有哪些python数据挖掘工具?

Posted 2023-04-07

python有强壮的第三方库，广泛用于数据剖析，数据发掘、机器学习等范畴，所以，今天小编整理了python数据挖掘工具，期望对各位小伙伴学习python数据发掘有所帮助，下面一起来看看吧!

1、Numpy：可以供给数组支撑，进行矢量运算，而且高效地处理函数，线性代数处理等。供给真实的数组，比起Python内置列表来说，numpy速度更快。Scipy、Matplottlib、pandas等库都是基于numpy的。由于Numpy内置函数处理数据速度与C语言同一等级，建议使用时尽量用内置函数。
2、Scipy：可以供给真实的矩阵支撑，以及大量根据矩阵的数值计算模块，包含：插值运算、线性代数、图画信号等。
3、Pandas：源于Numpy，供给强壮的数据读写功用，支撑相似sql的增删改查，数据处理函数十分丰富，而且支撑时间序列剖析功用，灵敏地对数据进行剖析与探索，是Python数据挖掘必不可少的东西。
4、Matplotlib：数据可视化最常用，也是最好用的东西之一，Python中闻名的绘图库，首要用于2维作图，只需要简单几行代码就可以生成各式的图标，比如直方图、条形图、散点图等，也可以进行简单的3维绘图。
5、SciKit-Learn：源于Numpy、Scipy和Matplotlib，是一款功用强壮的机器学习Python库，可以供给完整的学习东西箱，使用起来简单。 参考技术A

1. Numpy

可以供给数组支撑，进行矢量运算，而且高效地处理函数，线性代数处理等。供给真实的数组，比起python内置列表来说， Numpy速度更快。一起，Scipy、Matplotlib、Pandas等库都是源于 Numpy。由于 Numpy内置函数处理数据速度与C语言同一等级，建议使用时尽量用内置函数。

2.Scipy

根据Numpy,可以供给了真实的矩阵支撑，以及大量根据矩阵的数值计算模块，包含：插值运算，线性代数、图画信号，快速傅里叶变换、优化处理、常微分方程求解等。

3. Pandas

源于NumPy，供给强壮的数据读写功用，支撑相似SQL的增删改查，数据处理函数十分丰富，而且支撑时间序列剖析功用，灵敏地对数据进行剖析与探索，是python数据发掘，必不可少的东西。

Pandas根本数据结构是Series和DataFrame。Series是序列，相似一维数组，DataFrame相当于一张二维表格，相似二维数组，DataFrame的每一列都是一个Series。

4.Matplotlib

数据可视化最常用，也是醉好用的东西之一，python中闻名的绘图库，首要用于2维作图，只需简单几行代码可以生成各式的图表，例如直方图，条形图，散点图等，也可以进行简单的3维绘图。

5.Scikit-Learn

Scikit-Learn源于NumPy、Scipy和Matplotlib，是一 款功用强壮的机器学习python库，可以供给完整的学习东西箱(数据处理，回归，分类，聚类，猜测，模型剖析等)，使用起来简单。缺乏是没有供给神经网络，以及深度学习等模型。

关于有哪些python数据挖掘工具，环球青藤小编就和大家分享到这里了，学习是没有尽头的，学习一项技能更是受益终身，因此，只要肯努力学，什么时候开始都不晚。如若你还想继续了解关于python编程的素材及学习方法等内容，可以点击本站其他文章学习。

参考技术B

Python模拟数据工具哪些比较好用

今天给大家推荐两款基本的Python模拟数据工具：mock和pytest monkeypatch。

为什么要模拟数据？

我们的应用中有一些部分需要依赖外部的库或对象。为了隔离开这部分，我们需要代替这些外部依赖，因而就用到了模拟数据。我们模拟外部的API来产生特定的行为，比如说返回符合之前定义的恰当的返回值。

模拟函数

我们有一个function.py的模块：

然后我们来看下如何将其与Mock库结合使用的：

这里发生了什么？1-4行是为了兼容python 2和3来引入的代码，在python 3中mock是一个标准库，而在python 2中你需要手动安装（pip install mock）。

在 第13行对square函数调用mock的Patch方法，一定要在使用该函数的地方调用patch方法。比如，我将在程序自身中调用square(5) 函数，因而我在__main__中使用patch，举例来说python tests/test_function.py。而如果我使用pytest的 话，那么我将使用test_function.square来替换此处的__main__.square。

在第18-19行，我针对square和cube方法调用了patch函数，因为它们将在main函数中被使用。最后的两个assert语句是为了确保mock被恰当地使用。

同样也可以用monkeypatching来完成此工作：

你能看到我使用monkeypatch.setattr来针对给定的函数设置返回值，同样我也需要在恰当的地方调用monkeypatch函数。

模拟类

我有一个名叫square的模块：

使用方法如下：

在第13行我对类Square进行patch，而15和16行表示了mocking的实例，首先mocked_instance是一个模拟对 象，针对mock.calculate_area我添加了return_value的值为1.在23行我使用MagicMock方法，它同样是一个标准的 mock类，只是它可以从一个给定的对象中检索出相应的方法。最后我使用patch.object来模拟Square类中的方法。

Pytest中代码如下：

这里的问题在于test_mocking_class_methods在python 3中工作正常，但是python 2中却不行。目前我还没有太想清楚这一点，希望你能帮助我！

所有的示例都能在这里找到。

顺便再给大家推荐一个Python视频教程：http://www.maiziedu.com/course/python/里面有各种Python基础知识讲解和Python开发项目，非常适合菜鸟和Python程序员看。