Python函数库大全

Python是一种高级编程语言，拥有强大的函数库，可以让程序员更快、更简单地完成很多任务。本文将介绍一些常用的 Python 函数库，并提供简单的介绍和使用示例。

1. NumPy：NumPy是数值计算的基础库，它提供了高性能的多维数组和矩阵运算功能，并支持科学计算和数据分析等多种应用。下面是一个用 NumPy 实现矩阵相乘的示例：

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

c = np.dot(a, b)
print(c)

输出结果为：

[[19 22]
 [43 50]]

2. Pandas：Pandas 是基于 NumPy 的数据分析库，可以快速、灵活地读取、处理和存储大量结构化数据。它提供了数据统计、数据清洗、数据处理、数据可视化等多种功能，下面是一个用 Pandas 加载 CSV 文件的示例：

import pandas as pd

data = pd.read_csv('data.csv')
print(data)

3. Matplotlib：Matplotlib 是 Python 的绘图库，可以创建各种类型的静态、动态和交互式图形，支持多种输出格式。它提供了折线图、柱状图、散点图、饼图、热力图等多种绘图工具，下面是一个用 Matplotlib 绘制折线图的示例：

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [10, 8, 6, 4, 2]

plt.plot(x, y)
plt.title('Line chart')
plt.xlabel('X axis')
plt.ylabel('Y axis')

plt.show()

4. Scikit-learn：Scikit-learn 是 Python 的机器学习库，可以完成分类、聚类、回归、降维等多种机器学习任务。它提供了众多算法和工具，包括 SVM、K-means、决策树、随机森林等，下面是一个用 Scikit-learn 进行分类的示例：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC

iris = load_iris()
X, y = iris.data, iris.target

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)

clf = SVC(kernel='linear', C=1.0, random_state=0)
clf.fit(X_train, y_train)

y_pred = clf.predict(X_test)

print(y_test)
print(y_pred)

5. TensorFlow：TensorFlow 是 Google 开发的开放源代码深度学习平台，支持分布式计算和 GPU 加速等，可以让计算机更快、更准确地处理大规模数据。它提供了神经网络、卷积神经网络、循环神经网络等多种深度学习模型，下面是一个用 TensorFlow 实现图像分类的示例：

import tensorflow as tf

mnist = tf.keras.datasets.mnist
(X_train, y_train), (X_test, y_test) = mnist.load_data()

X_train, X_test = X_train.astype('float32') / 255, X_test.astype('float32') / 255

model = tf.keras.models.Sequential([
    tf.keras.layers.Flatten(input_shape=(28, 28)),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dropout(0.2),
    tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

model.fit(X_train, y_train, epochs=5)

model.evaluate(X_test, y_test)

以上就是几个常用的 Python 函数库，它们可以大大简化编程工作并提高效率。除此之外，还有许多其他的 Python 函数库，可以根据自己的需求选择适合自己的工具。