大数据：数据科学家需要知道十个好用的Python库

Python是比较流行和广为人知的编程语言之一，它已取代了业界的许多编程语言。它是数据科学专业人士比较喜欢使用的编程语言之一，因为它拥有庞大的库。

Python因其简单易用而被称为初学者级编程语言，它的编程语法易于学习，并且与C，Java和C ++相比具有较高的水平。

为了获得更准确的算法和编码，Analytics Insight给出前10个Python库

PyTorch

Pytorch是一个开源库，它基本上替代了Numpy。 PyTorch带有高级功能，可用于构建深度神经网络。数据科学专业人士仍然可以使用其他语言，例如scipy，Cython和numpy，这些语言可在需要时帮助扩展PyTorch。 Pytorch被包括Facebook，Twitter，Nvidia，Uber在内的许多组织所使用，用于快速建立研究原型并训练深度学习模型。

GitHub：https://github.com/pytorch/pytorch

Arrow

Arrow是一个人类友好的Python库，它提供了诸如对日期，时间和时间戳进行转换，操纵，创建和格式化的功能。它支持Python 2和3，它是DateTime的替代方法，它具有更好的界面，以促进丰富的功能。

GitHub：https://github.com/crsmithdev/arrow

IPython

这是最有用的python工具之一，为用户提供了丰富的体系结构。使用IPython，用户可以在其浏览器中编写和执行python代码。 Ipython可在多种操作系统上运行，包括Windows，Mac OS X，Linux和大多数其他Unix OS。 Ipython为用户提供了更多功能，包括帮助功能，高级编辑等。

GitHub：https://github.com/ipython/ipython

TensorFlow

Tensor flow是由Google Brain团队创建的开源机器学习python库。 Tensor流库用于开发，训练和设计深度学习模型，并且可以用于进行数值计算。 Tensor Flow是Theano的替代产品，它可以在移动设备，单CPU系统和GPU上运行。

GitHub：https://github.com/tensorflow/tensorflow

Caffe2

Caffe2是将Caffe框架带入现代世界的尝试。它支持分布式培训，甚至可以在移动平台中进行部署。虽然PyTorch可能更适合研究，但Caffe2适合进行大规模部署，如Facebook上所示。

GitHub：https://github.com/caffe2/caffe2

Scrapy

Scrappy是一个广泛使用的Python Web抓取库。 Scrappy最初用于创建爬网程序，ands 则专门用于抓取，如其名称所示。现在它用于多种用途，包括数据挖掘，自动化测试等。scrapy是开源的，必须具有库。

GitHub：https://github.com/scrapy/scrapy

Requests

Requests是著名的Python库之一，该库在Apache2下获得许可并用Python编写。该库可帮助用户与多种语言进行交互。借助Requests库，用户可以手动将字符串串接到其URL。他们可以使用Request 库将HTTP请求发送到服务器，并且可以添加表单数据，内容（如标头，多部分文件等）。

GitHub：https://github.com/requests/requests

Zappa

Zappa是由Miserlou创建的比较好的python软件包之一，它很容易在API Gateway和Amazon Web Services Lambda上构建和实现无服务器应用程序。由于AWS自动处理水平扩展，因此没有请求会超时。使用Zappa，您可以使用Zappa在一行中更新代码。

GitHub：https://github.com/Miserlou/Zappa

Flashtext

FlashText是更好的选择，它的优点包括，无论用户有多少个搜索词，其运行时间都是相同的，而regexp则相反，运行时间几乎随词的数量线性增加。

GitHub：https://github.com/vi3k6i5/flashtext

Fire

Fire是一个开源库，可以为任何Python项目自动生成命令行（CLI）。用户几乎不需要编写任何代码或文档字符串来构建其CLI！他们只需要调用Fire方法并将其传递给CLI的任何方法传递给它：函数，对象，类，字典，甚至根本不传递任何参数，这会将整个代码转换为CLI 。