大家好，今天給大家分享在資料科學領域中非常棒的4款 Python 神器，它們可以簡化我們的作業，讓我們的作業更輕松！
廢話不多說，我們開始學習吧！歡迎收藏、點贊，文末提供技術交流群，
1、Mito
Mito 是一種電子表格，它可以幫你以10倍的速度完成Python分析，你可以在 Jupyter notebook 中呼叫 Mito，每次在前端編輯都將生成 Python 代碼，
要安裝 Mito，請使用以下三個命令：
python -m pip install mitoinstaller
python -m mitoinstaller install
python -m jupyter lab
然后打開Mitosheet界面:
import mitosheet
mitosheet.sheet()
你可以通過從工具列中選擇資料透視按鈕，然后選擇行、列、值和聚合型別來配置 Mito 資料透視表，
Mito 中的每次編輯都會在下面的代碼單元格中生成等效的 Python， 與不斷前往 Stack Overflow 尋找正確語法相比，這是一種更快的生成代碼的方式，
上面的資料透視表生成此代碼并自動對其進行注釋！
Mito 不只是為資料透視表生成代碼， 在 Mito 中，你可以合并資料集、過濾、排序、使用函式、查看匯總統計資料等等——而且 Mito 將為這些編輯中的每一個生成等效的 Python，
要創建 Plotly 圖表，用戶所要做的就是單擊圖表按鈕并選擇它們的軸，
2、Plotly
Plotly 是一款非常棒的可視化庫，它是快速輕松地制作互動式圖表和圖形的最佳軟體包，像 matplotlib 和 seaborn 這樣的包當然也很直觀，但它們缺乏使 Plotly 如此強大的互動性，
要安裝 Plotly，請運行以下命令：
$ pip install plotly==5.2.1
在 Plotly 中，有大量互動式圖表可供選擇,有更簡單的圖表，其中更改條形的顏色是互動性，
import plotly.graph_objects as go
fig = go.Figure(data=go.Bar(y=[2, 3, 1]))
fig.show()
他們還提供更高級的動態圖表：
2、Tensorflow
Tensorflow 是一個開源的機器學習包，最初由谷歌開發，它使 Python 中的機器學習變得更容易訪問，并且隨著新更新的出現而繼續這樣做，
要匯入包，請運行以下命令
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
下面是一個可以使用 Tensorflow 運行的簡單模型的示例：
class SimpleModule(tf.Module):
def __init__(self, name=None):
super().__init__(name=name)
self.a_variable = tf.Variable(5.0, name="train_me")
self.non_trainable_variable = tf.Variable(5.0, trainable=False, name="do_not_train_me")
def __call__(self, x):
return self.a_variable * x + self.non_trainable_variable
simple_module = SimpleModule(name="simple")
simple_module(tf.constant(5.0))
Tensorflow 允許你輕松構建神經網路，
4、Selenium
網路抓取可以是某些資料科學作業流程的一個組成部分，Selenium 使這個程序變得更加容易，
要安裝軟體包，請運行以下命令：
pip install selenium
使用 selenium，你可以選擇要抓取的頁面：
driver.get("URL")
你可以使用包提供的不同策略來抓取所需的資料，
技術交流
歡迎轉載、收藏、有所識訓點贊支持一下！
目前開通了技術交流群，群友已超過2000人，添加時最好的備注方式為：來源+興趣方向，方便找到志同道合的朋友
- 方式①、發送如下圖片至微信，長按識別，后臺回復：加群；
- 方式②、添加微信號：dkl88191，備注：來自CSDN
- 方式③、微信搜索公眾號：Python學習與資料挖掘，后臺回復：加群
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/339016.html
標籤：AI