Python常用的包有啥？

Posted 2023-04-27

Python编程一时间成为了开发人员最喜欢的语言之一。无论是专业的，业余的，还是作为一个Python初学者，都可以从Python编程语言及其程序包中受益。Python已经被证明是当今最具活力的面向对象的编程语言之一。这就是为什么即使是一些很优秀的公司也广泛使用Python语言的原因。Python编程面向对象的设计非常干净，而且配备了令人难以置信的支持库。Python可以很容易地与其他流行的编程语言如Java，C和C ++集成。
常用的Python包有哪些?
1、Django
Django无疑最通用的Web开发框架之一。无论你是需要为个人博客做一个后端还是为企业做一个内容管理系统，Django都可以帮助你从几乎为零的状态建设出一个全功能的Web应用程序。
2、Selenium
Selenium是绑定无数语言，包括Python的Web自动化框架。使用Selenium，开发人员可以通过编程的方式自动打开网页、输入域、点击按钮、并提交表单。
3、Requsts
Requsts古朴、典雅的API已经让这个程序包赢得了数以千计的下载，并且名列前茅。使用Requsts，制作一个的HTTP请求不过是一行代码的事，接收和解析响应也很简单。
4、Matplotlib
Matplotlib，是一个用来绘制数学函数和模型的库。扩展了Numpy的作用，Matplotlib可以只用几行代码来创建图、条形图、散点图等诸多视觉表现。
5、Pillow
Pillow是广受欢迎的Python Imaging Library，或简称为PIL的端口。Pillow可以用来创建复合图像、应用过滤器、修改透明度、覆盖文本、转换图像文件类型等。如果需要编辑图像，Pillow便是解决的方法。 参考技术A Phthon是一门计算机语言，在近两年phthon的需求不断增加，学习的人也越多 参考技术B iPhone的常用包应该是比较恶勾当似的 参考技术C 孩子们正常情况下常用的应该都是一些数据包，然后可以通过这些数据包去进行测量。 参考技术D 我打的一来报道还是比较多的，因为比如说有些算法的依赖

Spark ML 和 MLLIB 包有啥区别

【中文标题】Spark ML 和 MLLIB 包有啥区别

【英文标题】：What's the difference between Spark ML and MLLIB packagesSpark ML 和 MLLIB 包有什么区别

【发布时间】：2016-12-14 14:52:16

【问题描述】：

我注意到 SparkML 中有两个 LinearRegressionModel 类，一个在 ML 包 (spark.ml) 中，另一个在 MLLib (spark.mllib) 包中。

这两者的实现方式完全不同 - 例如来自MLLib 的那个实现了Serializable，而另一个没有。

顺便说一句，RandomForestModel 或 Word2Vec 也是如此。

为什么有两个类？哪个是“正确的”？有没有办法将一个转换成另一个？

【参考方案1】：

o.a.s.mllib 包含旧的基于 RDD 的 API，而 o.a.s.ml 包含围绕 Dataset 和 ML Pipelines 构建的新 API。 ml 和 mllib 在 2.0.0 中实现了功能对等，而 mllib 正在慢慢被弃用（这在线性回归的情况下已经发生）并且很可能会在下一个主要版本中被删除。

因此，除非您的目标是向后兼容，否则“正确的选择”是o.a.s.ml。

【参考方案2】：

Spark Mllib

spark.mllib 包含建立在 RDD 之上的遗留 API。

Spark ML

spark.ml 提供了构建在 DataFrame 之上的更高级别的 API，用于构建 ML 管道。

根据the official announcement

从 Spark 2.0 开始，spark.mllib 包中基于 RDD 的 API 具有 进入维护模式。 Spark 的主要机器学习 API 现在是 spark.ml 包中基于 DataFrame 的 API。 Apache spark 推荐使用 spark.ml

MLlib 仍将支持 spark.mllib 中基于 RDD 的 API 并修复错误。

MLlib 不会向基于 RDD 的 API 添加新功能。

在 Spark 2.x 版本中，MLlib 将向基于 DataFrames 的 API 添加功能，以达到与基于 RDD 的 API 相同的功能。

在达到功能奇偶性后（对 Spark 2.3 进行粗略估计），基于 RDD 的 API 将被弃用。

预计将在 Spark 3.0 中删除基于 RDD 的 API。

为什么 MLlib 切换到基于 DataFrame 的 API？

DataFrames 提供了比 RDDs 更加用户友好的 API。 DataFrame 的诸多优势包括 Spark 数据源、SQL/DataFrame 查询、Tungsten 和 Catalyst 优化以及跨语言的统一 API。

用于 MLlib 的基于 DataFrame 的 API 提供跨 ML 算法和多种语言的统一 API。

DataFrames 促进了实用的 ML Pipelines，尤其是特征转换。有关详细信息，请参阅管道指南。

欲了解更多信息：Machine Learning Library (MLlib) Guide