當下是人工智慧爆發的時代，AI和機器學習廣泛流行，當然機器學習領域最火要數Python語言。Python 由於其簡便，對使用者友好且易於管理的語言，擁有廣泛的社群支援，在機器學習領域更是如此，很多框架都是用Python編寫或者提供了Python SDK。為了便於大家學習和使用，我們列舉一下2021年最流行的Python機器學習類庫。
TensorFlow
網站： tensorflow。org
原始碼倉庫：Github/tensorflow/tensorflow
開發者：谷歌大腦團隊
主要用途：深度神經網路
TensorFlow 是由谷歌大腦（Google Brain）團隊開發的一個AI框架，主要用於深度學習和神經網路。使用TF可以很輕鬆將計算任務分配到多個CPU或GPU核心，甚至可分配到多GPU。TensorFlow基本計算單元為張量（Tensors）。張量可以定義為一個容器，可儲存N維資料及其線性操作。
pandas
網站： pandas。pydata。org
原始碼倉庫： github/pandas-dev/pandas
開發者：開源社群
主要用途：資料分析和操作
Pandas庫，主要用於數值資料和時間序列的資料操作。它使用資料框和系列分別定義三維和二維資料。Pandas提供了索引大資料以便在大資料集中快速搜尋的選項。它以資料重塑、圍繞使用者定義的軸旋轉、處理缺失資料、合併和連線資料集以及資料過濾選項的功能而聞名。
Pandas對於大型資料集非常有用且速度非常快。當記錄超過50k時，其效能超Numpy。在資料清理方面，它是最好的庫，因為它提供了像exce一樣的互動性和像Numpy一樣的速度。它也是為數不多的可以處理DateTime的ML庫之一，無需任何外部庫的任何幫助，而且程式碼最少。
Numpy
網站：numpy。org
原始碼倉庫：github/numpy/numpy
開發者：開源社群
主要用途：通用矩陣處理
Numpy用於處理多維資料和複雜的數學函式。Numpy是Python語言的快速計算庫，可以處理從基本代數到傅立葉變換、隨機模擬和拓撲操作的任務和函式。這個庫核心是用C語言編寫的，比一般Python計算庫效能更好。如果記錄數不是很大，在Numpy陣列在索引方面要明顯優於Pandas系列。另外，目前NumPy陣列只支援單CPU中，所以效能會有限制。
Numpy的學習成本較低（可以參考蟲蟲之前的文章），易於上手，並是最流行的機器學習庫之一。
自然語言工具包（NLTK）
網站： nltk。org
原始碼倉庫： github/nltk/nltk
開發者：NLTK團隊
主要用途：自然語言處理
是廣泛使用的文字分類和自然語言處理庫。可以用於詞幹提取、詞形還原、標記和在文件中搜索關鍵字。NLTK可用於高階語言分析，比如情感、評論分析、文字分類器、檢查評論中的關鍵詞、文字挖掘和許多其他與人類語言相關的操作。NLTK需要文字處理來訓練的模型來識別和建立。
Scikit-Learn
網站：scikit-learn。org
原始碼倉庫： github/scikit-learn/scikit-learn
開發者：SkLearn。org
主要用途：預測資料分析和資料建模
Scikit-learn主要用於各種資料建模概念，如迴歸、分類、聚類、模型選擇等。 該庫是在Numpy、Scipy和matplotlib之上編寫的。Scikit-learn易於整合，可以繼承其他機器學習庫實現特定目標。比如Numpy和Pandas用於資料分析，Plotly用於視覺化。
Keras
網站： keras。io
原始碼倉庫：github/keras-team/keras
開發者：各種開發者
主要用途：神經網路計算
Keras提供了一個Python介面的 Tensorflow庫，特別專注於AI神經網路。早期版本還包括許多其他後端，如Theano、Microsoft認知平臺和PlaidMl。Keras 包含常用神經網路的標準塊，以及使影象和文字處理更快更流暢的工具。除了標準的神經網路塊外，它還提供重複出現的神經網路。
PyTorch
網站：pytorch。org
原始碼倉庫：github/pytorch/pytorch
開發者：臉譜AI實驗室（FAIR）
主要用途：深度學習、自然語言處理和計算機視覺
Pytorch 是由臉書開發的ML庫，基於Lua語言實現的Torch機器學習庫。該專案是用Python、C++ 和CUDA語言混合編寫的。PyTorch 支援在C和C++ 以及Pyton等常見語言的擴充套件。作TF競爭對手，他也使用張量，但它更容易學習並且與Python具有更好整合性。雖然它支援NLP，但該庫的主要重點是開發和訓練深度學習模型。
mlpack
原始碼倉庫：github/mlpack/mlpack
開發者：社群，佐治亞理工學院支援
主要用途：多個ML模型和演算法
MlPack 主要是基於C++的機器學習庫，支援它Python，R，Julia和 Golang等語言。它旨在支援幾乎所有著名的機器學習演算法和模型，如 GMM、K均值、最小角度迴歸、線性迴歸等。開發該庫的主要重點是使其成為快速、可擴充套件且易於理解的以及易於使用的庫，即使是程式設計小白也可以毫無問題地理解和使用它。
OpenCV：
網站：opencv。org
原始碼倉庫：github/opencv/opencv
開發者：由英特爾公司發起
主要用途：計算機視覺
OpenCV 是一個致力於計算機視覺和影象處理的開源平臺。 該庫擁有2500多種專用於計算機視覺和機器學習的演算法。它可以跟蹤人體運動、檢測移動物體、提取3D模型、將影象拼接在一起以建立高解析度影象，探索AR的可能性。OpenCV被廣泛用於各種閉路電視監控，各大相機廠商也都在使用OpenCV使其產品更智慧和使用者友好。
Matplotlib
網站：matplotlib。org/
原始碼倉庫：github/matplotlib/matplotlib
開發者：Micheal Droettboom，社群
主要目的：資料視覺化
Matplotlib是Pthon中使用最廣泛的圖形的庫。它使用Python GUI工具包來生成圖形和繪圖。Matplotlib還提供了一個類似MATLAB的介面，以便使用者可以執行與MATLAB 類似的任務。這個庫是免費和開源的，並且有許多擴充套件介面，可以將matplotlib API擴充套件到各種其他庫。
總結
在本文中，我們介紹了機器學習中最常用的Python庫。每個庫（框架）都有自己的優點和缺點，可以嘗試使用，並在實踐中選擇最適合的庫。
