整理了 47 个 Python 人工智能库

Python 是人工智能（机器学习）的首选编程语言，它拥有众多模块，能完成人工智能开发的所有环节，没有任何一种语言使用起来如此顺手。今天就由我带着大家揭开人工智能的神秘面纱。

主页点击领取资料，等你一起来玩奥~

今天给大家分享的是我用了将近3周的时间整理出来的 Python 人工智能学习的库，主要以核心库、机器学习库、深度学习库、分布式深度学习库、自然语言处理、计算机视觉、生物和化学库，这几个方面进行介绍。

Python

核心库

//  1.Numpy 库

官网：

https://www.numpy.org.cn/

特点：

NumPy (Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

NumPy 通常 SciPy（Scientific Python）和 Matplotlib（绘图库）一起使用，这种组合广泛用于替代 MatLab，是一个强大的科学计算环境，有助于我们通过 Python 学习数据科学或者机器学习。

//  2.SciPy 库

官网：

https://www.scipy.org/

特点：

SciPy 是一个开源的 Python 算法库和数学工具包。SciPy 包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。它用于有效计算 Numpy 矩阵，使 Numpy 和 Scipy 协同工作，高效解决问题。

//  3.Pandas 库

官网：

https://pandas.pydata.org/ 

特点：

Pandas 是 Python 语言的一个扩展程序库，用于数据分析。Pandas 是一个开放源码、BSD许可的库，提供高性能、易于使用的数据结构和数据分析工具，基础是 Numpy（提供高性能的矩阵运算），可以从各种文件格式比如CSV、JSON、SQL、Excel导入数据。Pandas 可以对各种数据进行运算操作，比如归并、再成形、选择，还有数据清洗和数据加工特征。Pandas 广泛应用在学术、金融、统计学等各个数据分析领域。

//  4.statsmodels 库

官网：

https://www.statsmodels.org/

特点：

statsmodels 是一个 Python 库，用于拟合多种统计模型，执行统计测试以及数据探索和可视化。statsmodels 包含更多的“经典”频率学派统计方法，而贝叶斯方法和机器学习模型可在其他库中找到。包含在 statsmodels 中的一些模型：线性模型，广义线性模型和鲁棒线性模型，线性混合效应模型，方差分析（ANOVA）方法，时间序列过程和状态空间模型，广义的矩量法。

Python

机器学习

//  5.Scikit-Learn 库

官网：

https://scikit-learn.org.cn/

特点：

Scikit-learn（以前称为scikits.learn，也称为sklearn）是针对 Python 编程语言的免费软件机器学习库。它具有各种分类，回归和聚类算法，包括支持向量机，随机森林，梯度提升，k均值和DBSCAN，并且旨在与 Python 数值科学库 NumPy 和 SciPy 联合使用。

  //  6.XGBoost 库

官网：

https://xgboost.ai/

特点：

XGBoost是一个优化的分布式梯度增强库，旨在实现高效，灵活和便携。它在 Boosting框架下实现机器学习算法。XGBoost提供并行树提升（也称为GBDT，GBM），可以快速准确地解决许多数据科学问题。相同的代码在主要的分布式环境（Hadoop，SGE，MPI）上运行，并且可以解决数十亿个示例之外的问题。

//  7.LightGBM 库

官网：

https://lightgbm.readthedocs.io

特点：

LightGBM（