Python数据科学常见模块！

　　Python在数据科学和人工智能领域非常流行，而且它有很多不同的模块，可以帮助工作人员轻松的完成工作，提高效率。但很多人对Python数据科学及人工智能的模块并不了解，接下来我们通过这篇文章为大家详细讲解一下。

　　数据科学：

　　1. Numpy：Numpy是一个在Python中进行数学运算的神奇模块。它能够让你处理多维度的数组类对象，以及各种复杂的，三维的，四维的，五维的，数学运算，非常快。

　　2. Pandas：Pandas非常适合阅读和处理数据帧和一般的数据。这使得操作数据变得非常容易，它有一个相对陡峭的学习曲线，但它是非常值得的努力。

　　3. MatPlotlib：用于数据可视化，比如绘制图表，也适用于机器学习模型。

　　4. NLTK：代表自然语言工具包，它用于执行任何数据处理或文本处理。因此，如果你有文本数据，你想删除标点符号或者空格，或标记你的数据。

　　5. OpenCV：OpenCV是一个功能强大模块，用于很多不同的事情。它的主要重点是图像和视频数据处理。所以我们可以进行特征检测和描述，物体识别，它还内置了机器学习工具，你可以用它来操作数据或处理图像。

　　人工智能/机器学习

　　1. TensorFlow：TensorFlow是目前为止本节中最强大的模块。您可以使用它来做一些强大的事情，而不必真正理解所有的数学是如何工作的。TensorFlow的好处是它允许你创建神经网络和运行标准的机器学习算法。

　　2. Keras：Keras是一个模块，实际上是TensorFlow的高级API。这个模块通常更适合刚刚开始这个领域的人。Keras允许更容易地访问TensorFlow的一些特性，你几乎可以把它看作是TensorFlow的包装器。

　　3. Pytorch：PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序。主要有两个特点：第一种是命令式编程，与符号编程相反;第二是动态计算绘图，与静态计算绘图相对。

　　4. Scikit-learn：Scikit-learn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数值科学图书馆NumPy和SciPy。