這一篇文章主要介紹python的機器學習類庫。python 作為一門語言，這里只介紹在機器學習中python常用的庫，其他學習可以到菜鳥網來學習，個人認為這里學習效果還不錯。

第四章 人生苦短對酒歌，我用python樂趣多

一，python中機器學習常用的庫

1. 數值計算Numpy

NumPy的取自“Numeric（數值）”和“python”的簡寫。它是處理計算最為基礎的類庫。NumPy除了提供一些數學運算函數之外，還提供了向量和矩陣的運算。對于兩個矩陣的加法，在諸如c/c++或Java等語言里，需要用多層for循環來實現，而在NumPy中僅用一條語句。

對于機器學習來說，不論是參數的批量計算還是數據特征表示，都離不開向量和矩陣的便捷運算。并且NumPy還采用非常獨到的數據結構設計，使之在存儲和處理大型矩陣方面，比python自身的嵌套列表結構要高效的多。

NumPy被定位為數學基礎庫，屬于比較底層的python庫。

2. 科學計算SciPy

SciPy的發音是“Sigh Pie”，它是“Science”和Python的組合。它是面向科學計算的Python庫。SciPy構建于NumPy之上，其功能更加的強大，在常微分方程求解，線性代數，信號處理，圖像處理及稀疏矩陣操作等方面，均有出色的支持。SciPy庫需要NumPy庫的支持，故他的安裝要先于SciPy庫。

3. 數據清洗Pandas

Pandas 的全稱是“Python Data Analysis Library”，這是一款基于Python的數據分析庫，它同樣基于NumPy構建而成。

Pandas庫提供了操作大型數據集所需的高效工具，支持帶有坐標軸的數據結構，這能防止由于數據沒有對齊，處理不同來源，采用不同索引的數據而產生的常見錯誤。在數據預處理或數據清洗上，pandas提供了處理缺失值，轉換，合并及其他類SQL的功能，這些功能大大減輕了一線從事機器學習的研發人員的負擔。在某種程度上，Pandas是實施數據清洗/整理（Data Wrangling）最好的工具之一。

4.圖形繪制Matplotlib與Seaborn

python提供了繪圖功能強大的類庫Matplotlib，它可以很方便的繪制散點圖，折線圖，條形圖，直方圖，餅狀圖等專業圖形。此外，它還提供了一定的互動功能，如圖形的縮放和平移等。其輸出的常見文件格式有PDF，SVG，PNG，BMP和GIF等。
Matplotlib也是繪制圖形的基礎庫，Seaborn是基于它的高級庫，它對Matplotlib做了二次封裝，可以繪制更加精致圖。如下圖：

5. scikit-learn

scikit-learn構建于NumPy，SciPy和Matplotlib之上，提供了一系列經典機器學習算法，如聚類，分類和回歸等，并提供統一的接口供用戶調用。目前它已經成為相對成熟的機器學習開源項目。

除了上面提到的幾個常用的類庫和工具之外，python還提供了其他一些實用庫。比如，用于網站數據抓取的Scrappy，用于網絡挖掘的Pattern，用于自然語言處理的MLTK和使用深度學習的Tensorflow等。