Có khá nhiều thư viện mã mối cung cấp mở dành cho Python làm cho những tác vụ khoa học tài liệu trở nên thuận tiện hơn. Hầu hết thư viện hữu ích nào cơ mà bạn không nên bỏ qua?
Python là trong số những ngôn ngữ phổ cập nhất được các chuyên viên khoa học tài liệu và công ty phát triển phần mềm sử dụng cho các dự án khoa học dữ liệu. Nó hoàn toàn có thể được sử dụng để dự đoán kết quả, tự động hóa hóa nhiệm vụ, hợp lý hóa các bước và cung cấp thông tin chi huyết về doanh nghiệp.
Bạn đang xem: Thư viện matplotlib là gì
Dưới đó là danh sách những thư viện Python quan trọng nhất cho các nhiệm vụ khoa học dữ liệu, bao gồm các nghành nghề như giải pháp xử lý dữ liệu, mô hình hóa với trực quan hóa.
Khai thác dữ liệu
Scrapy
Một một trong những thư viện khoa học tài liệu Python thịnh hành nhất, Scrapy giúp xây dựng các chương trình tích lũy thông tin (spider bots) rất có thể truy xuất tài liệu có kết cấu từ web - ví dụ: URL hoặc tin tức liên hệ. Đó là một trong những công cụ tuyệt vời để tích lũy dữ liệu được sử dụng, ví dụ như các mô hình học thứ Python.
Các xây dựng viên thực hiện nó để tích lũy dữ liệu từ những API. Framework này tuân theo nguyên tắc không tái diễn chính bản thân trong xây đắp giao diện của nó. Vị đó, quy định này truyền cảm hứng cho người tiêu dùng viết mã có thể tái thực hiện để tạo và mở rộng các trình tích lũy thông tin lớn.
Beautiful
Soup
Beautiful
Soup là 1 trong thư viện thực sự thịnh hành khác để tích lũy thông tin website và thu thập dữ liệu. Nếu bạn có nhu cầu thu thập dữ liệu có sẵn trên một vài trang web nhưng lại không thông qua CSV hoặc API ưng ý hợp, Beautiful
Soup có thể giúp bạn thu thập dữ liệu và thu xếp dữ liệu đó thành định dạng chúng ta cần.
Xử lý dữ liệu và quy mô hóa
Num
Py
Num
Py (Numerical Python) là một công cụ hoàn hảo và tuyệt vời nhất cho giám sát khoa học và triển khai các phép toán mảng cơ bản và nâng cao.
Thư viện cung cấp nhiều tác dụng tiện dụng thực hiện các làm việc trên n-mảng và ma trận vào Python. Nó giúp xử lý những mảng lưu giữ trữ các giá trị của cùng một kiểu dữ liệu và làm cho việc tiến hành các phép toán bên trên mảng (và vector hóa của chúng) thuận lợi hơn. Bên trên thực tế, câu hỏi vector hóa những phép toán trên đẳng cấp mảng Num
Py giúp tăng hiệu suất và tăng tốc thời hạn thực thi.
Sci
Py
Thư viện hữu dụng này bao gồm các module mang lại đại số tuyến đường tính, tích hợp, tối ưu hóa cùng thống kê. Tác dụng chính của chính nó được xây dựng dựa trên Num
Py, vì chưng vậy những mảng của nó sử dụng thư viện này. Sci
Py vận động hiệu quả cho toàn bộ các loại dự án công trình lập trình công nghệ (khoa học, toán học và kỹ thuật). Nó hỗ trợ các quy trình số kết quả như tối ưu hóa số, tích hợp và các quy trình khác trong module con. Tài liệu đa dạng chủng loại giúp thao tác với thư viện này thực sự dễ dàng dàng.
Pandas
Pandas là một thư viện được chế tạo ra để giúp các đơn vị phát triển thao tác làm việc với dữ liệu "labeled" và "relational" một phương pháp trực quan. Nó dựa trên hai cấu trúc dữ liệu chính: "Chuỗi" (một chiều, giống như danh sách những mục) với "Khung dữ liệu" (hai chiều, y hệt như một bảng có rất nhiều cột). Pandas mang lại phép đổi khác cấu trúc dữ liệu thành các đối tượng người sử dụng Data
Frame, xử lý tài liệu bị thiếu cùng thêm / xóa những cột ngoài Data
Frame, gửi vào những tệp bị thiếu với vẽ dữ liệu bằng biểu đồ dùng hoặc vỏ hộp biểu đồ. Đây là vấn đề bắt buộc phải bao gồm để xử lý dữ liệu, thao tác làm việc và trực quan lại hóa.
Keras
Keras là 1 trong những thư viện tuyệt vời để tạo mạng nơ-ron và mô hình hóa. Nó rất dễ sử dụng và cung cấp cho các nhà cải tiến và phát triển một mức độ mở rộng tốt. Thư viện tận dụng các gói không giống (Theano hoặc Tensor
Flow) làm suport của nó. Rộng nữa, Microsoft gắn vào CNTK (Microsoft Cognitive Toolkit - Bộ chính sách nhận thức của Microsoft) để ship hàng như một chương trình suport khác. Đây là một trong những lựa chọn hoàn hảo nếu bạn muốn thử nghiệm nhanh chóng bằng cách sử dụng các hệ thống nhỏ tuổi gọn - cách thức thiết kế buổi tối giản thực sự mang về hiệu quả!
Sci
Kit-Learn
Đây là một trong tiêu chuẩn chỉnh công nghiệp cho những dự án kỹ thuật dữ liệu dựa vào Python. Scikits là một trong những nhóm các gói trong Sci
Py Stack được tạo ra cho các tính năng cụ thể - ví dụ: giải pháp xử lý hình ảnh. Scikit-learning sử dụng những phép toán của Sci
Py nhằm hiển thị giao diện ngắn gọn cho những thuật toán đồ vật học thông dụng nhất.
Các chuyên gia học dữ liệu sử dụng nó nhằm xử lý những tác vụ thiết bị học và khai quật dữ liệu tiêu chuẩn chỉnh như phân cụm, hồi quy, chọn lọc mô hình, giảm size và phân loại. Nó còn tồn tại các bổ ích khác là kèm theo với tài liệu chất lượng và cung cấp hiệu suất cao.
Py
Torch
Py
Torch là 1 trong framework hoàn hảo và tuyệt vời nhất cho các chuyên viên khoa học dữ liệu muốn thực hiện các nhiệm vụ học sâu một cách dễ dàng. Biện pháp này có thể chấp nhận được thực hiện giám sát và đo lường tensor với tăng speed GPU. Nó cũng khá được sử dụng cho các tác vụ khác - ví dụ, để chế tạo đồ thị đo lường và thống kê động và giám sát độ dốc từ động. Py
Torch dựa vào Torch, là 1 thư viện học sâu mã nguồn mở được xúc tiến bằng C, với trình bao quanh trong Lua.
Tensor
Flow
Tensor
Flow là 1 trong những framework Python phổ biến dành riêng cho học máy cùng học sâu, được cải tiến và phát triển tại Google Brain. Đây là công cụ tốt nhất cho các tác vụ như nhấn dạng đối tượng, dấn dạng giọng nói và nhiều các bước khác. Nó giúp làm việc với những mạng nơ-ron tự tạo cần xử lý các tập dữ liệu. Thư viện bao gồm các trình trợ giúp lớp không giống nhau (tflearn, tf-slim, skflow), tạo cho nó thậm chí còn nhiều tính năng hơn. Tensor
Flow liên tiếp được mở rộng với các phiên bạn dạng phát hành bắt đầu - bao hàm các phiên bản sửa lỗi cho những lỗ hổng bảo mật tiềm ẩn hoặc các đổi mới trong việc tích hòa hợp Tensor
Flow cùng GPU.
XGBoost
Sử dụng tủ sách này nhằm triển khai những thuật toán học thiết bị trong framework Gradient Boosting. XGBoost gồm tính di động, linh hoạt cùng hiệu quả. Nó cung cấp khả năng bức tốc cây parallel giúp những nhóm giải quyết và xử lý nhiều vụ việc về kỹ thuật dữ liệu. Một điểm mạnh khác là các nhà phạt triển hoàn toàn có thể chạy cùng một mã trên các môi trường thiên nhiên phân tán chủ yếu như Hadoop, SGE và MPI.
Trực quan tiền hóa dữ liệu
Matplotlib
Đây là một trong những thư viện khoa học dữ liệu tiêu chuẩn chỉnh giúp tạo thành các trực quan liêu hóa tài liệu như biểu đồ cùng biểu vật hai chiều (biểu đồ, biểu thứ phân tán, biểu đồ dùng tọa độ phi Descartes). Matplotlib là một trong những thư viện vẽ biểu đồ đích thực hữu ích trong số dự án khoa học dữ liệu - nó cung cấp một API hướng đối tượng người sử dụng để nhúng các biểu đồ gia dụng vào ứng dụng.
Nhờ tất cả thư viện này mà lại Python có thể tuyên chiến đối đầu và cạnh tranh với các công cụ khoa học như Mat
Lab hoặc Mathematica. Tuy nhiên, các nhà cải tiến và phát triển cần viết nhiều mã hơn thông thường trong khi sử dụng thư viện này để tạo thành hình ảnh trực quan lại nâng cao. để ý rằng những thư viện vẽ sơ đồ gia dụng phổ biến chuyển động liền mạch với Matplotlib.
Seaborn
Seaborn dựa vào Matplotlib và ship hàng như một biện pháp học thiết bị Python hữu ích, nhằm trực quan lại hóa các mô hình thống kê - bạn dạng đồ nhiệt và những loại trực quan liêu khác dùng để tóm tắt dữ liệu và mô tả những phân phối tổng thể. Khi áp dụng thư viện này, các bạn sẽ được hưởng lợi từ bộ sưu tầm hình hình ảnh trực quan đa dạng và phong phú (bao có cả hầu như hình hình ảnh phức tạp như chuỗi thời gian, biểu đồ bình thường và sơ vật dụng violin).
Bokeh
Thư viện này là 1 trong công cụ hoàn hảo và tuyệt vời nhất để tạo các hình hình ảnh trực quan xúc tiến và có thể mở rộng bên phía trong các trình duyệt bằng cách sử dụng những widget Java
Script. Bokeh trả toàn chủ quyền với Matplotlib. Nó tập trung vào tính hệ trọng và trình bày trực quan thông qua các trình duyệt hiện đại - tựa như như Tài liệu theo hướng dữ liệu (d3.js). Nó cung ứng một tập hợp những biểu đồ, kỹ năng tương tác (như liên kết các ô hoặc thêm những tiện ích Java
Script) cùng kiểu dáng.
Plotly
Công cụ dựa vào web này nhằm trực quan lại hóa dữ liệu cung ứng nhiều vật dụng họa có lợi - chúng ta cũng có thể tìm thấy bọn chúng trên website http://Plot.ly. Thư viện chuyển động rất giỏi trong những ứng dụng website tương tác. Những người tạo thành nó đang mở rộng thư viện với đồ họa và tính năng mới để cung cấp nhiều cơ chế xem được liên kết, hoạt ảnh và tích vừa lòng xuyên âm.
Pydot
Thư viện này giúp tạo ra các trang bị thị có kim chỉ nan và không tồn tại định hướng. Nó đóng vai trò vai trò như một giao diện cho Graphviz (được viết bởi Python thuần túy). Bạn cũng có thể dễ dàng hiển thị cấu tạo của thiết bị thị với sự trợ góp của thư viện này. Điều đó cực kỳ hữu ích khi chúng ta đang cải tiến và phát triển các thuật toán dựa vào mạng nơ-ron với cây decisions.
Kết
Danh sách này không bao gồm toàn bộ những thư viện Python có. Hệ sinh thái xanh Python cung cấp nhiều công cụ khác có thể hữu ích cho công việc khoa học tập dữ liệu. Các chuyên gia khoa học dữ liệu và kỹ sư phần mềm tham gia vào các dự án khoa học dữ liệu sử dụng Python sẽ áp dụng nhiều phương tiện này bởi vì chúng rất quan trọng để thành lập các quy mô ML công suất cao bằng Python.
Xem thêm: Các thư viện ở tphcm hấp dẫn cho mọt sách, top 10 địa điểm tự học yên tĩnh ở tp
Ngôn ngữ Python ngày càng phổ biến hơn thế giới với cộng đồng hỗ trợ táo bạo mẽ, thư viện phong phú. Chính vì vậy mà nhiều người dân khi tất cả ý định theo xua đuổi nghề lập trình sẵn sẽ khám phá và sàng lọc Python làm nền tảng gốc rễ kiến thức đầu tiên. Mong rằng list này phần nào hỗ trợ cho chúng ta lập trình viên có định hướng học xây dựng Python.
Aptech Saigon tiến hành chương trình cung ứng "ĐẶC BIỆT THÁNG 03" dành cho 05 học tập viên đầu tiên đăng ký kết tham gia khóa học tập Lập trình Python từ ngày 12/03 - 31/03.
Tuy nhiên, hạn chế của Matplotlib là tạo ra những biểu đồ cặp đôi khi đơn giản và dễ dàng quá lại khó ưa nhìn và áp dụng rộng rãi.
Do đó, trong bài viết này, bọn họ sẽ mày mò 4 thư viện theme (giao diện) bên trên nền Matplotlib hoàn toàn có thể dễ dàng biến những biểu thiết bị Matplotlib của bạn từ nhàm chán đổi thay thú vị, hấp dẫn.
Việc áp dụng thư viện làm sao tùy ở trong vào mục đích sử dụng và đối tượng người dùng mục tiêu. Các bạn nên lưu ý đến để chọn thư viện phù hợp cho tình huống thực tiễn của mình.
Cyberpunk Style là trong những phong cách xây đắp đặc trưng của thập niên 1980 cùng 1990, được lấy cảm giác từ khoa học viễn tưởng, bộc lộ sự kết hợp giữa công nghệ, sau này và quả đât tội phạm. Vào Cyberpunk Style, color tươi sáng, sắc đẹp nét, màu sắc neon hay được sử dụng để tạo nên các hiệu ứng ánh nắng rực rỡ.
Một con đường sôi động của thành phố tương lai theo chủ đề khoa học viễn tưởng, bao gồm địa điểm có tương đối nhiều người bán sản phẩm rong. Các cửa hàng và quanh vùng được phủ bọc bởi ánh sáng của đèn neon rực rỡ. Trời mưa và buổi tối (Hình hình ảnh được tạo vị Andy Mc
Donald thực hiện Midjourney)
Khi tạo những biểu đồ đến poster hoặc infographic, chúng ta có thể thêm Colormap để thu hút fan đọc. Cyber
Punk theme sẽ giúp cho biểu đồ của doanh nghiệp độc đáo hơn hết sức nhiều.
Bạn điện thoại tư vấn hàm make_scatter_glow() để tạo các điểm vạc sáng. Chúng ta phải call lệnh này cho mỗi biểu vật scatter mà bạn có nhu cầu tạo những điểm phân phát sáng.
Bạn cũng hoàn toàn có thể sử dụng Cyber
Punk theme cho các biểu trang bị Line. Để tạo các line phân phát sáng, chúng ta dùng lệnh mplcyberpunk.make_lines_glow()
Thư viện matplotx góp bạn tiện lợi để biện pháp điệu những matplotlib figures. Thư viện chứa một số trong những theme có thể truy cập và thực hiện cho ngẫu nhiên biểu đồ gia dụng matplotlib nào.
Khi thao tác với những biểu trang bị trên Jupyter Notebooks hoặc VSCode cùng với dark-themed, các figures với giao diện sáng rất có thể gây chói mắt.
Để giảm tác động này, bạn cũng có thể tạo những figures bao gồm giao diện tối. Matplotx có tác dụng cho quá trình này thuận tiện hơn nhiều. Với khá nhiều giao diện không giống nhau được tích thích hợp sẵn, chúng ta cũng có thể lựa chọn và thực hiện giao diện phù hợp với hình ảnh của Jupyter Notebooks hoặc VSCode của mình.
Bạn sử dụng câu lệnh with để gọi plt.style.context cùng truyền vào matplotx.styles. Tại đây, bạn cũng có thể chọn một trong tương đối nhiều giao diện gồm sẵn.
Vì có tương đối nhiều giao diện phụ cho Pitaya Smoothie nên họ cần tầm nã xuất chúng bằng cách sử dụng cặp vết ngoặc vuông. Trong lấy một ví dụ này, họ sử dụng hình ảnh “dark”.
Ngoài ra còn có nhiều giao diện “light”. Ví dụ: Pitaya Smoothie light được tầm nã xuất như sau:
Quantum
Black Labs là một công ty cung ứng dịch vụ phân tích dữ liệu và tư vấn cho các doanh nghiệp. Họ áp dụng máy học cùng trí tuệ tự tạo để phân tích những tập dữ liệu phức hợp trong những ngành như chăm sóc sức khỏe, tài bao gồm và vận tải.
Thư viện này cung cấp nhiều tùy chọn cho theme style, bao gồm màu sắc, phông chữ và cấu tạo của các figures. Nó cũng đều có thể tùy chỉnh thiết lập để cân xứng với nhu cầu rõ ràng của dự án, giúp người dùng trực quan lại hóa dữ liệu và tạo nên các report phân tích dữ liệu unique cao.
Ví dụ về việc sử dụng thư viện Quantum black Labs style cho các matplotlib figures. (Hình hình ảnh được tạo do Quantum đen Labs)
Khi viết các bài báo công nghệ hoặc hội nghị, việc tạo thành các figures rõ ràng, đơn giản và dễ dàng và dễ dàng hiểu, tránh những biểu đồ cách điệu là điều cần thiết.
Một điều tuyệt vời nhất với tủ sách này là nó làm cho những figures cân xứng để in ra trắng đen — trên đây vẫn là 1 trong thông lệ thông dụng của các nhà nghiên cứu. Với tủ sách này, những line có thể dễ dàng rành mạch với nhau bằng phương pháp thay thay đổi line style hoặc những điểm có hình dạng không giống nhau trên biểu vật scatter cho tài liệu phân loại.
Để áp dụng thư viện Science
Plots, bạn phải setup La
Te
X trên máy tính. Xem thêm cách thiết lập La
Tex trên đây.
Science
Plots theme được sử dụng cho biểu thiết bị line, đem lại khả năng hiển thị cao và tương xứng để gửi vào những tạp chí khoa học.
Nó tương đối khác đối với biểu trang bị ở trên và màu sắc đã gắng đổi, nhưng mà vẫn là 1 trong biểu đồ gia dụng tạp chí khoa học rất đẹp mắt.
Với những kỹ năng và kiến thức lập trình Python đã được trang bị trong khóa huấn luyện Data Manipulation and Visualization with Python bên trên Matplotlib, các bạn hoàn toàn có tác dụng sử dụng thêm các thư viện trên đây để chế tạo được những biểu đồ rất đẹp hơn, thú vị hơn.
