Có khả năng là bạn đã quen thuộc với các gói này và cách chúng hoạt động. Cũng có thể có một số gói thú vị khác mà bạn muốn sử dụng như Plotly, Seaborne, Scikit-Learn, Tensorflow và Pytorch trong số nhiều gói khác. Mặc dù đây đều là những gói tuyệt vời, nhưng có hàng triệu gói dành cho máy học Pythonic, một số gói được đánh giá thấp và một số gói hoàn toàn không được biết đến
№1. TiaBạn đã nghe nói về Plotly, bạn đã nghe nói về Matplotlib và có thể là Seaborne, nhưng bạn có thể chưa nghe nói về Gleam. Gleam là một công cụ tuyệt vời để tạo trực quan hóa tương tác với các trang, bảng và nút. Các trực quan hóa web tương tác này cũng được tích hợp hoàn toàn trên web, có nghĩa là bạn có thể đưa chúng vào bất kỳ thứ gì từ trang web đến điểm cuối. Gleam sử dụng wtforms để tương tác và có thể sử dụng bất kỳ phạm vi công cụ trực quan hóa khác nhau nào để hiển thị dữ liệu thực tế
Nếu bạn muốn có một khung tương tác thú vị mà về cơ bản bạn có thể sử dụng bất kỳ thư viện đồ họa nào, thì Gleam là mô-đun dành cho bạn
№2. Bànbảng hiệu
Bảng dữ liệu nhẹ, trực quan và nhanh chóng
pypi. tổ chức
Được rồi, tôi biết bạn đang nghĩ gì,
“Tại sao không chỉ sử dụng Pandas?”
và đây chắc chắn là một lập luận khả thi. Gói bảng làm cho danh sách này trở thành một giải pháp thay thế cực kỳ nhẹ cho Pandas. Có thể dễ dàng hơn rất nhiều để đọc các tập dữ liệu khổng lồ bằng cách sử dụng Bảng. py hơn với Pandas. py, và đó thực chất là lý do duy nhất khiến nó có tên trong danh sách này. Nhìn chung, tôi muốn nói rằng trong một số trường hợp nhất định, đó có thể là gói dành cho công việc, nhưng trong hầu hết các trường hợp, tôi sẽ chỉ tuân theo
import pandas as pd
№3. tướng quân[src = https. //www. shogun hộp công cụ. tổ chức/]
Shogun là một thư viện máy học được viết bằng C ++ cũng tình cờ sở hữu một cổng Python. Một điều tuyệt vời về Shogun là nó có thể sử dụng được trên vô số ngôn ngữ lập trình khác nhau và tương đối thống nhất ở khía cạnh đó. Nếu bạn học Shogun bằng Python, bạn có thể lấy kiến thức đó và áp dụng nó vào bất kỳ ngôn ngữ nào khác mà nó hỗ trợ, điều này thật tuyệt vời
Shogun có một loạt các thuật toán học máy tiên tiến mà chắc chắn bất kỳ nhà khoa học nào cũng có thể đánh giá cao. Tất nhiên, nó cũng là mã nguồn mở và được xuất bản theo giấy phép chung GNU, đây luôn là một điểm cộng
№4. OpenCVOpenCV là một gói học máy tuyệt vời khác thực sự được phát triển ban đầu tại Intel. Tuy nhiên, mặc dù có nguồn gốc độc quyền, OpenCV là nguồn mở và được xuất bản theo giấy phép cho phép FreeBSD. Một điều thực sự thú vị về OpenCV là nó tập trung vào thị giác máy tính thời gian thực. Giống như Shogun, OpenCV ban đầu được viết bằng C++ nhưng có giao diện cho Python cùng với các ngôn ngữ khác
[src = http. //mlpy. nguồn. net/]
Mlpy cung cấp một loạt các phương pháp học máy tiên tiến nhất cho việc học có giám sát và không giám sát. Không giống như các đối tác của nó, nó nhằm mục đích cung cấp một phương pháp tất cả trong một cho khoa học dữ liệu. Mặc dù nó hơi lỗi thời vào thời điểm này, nhưng nó chắc chắn là một mồi lửa tuyệt vời cho vụ nổ gói khổng lồ đó là học máy Pythonic. Mặc dù tuổi của nó, nó chắc chắn vẫn đáng để kiểm tra theo ý kiến của tôi. Điều này là do tính dễ sử dụng, các thuật toán thú vị và tính chất toàn diện của nó
Mlpy đã tìm cách tạo ra một gói cân bằng giữa khả năng tái tạo, điều chế và hiệu quả. Về điều này, tôi nghĩ rằng gói đã thành công bởi vì trong khi nhiều phần tương ứng của nó được cập nhật thường xuyên hơn và chắc chắn là tiêu chuẩn ngành, thì nhiều ý tưởng trong số này dường như đã bị mất trong bản dịch theo cách này hay cách khác. Nó có ý nghĩa, vì đây là những gói khổng lồ chủ yếu được viết bằng C bởi rất nhiều nhà phát triển, tuy nhiên, tôi sẽ nói rằng đó có thể là một nhược điểm khi sử dụng chúng
Phần kết luận
Vì vậy, bạn đã có nó, năm gói mà theo ý kiến của tôi không được công nhận và nhận được ít tín dụng cho những gì họ đã hoàn thành. Mặc dù các gói này chắc chắn là khá tuyệt, nhưng tôi chắc chắn rằng có hàng trăm, nếu không muốn nói là hàng nghìn mô-đun thú vị khác mà bạn có thể thêm vào môi trường Pip của mình, chúng cũng tuyệt vời và chưa từng có
Python có một hệ sinh thái áp đảo và rất nhiều gói để khai thác, và đó là một phần lý do khiến nó trở nên tuyệt vời. Học cách sử dụng các mô-đun mới liên tục sẽ giúp cơ sở tri thức của bạn luôn mở rộng và giữ cho bộ não lập trình viên của bạn luôn hoạt động
Trong thời đại ngày nay, rất nhiều dữ liệu được tạo ra hàng ngày. Việc phân tích những dữ liệu này cho các mẫu và xu hướng nhất định ở định dạng thô là một thách thức. Đây là cách trực quan hóa dữ liệu phát huy tác dụng. Trực quan hóa dữ liệu là quá trình xác định xu hướng và mối tương quan trong dữ liệu bằng cách biểu diễn dữ liệu dưới dạng hình ảnh. Tốt nhất là sử dụng các mô-đun trực quan hóa dữ liệu python hàng đầu, bao gồm Matplotlib, Plotly và các mô-đun khác phù hợp với yêu cầu cụ thể của bạn