[Python/Library] 데이터 분석을 위한 파이썬 라이브러리 목록

# 데이터 분석을 위한 파이썬 라이브러리 목록.

NumPy는 Numerical Python을 나타냅니다. NumPy의 가장 강력한 기능은 n 차원 배열입니다. 이 라이브러리에는 기본 선형 대수 함수, 푸리에 변환, 고급 난수 기능 및 Fortran, C 및 C ++와 같은 다른 저급 언어와 통합하기위한 도구가 포함되어 있습니다

SciPy는 Scientific Python을 나타냅니다. SciPy는 NumPy를 기반으로합니다. 그것은 이산 푸리에 변환, 선형 대수학, 최적화 및 희소 행렬과 같은 높은 수준의 과학 및 공학 모듈의 다양성을위한 가장 유용한 라이브러리 중 하나입니다.

Matplotlib는 히스토그램에서 라인 플롯, 히트 플롯까지 다양한 그래프를 플로팅 할 수있는 ipython 노트북 (ipython notebook - pylab = inline)의 Pylab 기능을 사용하여 플로팅 기능을 인라인으로 사용할 수 있습니다. 인라인 옵션을 무시하면, pylab은 ipython 환경을 Matlab과 매우 유사한 환경으로 변환합니다. Latex 명령을 사용하여 플롯에 수학을 추가 할 수도 있습니다.

Pandas는 구조화 된 데이터 조작 및 조작을 위한 데이터 munging 및 준비에 광범위하게 사용됩니다. Pandas는 비교적 최근에 파이썬에 추가되었으며 데이터 과학자 커뮤니티에서 파이썬의 사용을 향상시키는 도구가되었습니다.

Scikit 기계 학습을 배우십시오. NumPy, SciPy 및 matplotlib에 기반한이 라이브러리에는 분류, 회귀, 클러스터링 및 차원 감소를 비롯한 기계 학습 및 통계 모델링을위한 효율적인 도구가 많이 포함되어 있습니다.

통계 모델링을위한 Statsmodels. Statsmodels은 사용자가 데이터를 탐색하고, 통계 모델을 추정하고, 통계 테스트를 수행 할 수있는 Python 모듈입니다. 다양한 유형의 데이터 및 각 견적 도구에 대해 설명적인 통계, 통계 테스트, 플로팅 기능 및 결과 통계의 광범위한 목록을 사용할 수 있습니다.

통계 데이터 시각화를위한 Seaborn. Seaborn은 파이썬에서 매력적이고 유익한 통계 그래픽을 만들기위한 라이브러리입니다. 그것은 matplotlib을 기반으로합니다. Seaborn은 시각화를 데이터 탐색 및 이해의 핵심 부분으로 만드는 것을 목표로합니다.

최신 웹 브라우저에서 대화 형 플롯, 대시 보드 및 데이터 응용 프로그램을 작성하는 Bokeh. 그것은 사용자가 D3.js 스타일로 우아하고 간결한 그래픽을 생성 할 수 있도록 해줍니다. 또한 매우 큰 또는 스트리밍 데이터 세트에 대한 고성능 상호 작용 기능을 제공합니다.

Numpy와 Pandas의 기능을 분산 및 스트리밍 데이터 세트로 확장하기위한 Blaze. Boke, MongoDB, SQLAlchemy, Apache Spark, PyTables 등 다양한 소스에서 데이터에 액세스하는 데 사용할 수 있습니다. Bokeh와 함께 Blaze는 대용량 데이터를 효과적으로 시각화하고 대시 보드를 작성하는 데 매우 효과적인 도구로 사용할 수 있습니다.

웹 크롤링을위한 Scrapy. 특정 데이터 패턴을 얻는 데 매우 유용한 프레임 워크입니다. 그것은 웹 사이트 홈 URL에서 시작하여 정보를 수집하기 위해 웹 사이트 내의 웹 페이지를 파고들 수있는 기능이 있습니다.

심볼릭 계산을위한 SymPy. 그것은 미적분학, 대수학, 이산 수학 및 양자 물리학에 이르기까지 기본적인 상징적 인 산술에서부터 광범위한 능력을 가지고 있습니다. 또 다른 유용한 기능은 계산 결과를 LaTeX 코드로 형식화하는 기능입니다.

웹 액세스 Requests. 표준 파이썬 라이브러리 urllib2와 비슷하게 작동하지만 코드 작성이 훨씬 쉽습니다. urllib2와는 미묘한 차이가 있지만 초보자에게는 요청이 더 편리 할 수 ​​있습니다.