Python:从数据处理到人工智能
数据表示——数据清洗——数据统计——数据可视化——数据挖掘——人工智能数据表示:采用合适方式用程序表达数据数据清洗:数据归一化、数据转换、异常值处理数据统计:数据的概要理解、数量、分布、中位数等数据可视化:直观展示数据内涵的方式数据挖掘:从数据分析获得知识,产生数据外的价值人工智能:数据/语言/图像/视觉等方面深度分析与决策python库之数据分析Numpy:表达n维数据的最基础库python数据
·
数据表示——数据清洗——数据统计——数据可视化——数据挖掘——人工智能
- 数据表示:采用合适方式用程序表达数据
- 数据清洗:数据归一化、数据转换、异常值处理
- 数据统计:数据的概要理解、数量、分布、中位数等
- 数据可视化:直观展示数据内涵的方式
- 数据挖掘:从数据分析获得知识,产生数据外的价值
- 人工智能:数据/语言/图像/视觉等方面深度分析与决策
python库之数据分析
Numpy:表达n维数据的最基础库
- python数据分析及科学计算的基础库,支持pandas
- 提供矩阵运算、广播函数、线性代数等
Pandas:python数据分析的高层次库 - 简单易用的数据结构和数据分析工具
- 理解数据类型与索引的关系,操作索引即操作数据
http://pandas.pydata.org
Series = 索引 + 一维数据
DataFrame = 行列索引 + 二维数据
- 1
- 2
SciPy:数学、科学和工程计算功能库
- 提供数学算法及工程数据运算功能
- 类似Matlab,可用于傅里叶变换、信号处理等
- 科学计算功能库
http://www.scipy.org
python库之数据可视化
Matplotlib:高质量的二维数据可视化功能库
- 通过matplotlib.pyplot子库调用各可视化效果
http://matplotlib.org
Seaborn:统计类数据可视化功能库 - 主要展示数据间分布、分类和线性关系等内容
http://seaborn.pydata.org
Mayavi:三维科学数据可视化功能库 - 3D科学计算数据可视化展示效果
http://docs.enthought.com/mayavi/mayavi
python之文本处理
PyPDF2:用来处理pdf文件的工具集
- 处理PDF文件的计算功能
- 支持获取信息、分割/整合文件、加密解密等
http://mstamy2.github.io/PyPDF2
//合并两PDF
from PyPDF2 import PdfFileReader,PdfFileMerger
merger = PdfFileMerger()
input1 = open("xxx.pdf","rb")
input2 = open("xxx.pdf","rb")
merger.append(fileobj = input1,pages=(0,3))
merger.merge(position = 2, fileobj = input2, pages = (0,1))
output = open("xxx.pdf","wb")
merger.write(output)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
NLTK:自然语言文本处理库**
- 简单易用
- 支持语言文本分类、标记、语法句法、语义分析等
http://www.nltk.org
//自然语言文本变成数学结构,并分析逻辑关系
from nltk.corpus import treebank
t = treebank.parsed_sents('wsj_001.mrg')[0]
t.draw()
- 1
- 2
- 3
- 4
Python-docx:创建或更新word文件
- 创建或更新
- 增加并配置格式
from docx import Document
document = Document()
document.add_heading('Document Title',0)
p = document.add_paragraph('A plain paragraph having some')
document.add_page_break()
document.save('demo.docx')
- 1
- 2
- 3
- 4
- 5
- 6
python之机器学习
Scikit-learn:机器学习方法工具集
-
提供统一化的机器学习方法功能接口
-
提供聚类、分类、回归、强化学习等计算功能
http://scikit-learn.org
TensorFlow:机器学习计算框架 -
将数据流图作为基础,图节点代表运算,边代表张量
-
开源框架,调用即可
https://www.tensorflow.org
import tensorflow as tf
init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)
res = sess.run(result)
print('result:',res)
- 1
- 2
- 3
- 4
- 5
- 6
MXNet:基于神经网络的深度学习计算框架
- 提供可扩展的神经网络及深度学习计算功能
- 可用于自动驾驶、机器翻译、语音识别等领域
https://mxnet.incubator.apache.org
</div><div><div></div></div>
<link href="https://csdnimg.cn/release/phoenix/mdeditor/markdown_views-60ecaf1f42.css" rel="stylesheet">
</div>
更多推荐
已为社区贡献1条内容
所有评论(0)