1. 팬더
Pandas 는 Python 의 강력하고 유연한 데이터 분석 및 탐색 도구로서 Series 및 DataFrame 과 같은 고급 데이터 구조 및 도구를 포함합니다. Pandas 를 설치하면 Python 의 데이터 처리가 매우 빠르고 간단해집니다.
Panda 는 Python 의 데이터 분석 패키지입니다. Panda 는 원래 재무 데이터 분석 도구로 개발되었기 때문에 Panda 는 시계열 분석에 대한 좋은 지원을 제공합니다.
판다는 데이터 분석 작업을 해결하기 위해 만들어졌습니다. Pandas 에는 많은 라이브러리와 몇 가지 표준 데이터 모델이 포함되어 있으며 대용량 데이터 세트를 효율적으로 조작하는 데 필요한 도구를 제공합니다. Pandas 는 데이터를 빠르고 쉽게 처리할 수 있는 다양한 함수와 방법을 제공합니다. Pandas 에는 데이터 분석을 빠르고 쉽게 수행할 수 있는 고급 데이터 구조와 도구가 포함되어 있습니다. 그것은 Numpy 위에 구축되어 Numpy 의 응용을 단순하게 한다.
자동 또는 명시적 데이터 정렬을 지원하는 축이 있는 데이터 구조입니다. 이렇게 하면 정렬되지 않은 데이터 구조 및 인덱스가 다른 여러 소스의 데이터 처리로 인한 일반적인 오류를 방지할 수 있습니다.
판다로 손실된 데이터를 처리하는 것이 더 쉽다. SQL 기반 데이터베이스와 같이 널리 사용되는 데이터베이스를 통합하는 Pandas 는 데이터 명료화/정리를 위한 최적의 도구입니다.
2.Numpy
Python 은 배열 함수를 제공하지 않지만 Numpy 는 배열 지원 및 해당 효율적인 처리 함수를 제공합니다. 이는 Python 데이터 분석의 기초이자 SciPy, Pandas 등의 데이터 처리 및 과학 컴퓨팅 라이브러리의 가장 기본적인 라이브러리이며, 데이터 유형은 Python 데이터 분석에 매우 유용합니다.
Numpy 는 ndarray 와 ufunc 의 두 가지 기본 오브젝트를 제공합니다. Ndarray 는 단일 데이터 유형을 저장하는 다차원 배열이고 ufunc 는 배열을 처리할 수 있는 함수입니다. Numpy 의 기능:
메모리를 빠르고 효율적으로 사용하는 다차원 배열인 N 차원 배열은 벡터화된 수학 연산을 제공합니다. 루프를 사용하지 않고 전체 배열의 데이터에 대해 표준 수학 연산을 수행할 수 있습니다. 저수준 언어 (CC++) 로 작성된 외부 라이브러리로 데이터를 전송하는 것이 편리합니다. 외부 라이브러리는 Numpy 배열로 데이터를 반환하는 것도 편리합니다.
Numpy 는 고급 데이터 분석 기능을 제공하지 않지만 Numpy 배열 및 배열 지향 계산에 대해 더 깊이 이해할 수 있습니다.
3.Matplotpb
Matplotpb 는 강력한 데이터 시각화 도구 및 도면 라이브러리로서 주로 데이터 다이어그램을 그리는 데 사용되는 파이썬 라이브러리입니다. 명령 글꼴과 다양한 시각화 그래픽을 그릴 수 있는 간단한 인터페이스를 제공하므로 그래픽 형식을 쉽게 파악하고 다양한 시각화 그래픽을 그릴 수 있습니다.
Matplotpb 는 Python 의 시각화 모듈로서 라인 차트, 원형 차트, 막대 차트 등의 전문 그래픽만 쉽게 만들 수 있습니다. Matplotpb 를 사용하면 만드는 차트의 모든 측면을 사용자 정의할 수 있습니다. 그는 모든 운영 체제에서 서로 다른 GUI 백엔드를 지원하며 그래픽을 PDF SVG JPG PNG BMP GIF 와 같은 일반적인 벡터 그래픽 및 그래픽 테스트로 출력할 수 있습니다. 데이터 그리기를 통해 우리는 무미건조한 숫자를 사람들이 쉽게 받아들일 수 있는 차트로 바꿀 수 있다. Matplotpb 는 Numpy 기반 파이썬 패키지로서 명령 기반 데이터 그리기 도구를 제공하며 주로 일부 통계를 그리는 데 사용됩니다. Matplotpb 에는 Matplotpb 의 각 기본 속성 (이미지 크기, dpi, 선가중치, 색상 및 스타일, 하위 그림, 축, 네트워크 속성, 텍스트 및 텍스트 속성) 을 조정하는 다양한 속성을 사용자화할 수 있는 기본 설정 세트가 있습니다.
4.SciPy
SciPy 는 최적화, 선형 대수학, 적분, 보간, 맞춤, 특수 함수, 고속 푸리에 변환, 신호 처리 및 이미지 처리, 상미 분 방정식 해결 및 기타 과학 및 엔지니어링에서 일반적으로 사용되는 계산 등의 기능을 포함하여 과학 컴퓨팅에서 다양한 표준 문제 영역을 해결하는 소프트웨어 패키지입니다. 이것들은 데이터 분석 및 마이닝에 매우 유용합니다.
Scipy 는 통계, 최적화, 적분, 선형 대수학 모듈, 푸리에 변환, 신호 및 이미지 처리, 상미 분 방정식 해석기 등을 포함하는 이공계를 위해 특별히 설계된 사용하기 쉬운 파이썬 패키지입니다. Scipy 는 Numpy 에 의존하며 수치 통합 및 최적화와 같은 많은 사용자 친화적이고 효과적인 숫자 루틴을 제공합니다.
파이썬에는 강력한 수치 계산 키트가 있습니다. Numpy 는 Matlab 에 그리기 키트가 있는 MatplotpbScipy 를 좋아합니다. 과학 컴퓨팅 키트가 있습니다. 파이썬은 데이터를 직접 처리할 수 있고 판다는 SQL 처럼 데이터를 제어할 수 있습니다. Matplotpb 는 데이터와 단점을 시각화하고 데이터를 신속하게 이해할 수 있습니다. Scikit-Learn 은 기계 학습 알고리즘을 지원하고, Theano 는 업그레이드 학습을 위한 프레임워크를 제공합니다 (CPU 를 통해 가속화할 수도 있음).
5. 클라스
Keras 는 심도 있는 학습 라이브러리, 인공 신경망 및 심도 있는 학습 모델입니다. Theano 를 기반으로 하는 Numpy 와 Scipy 를 사용하여 일반적인 신경망과 언어 처리, 이미지 인식, 자체 인코더, 재귀 신경망, 재귀 감사 네트워크, 컨볼 루션 신경망 등 다양한 심층 학습 모델을 구축할 수 있습니다.
6.sci kit- 학습
파이썬에서 일반적으로 사용되는 기계 학습 키트인 Scikit-Learn 은 Numpy, Scipy 및 Matplotpb 에 의존하는 강력한 데이터 전처리, 분류, 회귀, 클러스터링, 예측 및 모델 분석과 같은 기계 학습 라이브러리를 지원하는 완벽한 기계 학습 키트를 제공합니다.
Scikit-Learn 은 BSD 오픈 소스 라이센스를 기반으로 하는 파이썬 기계 학습 기반 모듈입니다. Scikit-Learn 을 설치하려면 Numpy Scopy Matplotpb 와 같은 모듈이 필요합니다. Scikit-Learn 의 주요 기능은 분류, 회귀, 클러스터링, 데이터 감소 차원, 모델 선택 및 데이터 사전 처리의 여섯 부분으로 나뉩니다.
Scikit-Learn 에는 분류를 위한 iris 및 digits 데이터 세트, 회귀 분석을 위한 보스턴 집값 데이터 세트와 같은 고전적인 데이터 세트가 포함되어 있습니다. 데이터 세트는 데이터가 저장되는 사전 구조입니다. 데이터 멤버, 출력 레이블은 다음 위치에 저장됩니다. 대상 멤버. Scikit-Learn 은 Scipy 를 기반으로 통합 인터페이스를 통해 사용할 수 있는 일반적인 기계 학습 알고리즘을 제공합니다. Scikit-Learn 은 데이터 세트에서 널리 사용되는 알고리즘을 구현하는 데 도움이 됩니다. Scikit-Learn 에는 자연어 처리를 위한 Nltk, 웹 사이트 데이터 수집을 위한 스크래피, 웹 마이닝을 위한 Pattern, 심화 학습을 위한 Theano 등과 같은 라이브러리도 있습니다.
7. 스크래피
스크래치는 파충류를 위해 특별히 설계된 도구입니다. URL 읽기, HTML 구문 분석, 데이터 저장소 등의 기능을 제공합니다. Twisted 비동기 네트워크 라이브러리를 사용하여 네트워크 통신을 처리할 수 있습니다. 아키텍처가 명확하고 다양한 미들웨어 인터페이스가 포함되어 있어 다양한 요구 사항을 유연하게 충족할 수 있습니다.
8. 겐심
Gensim 은 텍스트 주제를 모델링하는 라이브러리이며 언어 작업을 처리하는 데 자주 사용됩니다. TF-IDF, LSA, LDA, Word2Vec 등의 다양한 주제 모델 알고리즘을 지원하고, 흐름 교육을 지원하며, 유사성 계산, 정보 검색 등의 일반적인 작업에 대한 API 인터페이스를 제공합니다.
더 많은 파이썬 관련 기술 문장, 파이썬 자습서 섹션을 방문하여 공부하세요! 변쇼가 공유하는 파이썬 데이터 분석에 어떤 소프트웨어를 사용하는지에 대한 자세한 내용이다. 모두에게 도움이 되기를 바랍니다. 더 많은 파이썬 자습서 글로벌 아이비리그 기타 관련 문장 주목해 주세요!