超级高效的4款 Python 数据科学神器

1、Mito

Mito 是一种电子表格，它可以帮你以10倍的速度完成 Python 分析。你可以在 Jupyter notebook 中调用 Mito，每次在前端编辑都将生成 Python 代码。

要安装 Mito，请使用以下三个命令：

python -m pip install mitoinstaller
python -m mitoinstaller install
python -m jupyter lab

然后打开Mitosheet界面:

import mitosheet
mitosheet.sheet()

你可以通过从工具栏中选择数据透视按钮，然后选择行、列、值和聚合类型来配置 Mito 数据透视表。

Mito 中的每次编辑都会在下面的代码单元格中生成等效的 Python。与不断前往 Stack Overflow 寻找正确语法相比，这是一种更快的生成代码的方式。

上面的数据透视表生成此代码并自动对其进行注释！

Mito 不只是为数据透视表生成代码。在 Mito 中，你可以合并数据集、过滤、排序、使用函数、查看汇总统计数据等等——而且 Mito 将为这些编辑中的每一个生成等效的 Python。

要创建 Plotly 图表，用户所要做的就是单击图表按钮并选择它们的轴。

2、Plotly

Plotly 是一款非常棒的可视化库，它是快速轻松地制作交互式图表和图形的最佳软件包。像 matplotlib 和 seaborn 这样的包当然也很直观，但它们缺乏使 Plotly 如此强大的交互性。

要安装 Plotly，请运行以下命令：

$ pip install plotly==5.2.1

在 Plotly 中，有大量交互式图表可供选择,有更简单的图表，其中更改条形的颜色是交互性。

import plotly.graph_objects as go
fig = go.Figure(data=go.Bar(y=[2, 3, 1]))
fig.show()

他们还提供更高级的动态图表：

2、Tensorflow

Tensorflow 是一个开源的机器学习包，最初由谷歌开发。它使 Python 中的机器学习变得更容易访问，并且随着新更新的出现而继续这样做。

要导入包，请运行以下命令

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

下面是一个可以使用 Tensorflow 运行的简单模型的示例：

class SimpleModule(tf.Module):
  def __init__(self, name=None):
    super().__init__(name=name)
    self.a_variable = tf.Variable(5.0, name="train_me")
    self.non_trainable_variable = tf.Variable(5.0, trainable=False, name="do_not_train_me")
  def __call__(self, x):
    return self.a_variable * x + self.non_trainable_variable
simple_module = SimpleModule(name="simple")
simple_module(tf.constant(5.0))