库泛滥成灾选错一个浪费三个月你中招了吗那个时段, 我才刚开始走上学习的道路, 真真切切地被这些库给弄得晕头转向, 不知所措了。仅仅只是听旁人在那儿提及“NumPy、、 -learn”, 就有种仿佛是好多英文单词在自己脑壳里相互争斗、纠缠不清的感受。后来, 才发觉到, 实际上每一个库都有着属于自身的用途, 要是把库选对了, 确实能够省去相当多的麻烦事, 一旦选错了, 真的会导致好几个月的努力都付诸东流, 白白忙活一场。咱们先讲讲科学计算这一块儿情况, NumPy如同盖房子所用到的地基, 那些所有进行数值计算的库当中, 几乎不可能脱离它而存在, 它所拥有的数组对象运行起来速度特别快, 相较于自带的列表要快出许多, 我当初刚刚开始编写代码时, 并不晓得要运用NumPy, 而是直接借助循环去计算矩阵乘法, 结果随着数据量逐渐增大上到一定程度, 电脑直接出现卡死状况, 后来换用了NumPy, 同样类型的那种运算仅仅花费几秒钟就能够完成搞定。对处理表格数据而言, 它堪称利器, 其直观程度简直恰似Excel, 然而却远比Excel灵活许多, 诸如清洗数据、合并表格以及处理时间序列, 这些操作仅需编写寥寥几行代码便可达成, 我有一位从事数据分析工作的朋友, 他讲自从使用了它, 便再也无需每日对着Excel频繁点击了, 不过需留意, 当数据量极大之时, 它会占用内存, 此种情形下就得斟酌其他工具了。跟NumPy常常一块儿使用通常的操作流程是, 先借助别的方式把数据读取进来, 接着开展清洗以及整理工作, 随后再利用NumPy进行数学方面的运算与计算, 将这两个库搭配起来运用, 基本上能够把大部分的数据分析需求给解决掉。再讲讲关于画图的事物。它是一个有着较长历史的库, 具备的功能十分全面, 然而其API存在些许繁琐。当我最初开始使用它的时候, 仅仅是调整一下颜色或者修改坐标轴, 都必须翻阅大量文档花费不少时间查找。后来察觉到更简便的方式, 它是基于某种情况的而且默认样式相较之前好看许多, 绘制箱线图、小提琴图只需一行代码就能实现。不过要是用于科研论文创作, 仍旧需要进行精细的调整。绘制出来的图形能够实现交互, 适合放置在网页上进行展示。关于机器学习这一方面, -learn当为入门的首要选择。它将全部算法都包装成统一的接口, 进行一次fit操作、又一次fit操作, 上手异常地容易。我学习机器学习便是从这个库起始的, 跟随教程运行一遍分类、并运行回归操作, 相当快地就理解了基本原理。然而它并不支持深度学习, 并且当数据量超出十万条时就会出现变慢的情况。这时候就需要用到或了。它目前堪称大热门啦。其背后有着谷歌给予的有力支持, 将它部署到生产的环境之中极为便利。Keras乃是它的高级接口, 编写起来格外简易, 特别适合用于快速制作原型。在学术界, 它更为流行, 这是由于它的动态图在调试方面具备便利之处。我身边那些从事研究工作的朋友都在使用它, 还说修改模型结构的时候特别灵活。对于初学者而言, 建议先学习Keras, 待熟悉之后再深入研究底层。就网络编程一方面而言, 库属于必须要学习的内容。其发送HTTP请求的操作如同打电话那般简易, 借助get、post便能够达成。我先前编写爬虫的时候, 编写了数量众多的代码, 后续进行了更换, 仅仅使用几行代码便将其解决了。该库用于解析HTML, 具备轻量且好用的特性。要是针对大规模网站开展爬虫工作, 那就得运用它, 它属于一个完整的框架, 自身带有异步爬取以及数据管道等功能, 效率要高出许多。在Web框架范畴内, 存在着两大主流, 其中之一是Flask, 它规模极小, 仅有一个核心部分, 其他功能需借助插件来实现, 这种模式适合用于构建小项目或者API, 而另一种则涵盖了诸多内容, 像ORM、后台管理以及认证系统等, 它适合用于打造大项目 , 鉴于Flask对于新手而言, 更有助于先搞清楚Web开发的基本原理, 所以我建议新手先去学习Flask, 之后再运用另一种来提升效率。另有一些属于拓展领域的库, 其有着能够制作2D游戏的功能, 我于大学时期运用它制作过一款贪吃蛇游戏, 虽说该游戏画面显得简陋, 然而运行起来颇具趣味, SymPy具备进行符号数学运算的能力, 像求解方程、计算积分等, 对于学习数学的人而言十分实用, 不过这些库的使用频率并未那么高, 依据个人兴趣去学习即可。往后讲讲如何去选库, 我归纳出了几条经验, 其一, 瞧瞧社区活跃度, 星星数量多、更新较为频繁的通常比较可靠, 其二, 看看学习曲线, API设计得直观的库上手速度快, 其三考量一下性能, 比如说数据量很大时就要选用支持并行或GPU加速的库, 其四, 与现有的技术栈保持兼容, 千万别选了一个库之后才发觉跟自身的版本不兼容, 那可真的叫人头疼了。此刻呢又涌现出相当数量的全新库, 举例来说号称具备比快特性的, Dask能够开展分布式计算, JAX适宜于进行深度学习研究。然而切莫盲目追逐新颖, 项目的稳定性才是最为关键的。我给予刚开始学习的人的建议是, 先去掌握NumPy、、、-learn、这五个核心库, 那就足够用了。待后续遭遇具体问题之时, 再依据针对性去学习其他的库。