Python es un lenguaje de programación interpretado de propósito general. Se utiliza para desarrollo web, desarrollo de aplicaciones de escritorio, secuencias de comandos de sistemas y automatización.
Es un lenguaje de alto nivel creado a principios de 1991 por Guido van Rossum y mantenido por Python Software Foundation.
El idioma es fácil de aprender, lo que lo hace adecuado para principiantes y estudiantes. Lo recomendamos para adolescentes y niños en este artículo. También funciona en diferentes plataformas y sistemas operativos como Windows, Linux, macOS y Raspberry Pi.
Python se puede tratar de forma funcional, orientada a objetos o procedimental.
La versión actual y más activa de Python es Python 3. Sin embargo, algunas aplicaciones y marcos todavía usan Python 2.7.
En los últimos años, ganó popularidad entre los científicos e ingenieros de datos debido a su usabilidad y su rico ecosistema.
El ecosistema Python contiene docenas de paquetes, bibliotecas y marcos que facilitan las tareas de ciencia de datos.
Python para la ciencia de datos
Foto por Cristina Morillo de Pexels
En este artículo recopilamos varias bibliotecas para desguace, manipulación de datos, aprendizaje automático, aprendizaje profundo, estadísticas y visualización de datos.
Nuestro objetivo principal es crear una lista permanente para ayudar a los científicos de datos a encontrar lo que necesitan.
Tenga en cuenta que se trata de un artículo imperecedero que seguiremos actualizando con bibliotecas y marcos.
Estos son los mejores paquetes de Python de código abierto para ciencia e ingeniería de datos.
1- Herramientas de datos
Data-tools es una herramienta de línea de comandos escrita en Python para extracción y manipulación de datos y conversión de formatos de archivos. Tiene conversión de fecha, varios formatos de archivo, unión de datos, recorte de datos, compatibilidad con utf-8, clasificación de datos y más.
2- pandas
Pandas es una biblioteca Python popular para análisis y manipulación de datos. Es utilizado por la mayoría de los científicos e ingenieros de datos. La biblioteca Pandas es fácil de aprender para principiantes gracias a su curva de aprendizaje plana.
3- raspado
El desguace es una parte esencial de la recopilación de datos. Scrapy es un marco de desguace web escrito sobre Python. Ayuda a los desarrolladores e ingenieros de datos a extraer datos estructurados de páginas web.
4- hermosasopa
BeautifulSoup es una biblioteca de Python para extraer datos de archivos HTML y XML. Admite múltiples analizadores como lxml, html5lib, el analizador HTML de Python.- Descargar e instalar hermosasopa.
5- NumPy
NumPy es una biblioteca de informática científica para Python. NumPy tiene docenas de funciones útiles para cálculo matemático y proporciona integración de código C/C++ y Fortran. NumPy tiene un rico ecosistema de subbibliotecas y una gran comunidad de desarrolladores. Ha sido ampliamente utilizado para ciencia de datos, aprendizaje automático, visualización y manipulación de datos.- Descargar e instalar NumPy.
6- ciencia ficción
SciPy es una biblioteca Python matemática, estadística y científica construida sobre NumPy. SciPy proporciona una manipulación perfecta de matrices de N dimensiones.
7- PyTorch
PyTorch es una biblioteca de Python esencial para el cálculo de tensores y redes neuronales profundas. PyTorch se puede ampliar con otras bibliotecas de Python cuando sea necesario, como NumPy, SciPy y otras. PyTorch proporciona compatibilidad perfecta con GPU y funciona en Linux, Windows y macOS. Obtener PyTorch.
8- TensorFlow
TensorFlow es una plataforma de código abierto para aprendizaje automático. Tiene un vasto ecosistema respaldado por una gran comunidad de científicos e ingenieros de datos. TensorFlow admite GPU habilitada para CUDA y también ofrece un paquete tensorflow-cpu solo para CPU.
pip install tensorflow
9- nacido en el mar
Seaborn es una rica biblioteca de visualización de datos basada en Matplotlib. No requiere una curva de aprendizaje pronunciada como matplotlib y proporciona una interfaz de alta gama para todas las funciones de matplotlib con herramientas adicionales.
10- Matplotlib
Matplotlib es una biblioteca de visualización popular para Python. Ofrece diferentes distribuciones y conjuntos de datos de prueba. Matplotlib se instala fácilmente en Linux (Debian, Fedora, Red Hat y Arch). También se puede instalar con PyPi, ActiveState y Anaconda. La biblioteca depende de varias bibliotecas de Python como NumPy, Cycler, pyparsing y requiere Python>=3.6 para funcionar.
11- pingüino
Pingouin es un paquete estadístico de código abierto para Python 3. Es una interfaz en Pandas y NumPy. Es fácil de aprender y está repleto de muchas pruebas estadísticas y funciones de trazado.
12- garrapata
The tick es una biblioteca ligera de aprendizaje automático para Python. Consta de varios módulos y se centra en el aprendizaje estadístico para sistemas dependientes del tiempo. La biblioteca tiene varias herramientas integradas y ayudantes para simulación, cálculo lineal, procesamiento de Hawkes para estimación paramétrica y no paramétrica, un asistente de trazado, un conjunto de datos y soporte de integración R. – Obtener Python garrapata.
13- GrasPy / grabológico
Este paquete está escrito por el laboratorio NeuroData de la Universidad Johns Hopkins y el Proyecto Essex de Microsoft Research. Es un proyecto de código abierto para análisis de gráficos o redes.
14- Scikit-Aprende
Scikit-Learn es un marco basado en Python para análisis de datos. Está construido sobre NumPy matplotlib y SciPy. Scikit-Learn incluye docenas de algoritmos y herramientas que facilitan el análisis de datos predictivos.
15- Python de Plotly
Plotly's es una biblioteca de visualización
de datos que facilita la creación de gráficos interactivos. Es de uso gratuito como proyecto de código abierto y funciona sin problemas sin conexión. También funciona con el tablero de Plotly, que tiene la misma licencia del MIT.
dieciséis- TinyDB
A veces se requiere una base de datos local de archivos planos para guardar datos. TinyDB es una base de datos local liviana de archivos planos. Puede funcionar con grandes conjuntos de datos como una base de datos orientada a documentos.
17- téano
Theano es una biblioteca Python ligera para procesamiento y análisis de datos. Ofrece velocidad, generación dinámica de código C y soporte completo para GPU. Tiene una interfaz similar a NumPy, el proyecto Theano es popular entre los científicos de datos y estudiantes en GitHub.
18- PyBrain
PyBrain es un marco modular de aprendizaje automático escrito en Python. Instalar PyBrain.
19- Gensim
Gensim es una biblioteca Python gratuita para procesamiento de datos, entrenamiento de modelos de PNL a gran escala, transmisión de datos y análisis de texto. Depende de las bibliotecas NumPy y smart_open. Gensim requiere Python 3.6 o superior.- Obtener Gensim.
20- shogun
Shogun es un antiguo marco de aprendizaje automático. Admite varios lenguajes de programación, en particular: Python, R, Java, Scala, Ruby y Lua. Se lanza como un proyecto de código abierto bajo GPL v3.0.- Obtener Shogun.
21- ArcGIS
ArcGIS es un conjunto de bibliotecas de Python para procesar, manipular y visualizar datos geográficos, automatizar flujos de trabajo espaciales, realizar análisis espaciales avanzados y crear modelos para el aprendizaje automático espacial y el aprendizaje profundo. Instalar ArcGIS.
22- PyCaret
PyCaret es una biblioteca de aprendizaje automático de bajo código escrita en Python. Su objetivo es la usabilidad y la productividad a través de su facilidad de uso. Está bien documentado y tiene varios tutoriales y ejemplos de código. – PyCaret.
23- Minería Abierta
Open Mining es un servidor de aplicaciones de inteligencia empresarial escrito en Python. No es una simple biblioteca sino un paquete completo de desarrollo de aplicaciones para minería de datos. Requiere Python 2.7, Lua5.2, MongoDB, Redis y NodeJS (NPM).
24- esquema json
jsonschema es una implementación del esquema JSON para Python. Es compatible con Draft7,6,4 y Draft 3. Ofrece validación diferida y consultas programáticas.
25- volupuoso
Volupuous es una biblioteca de validación de datos para Python. Ayuda a validar los datos de archivos JSON, Yaml, CSV y TSV. Está diseñado para admitir estructuras de datos complejas.
26- pepinilloDB
pickleDB es otra base de datos JSON de valores clave de archivos planos para Python. Puede resultar útil guardar o registrar datos sobre la marcha.
27- Caffe aprendizaje profundo
Caffe es un marco de aprendizaje profundo escrito en Python 3. Ofrece velocidad y modularidad. Caffe tiene distribuciones personalizadas: Intel Caffe; una versión optimizada de CPU para procesadores Intel y Xeon, OpenCL Caffe para procesadores AMD o Intel y Windows Caffe para máquinas Windows. Está desarrollado por Berkeley AI Research (BAIR)/The Berkeley Vision and Learning Center (BVLC) y contribuyentes de la comunidad.
28- Herramientas
Toolz es una biblioteca funcional en Python que viene con un conjunto de utilidades para funciones, diccionarios e iteradores.
29- fn.py
fn.py es una pequeña biblioteca Python de programación funcional. Está repleto de docenas de herramientas que aceleran el desarrollo de proyectos, especialmente los relacionados con la ciencia de datos.
30- herramienta gráfica
Graph-tool es un módulo de visualización avanzado para Python. Está repleto de docenas de funciones y algoritmos para crear diagramas versátiles e interactivos.
31- Pydot
Pydot es una biblioteca de visualización de Python creada como una interfaz para Graphviz. Tiene dependencias limitadas y está escrito completamente en Python.
32- escritor de pytable
pytablewriter es una biblioteca Python de código abierto para escribir tablas de datos en varios formatos. Admite CSV, TSV, JSON, LTSV, LaTeX, Markdown (con diferentes versiones), MediaWiki, TOML y YAML. También admite formatos de archivos binarios como Microsoft Excel (xlsx, xls), base de datos SQLite y pandas.DataFrame.
33- Keras
Keras es una biblioteca de aprendizaje profundo para Python. Es fácil de aprender con una gran comunidad de desarrolladores y científicos de datos que le brindan tutoriales y ejemplos de código.
34- modelos de estadísticas
statsmodels es un módulo de Python que incluye varios modelos estadísticos para el análisis o la exploración de datos estadísticos. Es una biblioteca de código abierto que se publica bajo licencia BSD (3 cláusulas).statsmodels. Funciona con otras bibliotecas como NumPy, SciPy y pandas. También admite fórmulas de estilo R y marcos de datos pandas.
35- bokeh
Bokeh es otra biblioteca de visualización para Python. Tiene un servidor incorporado para crear gráficos listos para el navegador. Bokeh ofrece visualización de mapas y datos geográficos listos para usar, anotaciones interactivas, interfaz de línea de comandos e integración completa con Jupyter. Bokeh tiene aceleración WebGL incorporada y soporte de desarrollo de JavaScript.
Conclusiones
Además de esta lista, el ecosistema Python gana nuevos paquetes todos los días. Por lo tanto, seguiremos actualizando nuestros nuevos hallazgos cuando sea posible. Si crea o encuentra una nueva biblioteca relacionada con la ciencia de datos que debe estar en esta lista, envíenos un mensaje.
Etiquetas
ciencia de datos análisis de datos desarrollo Análisis Programación de listas Aplicaciones gratuitas Código abierto Ingeniería de datos Python Desarrollo web Big Data
