 XGBoost（貢獻者：335，貢獻：3557，Stars：14389）

“XGBoost 是一個優(yōu)化的分布式梯度增強庫，旨在變得高效、強大、靈活和便攜。它在 Gradient Boosting 框架下實現(xiàn)機器學習算法。XGBoost 提供了梯度提升決策樹（也稱為 GBDT，GBM），可以快速準確地解決許多數(shù)據(jù)科學問題，可以在主要的分布式環(huán)境（Hadoop，SGE，MPI）上運行相同的代碼，并可以解決數(shù)十億個示例之外的問題。”

GitHub 地址：

https://github.com/dmlc/xgboost

13 Gensim（貢獻者：301，貢獻：3687，Stars ：8295）

“Gensim 是一個用于主題建模、文檔索引和大型語料庫相似性檢索的 Python 庫，目標受眾是自然語言處理（NLP）和信息檢索（IR）社區(qū)。”

GitHub 地址：

https://github.com/RaRe-Technologies/gensim

14 Scrapy（貢獻者：297，貢獻：6808，Stars ：30507）

“Scrapy 是一種快速的高級 Web 爬行和 Web 抓取框架，用于抓取網站并從其頁面中提取結構化數(shù)據(jù)。它可用于從數(shù)據(jù)挖掘到監(jiān)控和自動化測試的各種用途。”

GitHub 地址：

https://github.com/scrapy/scrapy

15 Caffe（貢獻者：270，貢獻：4152，Stars ：26531）

“Caffe 是一個以表達、速度和模塊化為基礎的深度學習框架，由伯克利人工智能研究（BAIR）/ 伯克利視覺與學習中心（BVLC）和社區(qū)貢獻者開發(fā)。”

GitHub 地址：

https://github.com/BVLC/caffe

英文原文

https://www.kdnuggets.com/2018/12/top-python-libraries-2018.html