पायथन लाइब्रेरीज़ उपयोगी फ़ंक्शंस का एक सेट है जो स्क्रैच से कोड लिखने की आवश्यकता को समाप्त करता है। आज 137,000 से अधिक पायथन पुस्तकालय मौजूद हैं, और वे मशीन लर्निंग, डेटा विज्ञान, डेटा विज़ुअलाइज़ेशन, छवि और डेटा हेरफेर अनुप्रयोगों और बहुत कुछ विकसित करने में महत्वपूर्ण भूमिका निभाते हैं। आइए हम संक्षेप में पायथन प्रोग्रामिंग लैंग्वेज का परिचय दें और फिर सीधे सबसे लोकप्रिय पायथन लाइब्रेरीज़ के बारे में जानें।

पुस्तकालय क्या है?

लाइब्रेरी पूर्व-संयुक्त कोडों का एक संग्रह है जिसका उपयोग कोड करने के लिए आवश्यक समय को कम करने के लिए पुनरावृत्त रूप से किया जा सकता है। वे विशेष रूप से बार-बार शुरू से लिखने के बजाय पूर्व-लिखित अक्सर उपयोग किए जाने वाले कोड तक पहुंचने के लिए उपयोगी होते हैं। भौतिक पुस्तकालयों के समान, ये पुन: प्रयोज्य संसाधनों का एक संग्रह है, जिसका अर्थ है कि प्रत्येक पुस्तकालय का एक मूल स्रोत होता है। यह पायथन में उपलब्ध कई ओपन-सोर्स लाइब्रेरीज़ के पीछे की नींव है। 

क्या है एक अजगर पुस्तकालय?

पायथन लाइब्रेरी मॉड्यूल और पैकेजों का एक संग्रह है जो कार्यात्मकताओं की एक विस्तृत श्रृंखला प्रदान करता है। ये लाइब्रेरीज़ डेवलपर्स को स्क्रैच से कोड लिखे बिना विभिन्न कार्य करने में सक्षम बनाती हैं। उनमें पूर्व-लिखित कोड, कक्षाएं, फ़ंक्शन और रूटीन होते हैं जिनका उपयोग अनुप्रयोगों को विकसित करने, कार्यों को स्वचालित करने, डेटा में हेरफेर करने, गणितीय गणना करने और बहुत कुछ करने के लिए किया जा सकता है।

पायथन के पुस्तकालयों का व्यापक पारिस्थितिकी तंत्र वेब विकास (उदाहरण के लिए, Django, फ्लास्क), डेटा विश्लेषण (उदाहरण के लिए, पांडा, NumPy), मशीन लर्निंग (उदाहरण के लिए, TensorFlow, scikit-learn), इमेज प्रोसेसिंग (उदाहरण के लिए, Pillow, OpenCV) जैसे विविध क्षेत्रों को कवर करता है। ), वैज्ञानिक कंप्यूटिंग (जैसे, SciPy), और कई अन्य। पुस्तकालयों की यह संपत्ति डेवलपर्स, शोधकर्ताओं और डेटा वैज्ञानिकों के बीच पायथन की लोकप्रियता में महत्वपूर्ण योगदान देती है, क्योंकि यह विकास प्रक्रिया को सरल बनाती है और जटिल कार्यक्षमता को कुशलतापूर्वक कार्यान्वित करती है।

त्वरित जांच - पायथन फ़ाउंडेशन

शीर्ष 30 पायथन पुस्तकालयों की सूची

इस तालिका में पायथन के साथ काम करने वाले डेटा वैज्ञानिकों, वेब डेवलपर्स और सॉफ्टवेयर इंजीनियरों के लिए आवश्यक लाइब्रेरी शामिल हैं। प्रत्येक लाइब्रेरी की अपनी ताकत होती है और उसे विशिष्ट कार्यों के लिए चुना जाता है, जिसमें Django और Flask जैसे वेब डेवलपमेंट फ्रेमवर्क से लेकर TensorFlow और PyTorch जैसी मशीन लर्निंग लाइब्रेरी से लेकर पांडा और Matplotlib जैसे डेटा विश्लेषण और विज़ुअलाइज़ेशन टूल शामिल हैं।

1. स्किकिट- सीखो

यह एक फ्री सॉफ्टवेयर है यंत्र अधिगम पायथन प्रोग्रामिंग भाषा के लिए लाइब्रेरी। इसका उपयोग विभिन्न प्रकार के अनुप्रयोगों के लिए प्रभावी ढंग से किया जा सकता है जिसमें वर्गीकरण, प्रतिगमन, क्लस्टरिंग, मॉडल चयन, अनुभवहीन बेयस, ग्रेड बूस्टिंग, के-मीन्स और प्रीप्रोसेसिंग शामिल हैं।
स्किकिट-लर्न की आवश्यकता है:

• पायथन (> = 2.7 या> = 3.3),
• न्यूमपी (>= 1.8.2),
• साइपी (> = 0.13.3)।

Spotify अपने संगीत अनुशंसाओं के लिए स्किकिट-लर्न का उपयोग करता है और अपने क्लासिफायर बनाने के लिए Evernote का उपयोग करता है। यदि आपके पास पहले से ही NumPy और scipy की कार्यशील स्थापना है, तो scikit-learn स्थापित करने का सबसे आसान तरीका इसका उपयोग करना है रंज.

2. न्यूपिक

इंटेलिजेंट कंप्यूटिंग (NuPIC) के लिए Numenta प्लेटफ़ॉर्म एक ऐसा प्लेटफ़ॉर्म है जिसका उद्देश्य HTM लर्निंग एल्गोरिथम को लागू करना और उन्हें एक सार्वजनिक स्रोत भी बनाना है। यह नियोकॉर्टेक्स के जीव विज्ञान पर आधारित भविष्य के मशीन लर्निंग एल्गोरिदम की नींव है। क्लिक यहाँ उत्पन्न करें GitHub पर उनके कोड की जाँच करने के लिए।

3. रैंप

यह एक Python लाइब्रेरी है जिसका उपयोग मशीन लर्निंग मॉडल के रैपिड प्रोटोटाइप के लिए किया जाता है। रैंप सुविधाओं, एल्गोरिदम और परिवर्तनों की खोज के लिए एक सरल, घोषणात्मक वाक्य रचना प्रदान करता है। यह एक हल्का पांडा-आधारित मशीन लर्निंग फ्रेमवर्क है और इसे मौजूदा पायथन मशीन लर्निंग और स्टैटिस्टिक्स टूल्स के साथ मूल रूप से इस्तेमाल किया जा सकता है।

4. नुम्पी

जब वैज्ञानिक कंप्यूटिंग की बात आती है, Numpy पायथन के लिए मूलभूत पैकेजों में से एक है, जो इन कार्यों को तेजी से निष्पादित करने के लिए उच्च-स्तरीय गणितीय कार्यों के संग्रह के साथ-साथ बड़े बहुआयामी सरणियों और मैट्रिक्स के लिए समर्थन प्रदान करता है। NumPy पर निर्भर करता है BLAS और लैपैक कुशल रैखिक बीजगणित संगणनाओं के लिए। NumPy का उपयोग सामान्य डेटा के एक कुशल बहु-आयामी कंटेनर के रूप में भी किया जा सकता है।

विभिन्न NumPy स्थापना पैकेज मिल सकते हैं को यहाँ से डाउनलोड कर सकते हैं।

5. पिपेनव

RSI 2017 में पायथन के लिए आधिकारिक तौर पर अनुशंसित उपकरण - पिपेनव एक उत्पादन-तैयार उपकरण है जिसका लक्ष्य सभी पैकेजिंग दुनिया से सर्वश्रेष्ठ को पायथन दुनिया में लाना है। मुख्य उद्देश्य उपयोगकर्ताओं को ऐसा कार्य वातावरण प्रदान करना है जिसे स्थापित करना आसान हो। पिपेनव, "मानव के लिए पायथन डेवलपमेंट वर्कफ़्लो", पैकेज विसंगतियों के प्रबंधन के लिए केनेथ रिट्ज द्वारा बनाया गया था। पिपेनव को स्थापित करने के निर्देश यहां पाए जा सकते हैं यहाँ उत्पन्न करें.

6. टेंसोरफ्लो

TensorFlow का सबसे लोकप्रिय डीप लर्निंग फ्रेमवर्क उच्च-प्रदर्शन संख्यात्मक गणना के लिए एक ओपन-सोर्स सॉफ़्टवेयर लाइब्रेरी है। यह एक प्रतिष्ठित गणित पुस्तकालय है और इसका उपयोग मशीन लर्निंग और डीप लर्निंग एल्गोरिदम में पायथन के लिए भी किया जाता है। Tensorflow को Google AI संगठन के भीतर Google Brain टीम के शोधकर्ताओं द्वारा विकसित किया गया था। आज, इसका उपयोग शोधकर्ताओं द्वारा मशीन लर्निंग एल्गोरिदम के लिए और भौतिकविदों द्वारा जटिल गणितीय गणनाओं के लिए किया जा रहा है। निम्नलिखित ऑपरेटिंग सिस्टम TensorFlow का समर्थन करते हैं: macOS 10.12.6 (सिएरा) या बाद का संस्करण; उबंटू 16.04 या बाद का संस्करण; विंडोज 7 या उससे ऊपर; रास्पबियन 9.0 या बाद का।

हमारी जांच करें Tensorflow और Keras पर मुफ़्त कोर्स और टेन्सरफ़्लो पायथन. यह पाठ्यक्रम आपको इन दो रूपरेखाओं से परिचित कराएगा और इन रूपरेखाओं का उपयोग करने के तरीके के डेमो के माध्यम से भी आपका मार्गदर्शन करेगा।

7. बॉब

स्विट्जरलैंड में इडियाप रिसर्च इंस्टीट्यूट में विकसित, बॉब एक फ्री सिग्नल प्रोसेसिंग और मशीन लर्निंग टूलबॉक्स है। टूलबॉक्स को Python और C++ के मिश्रण में लिखा गया है। मशीन लर्निंग एल्गोरिदम का उपयोग करके छवि पहचान से लेकर छवि और वीडियो प्रसंस्करण तक, बॉब में बड़ी संख्या में पैकेज उपलब्ध हैं ताकि यह सब कम समय में बड़ी दक्षता के साथ हो सके।

8. पायटेक

2017 में फेसबुक द्वारा पेश किया गया, पायटॉर्च एक पायथन पैकेज है जो उपयोगकर्ता को 2 उच्च-स्तरीय विशेषताओं का मिश्रण देता है - मजबूत GPU त्वरण के साथ Tensor संगणना (जैसे NumPy) और टेप-आधारित ऑटो डिफ सिस्टम पर डीप न्यूरल नेटवर्क का विकास। PyTorch, Python के साथ गहराई से एकीकृत होने के लिए निर्मित लचीलेपन और गति के साथ डीप लर्निंग मॉडल को निष्पादित करने के लिए एक शानदार मंच प्रदान करता है।

क्या आप PyTorch के साथ शुरुआत करना चाहते हैं? इन्हें जांचें पायटोरच पाठ्यक्रम आपको जल्दी और आसानी से आरंभ करने में मदद करने के लिए।

9. पाइब्रेन

पाइब्रेन के लिए एल्गोरिदम शामिल हैं तंत्रिका जाल जिसका उपयोग प्रवेश स्तर के छात्रों द्वारा किया जा सकता है, फिर भी इसका उपयोग अत्याधुनिक अनुसंधान के लिए किया जा सकता है। लक्ष्य आपके एल्गोरिदम का परीक्षण और तुलना करने के लिए कई पूर्व-निर्धारित वातावरणों के साथ मशीन लर्निंग के लिए सरल, लचीला लेकिन परिष्कृत और शक्तिशाली एल्गोरिदम पेश करना है। शोधकर्ता, छात्र, डेवलपर, व्याख्याता, आप और मैं PyBrain का उपयोग कर सकते हैं।

10. दुग्ध

पायथन में यह मशीन लर्निंग टूलकिट उपलब्ध वर्गीकरणों के एक समूह के साथ पर्यवेक्षित वर्गीकरण पर केंद्रित है: एसवीएम, के-एनएन, यादृच्छिक वन और निर्णय पेड़। इन वर्गीकरणकर्ताओं के संयोजनों की एक श्रृंखला विभिन्न वर्गीकरण प्रणालियाँ देती है। अप्रशिक्षित सीखने के लिए, कोई k- साधन क्लस्टरिंग और आत्मीयता प्रसार का उपयोग कर सकता है। गति और कम स्मृति उपयोग पर जोर दिया गया है। इसलिए, अधिकांश प्रदर्शन-संवेदनशील कोड C++ में है। इसके बारे में और पढ़ें को यहाँ से डाउनलोड कर सकते हैं।

11. करेस

यह एक ओपन-सोर्स न्यूरल नेटवर्क लाइब्रेरी है जिसे पायथन में लिखा गया है जिसे डीप न्यूरल नेटवर्क के साथ तेजी से प्रयोग करने के लिए डिज़ाइन किया गया है। गहरी शिक्षा के सर्वव्यापी होने के साथ, Keras रचनाकारों के अनुसार यह आदर्श विकल्प बन जाता है क्योंकि यह एपीआई इंसानों के लिए डिज़ाइन किया गया है न कि मशीनों के लिए। नवंबर 200,000 तक 2017 से अधिक उपयोगकर्ताओं के साथ, केरस को उद्योग और अनुसंधान समुदाय दोनों में मजबूत स्वीकृति प्राप्त है, यहां तक ​​कि टेन्सरफ्लो या थीनो से भी अधिक। केरस को स्थापित करने से पहले, TensorFlow बैकएंड इंजन को स्थापित करने की सलाह दी जाती है।

12। पानी का छींटा

डेटा की खोज से लेकर आपके प्रयोगों की निगरानी तक, डैश विश्लेषणात्मक पायथन बैकएंड के फ्रंट एंड की तरह है। यह उत्पादक पायथन ढांचा डेटा विज़ुअलाइज़ेशन ऐप्स के लिए आदर्श है, विशेष रूप से प्रत्येक पायथन उपयोगकर्ता के लिए उपयुक्त है। हम जिस सहजता का अनुभव करते हैं वह व्यापक और संपूर्ण प्रयास का परिणाम है।

13. पंड

यह एक ओपन-सोर्स, बीएसडी-लाइसेंस प्राप्त लाइब्रेरी है। पांडा पायथन के लिए आसान डेटा संरचना और त्वरित डेटा विश्लेषण के प्रावधान को सक्षम करते हैं। डेटा विश्लेषण और मॉडलिंग जैसे कार्यों के लिए, पांडा आर जैसी अधिक डोमेन-विशिष्ट भाषा पर स्विच किए बिना इन्हें पूरा करना संभव बनाता है। पांडा को स्थापित करने का सबसे अच्छा तरीका है कोंडा स्थापना।

14. स्किपी

यह अभी तक एक अन्य ओपन-सोर्स सॉफ्टवेयर है जिसका उपयोग पायथन में वैज्ञानिक कंप्यूटिंग के लिए किया जाता है। इसके अलावा, Scipy का उपयोग डेटा संगणना, उत्पादकता, उच्च-प्रदर्शन कंप्यूटिंग और गुणवत्ता आश्वासन के लिए भी किया जाता है। विभिन्न स्थापना पैकेज मिल सकते हैं यहाँ उत्पन्न करें. कोर SciPy पैकेज हैं Numpy, SciPy लाइब्रेरी, Matplotlib, IPython, Sympy और Pandas।

15. माटप्लोटलिब

जिन पुस्तकालयों पर हमने चर्चा की है वे सभी संख्यात्मक संचालन में सक्षम हैं, लेकिन जब आयामी प्लॉटिंग की बात आती है, तो मैटप्लोटलिब ने बाजी मार ली है। पायथन में इस ओपन-सोर्स लाइब्रेरी का उपयोग विभिन्न हार्ड कॉपी प्रारूपों और प्लेटफार्मों पर इंटरैक्टिव वातावरण में गुणवत्ता वाले आंकड़े प्रकाशित करने के लिए व्यापक रूप से किया जाता है। आप कोड की कुछ पंक्तियों के साथ चार्ट, ग्राफ़, पाई चार्ट, स्कैटरप्लॉट, हिस्टोग्राम, त्रुटि चार्ट इत्यादि डिज़ाइन कर सकते हैं।

विभिन्न स्थापना पैकेज मिल सकते हैं को यहाँ से डाउनलोड कर सकते हैं।

16. थीनो

यह ओपन-सोर्स लाइब्रेरी आपको बहु-आयामी सरणियों से युक्त गणितीय अभिव्यक्तियों को कुशलतापूर्वक परिभाषित, अनुकूलित और मूल्यांकन करने में सक्षम बनाती है. बड़ी मात्रा में डेटा के लिए, हस्तनिर्मित सी कोड धीमे हो जाते हैं। थीनो कोड के त्वरित कार्यान्वयन को सक्षम बनाता है। थीनो अस्थिर अभिव्यक्तियों को पहचान सकता है और फिर भी स्थिर एल्गोरिदम के साथ उनकी गणना कर सकता है यह Numpy पर भारी है। थीनो का निकटतम पायथन पैकेज सिम्पी है। तो चलिए इसके बारे में बात करते हैं।

17. सिम्पी

सभी प्रतीकात्मक गणित के लिए, सिम्पी उत्तर है। प्रतीकात्मक गणित के लिए यह पायथन लाइब्रेरी कंप्यूटर बीजगणित प्रणालियों (सीएएस) के लिए एक प्रभावी सहायता है, जबकि कोड को यथासंभव सरल और समझने योग्य और आसानी से विस्तार योग्य बनाए रखा जाता है। SimPy केवल Python में लिखा गया है और इसे अन्य अनुप्रयोगों में एम्बेड किया जा सकता है और कस्टम फ़ंक्शंस के साथ बढ़ाया जा सकता है। आप स्रोत कोड यहां पा सकते हैं GitHub। 

18. कैफ 2

शहर का नया लड़का - Caffe2, एक हल्का, मॉड्यूलर और स्केलेबल डीप लर्निंग फ्रेमवर्क है। इसका उद्देश्य आपको गहन शिक्षण के साथ प्रयोग करने का एक आसान और सीधा तरीका प्रदान करना है। Caffe2 में Python और C++ API के लिए धन्यवाद, हम अभी अपना प्रोटोटाइप बना सकते हैं और बाद में इसे अनुकूलित कर सकते हैं। अब आप इस चरण-दर-चरण के साथ Caffe2 के साथ शुरुआत कर सकते हैं इंस्टालेशन गाइड।

19. समुद्री जीव

जब हीट मैप्स जैसे सांख्यिकीय मॉडल के विज़ुअलाइज़ेशन की बात आती है, तो सीबॉर्न विश्वसनीय स्रोतों में से एक है। यह पायथन पुस्तकालय माटप्लोटलिब से लिया गया है और पंडों की डेटा संरचनाओं के साथ निकटता से जुड़ा हुआ है। दौरा करना स्थापना पृष्ठ यह देखने के लिए कि यह पैकेज कैसे स्थापित किया जा सकता है।

20. हेबेल

यह पायथन लाइब्रेरी पीक्यूयूडीए के माध्यम से सीयूडीए के साथ जीपीयू त्वरण का उपयोग करके तंत्रिका नेटवर्क के साथ गहन सीखने का एक उपकरण है। अभी, हेबेल एक या एक से अधिक कार्यों पर वर्गीकरण और प्रतिगमन के लिए फीड-फॉरवर्ड न्यूरल नेटवर्क को लागू करता है। अन्य मॉडल जैसे कि Autoencoder, संवादात्मक तंत्रिका जाल, और प्रतिबंधित बोल्ट्जमैन मशीन भविष्य के लिए योजना बनाई गई हैं। का पीछा करो संपर्क हेबेल का पता लगाने के लिए।

21. चेज़र

हेबेल के एक प्रतियोगी, इस पायथन पैकेज का उद्देश्य गहन शिक्षण मॉडल के लचीलेपन को बढ़ाना है। चैनर के तीन प्रमुख फोकस क्षेत्रों में शामिल हैं:
एक। परिवहन प्रणाली: चेनर के निर्माताओं ने लगातार स्वचालित ड्राइविंग कारों की ओर झुकाव दिखाया है, और वे टोयोटा मोटर्स के साथ इस बारे में बातचीत कर रहे हैं।

बी। विनिर्माण उद्योग: चेनर का उपयोग रोबोटिक्स और कई मशीन लर्निंग टूल्स के लिए प्रभावी ढंग से किया गया है, वस्तु पहचान से लेकर अनुकूलन तक।

सी। जैव स्वास्थ्य देखभाल: कैंसर की गंभीरता से निपटने के लिए, चैनर के निर्माताओं ने इसके लिए विभिन्न चिकित्सा छवियों के अनुसंधान में निवेश किया है कैंसर कोशिकाओं का शीघ्र निदान।
स्थापना, परियोजनाएं और अन्य विवरण यहां पाए जा सकते हैं।
तो यहां सामान्य पायथन पुस्तकालयों की एक सूची दी गई है, जिन पर एक नज़र डालना और, यदि संभव हो, तो खुद को परिचित करना उचित है। यदि आपको लगता है कि कोई पुस्तकालय है जो सूची में शामिल होने योग्य है, टिप्पणियों में इसका उल्लेख करना न भूलें।

22. ओपनसीवी पायथन

ओपन सोर्स कंप्यूटर विजन या OpenCV छवि प्रसंस्करण के लिए उपयोग किया जाता है। यह एक पायथन पैकेज है जो तत्काल कंप्यूटर विज़न पर केंद्रित समग्र कार्यों की निगरानी करता है। OpenCV कई अंतर्निहित कार्य प्रदान करता है; इसकी मदद से आप कंप्यूटर विजन सीख सकते हैं। यह एक ही समय में छवियों को पढ़ने और लिखने दोनों की अनुमति देता है। किसी भी वीडियो या छवि में चेहरे, पेड़ आदि जैसी वस्तुओं का निदान किया जा सकता है। यह विंडोज़, ओएस-एक्स और अन्य ऑपरेटिंग सिस्टम के साथ संगत है। आप ये पा सकते हैं यहाँ उत्पन्न करें. 

मूल बातें से OpenCV सीखने के लिए, देखें ओपनसीवी ट्यूटोरियल

23. थीनो

पाइथन लाइब्रेरी होने के साथ-साथ थीनो एक ऑप्टिमाइज़िंग कंपाइलर भी है। इसका उपयोग एक ही समय में विभिन्न गणितीय घोषणाओं के विश्लेषण, वर्णन और अनुकूलन के लिए किया जाता है। यह बहु-आयामी सरणियों का उपयोग करता है, यह सुनिश्चित करता है कि हमें अपनी परियोजनाओं की पूर्णता के बारे में चिंता करने की आवश्यकता नहीं है। थीनो जीपीयू के साथ अच्छी तरह से काम करता है और इसका इंटरफ़ेस काफी हद तक नम्पी के समान है। पुस्तकालय गणना को 140 गुना तेज बनाता है और इसका उपयोग किसी भी हानिकारक बग का पता लगाने और विश्लेषण करने के लिए किया जा सकता है। आप ये पा सकते हैं यहाँ उत्पन्न करें. 

24. एनएलटीके

नेचुरल लैंग्वेज टूलकिट, एनएलटीके, लोकप्रिय पायथन एनएलपी लाइब्रेरीज़ में से एक है। इसमें प्रसंस्करण पुस्तकालयों का एक सेट शामिल है जो केवल अंग्रेजी में संख्यात्मक और प्रतीकात्मक भाषा प्रसंस्करण के लिए प्रसंस्करण समाधान प्रदान करता है। टूलकिट एक गतिशील चर्चा मंच के साथ आता है जो आपको एनएलटीके से संबंधित किसी भी मुद्दे पर चर्चा करने और सामने लाने की अनुमति देता है।

25. एसक्यूएलकेमी

SQLAcademy Python के लिए एक डेटाबेस अमूर्त पुस्तकालय है जो डेटाबेस और लेआउट की एक श्रृंखला के लिए आश्चर्यजनक समर्थन के साथ आता है। यह सुसंगत पैटर्न प्रदान करता है, समझने में आसान है, और शुरुआती लोगों द्वारा भी इसका उपयोग किया जा सकता है। यह Python भाषा और डेटाबेस के बीच संचार की गति में सुधार करता है और Python 2.5, Jython, और Pypy जैसे अधिकांश प्लेटफार्मों का समर्थन करता है। SQLAcademy का उपयोग करके, आप स्क्रैच से डेटाबेस योजनाएँ विकसित कर सकते हैं।

26. बोकेह

पायथन के लिए एक डेटा विज़ुअलाइज़ेशन लाइब्रेरी, बोकेह इंटरैक्टिव विज़ुअलाइज़ेशन की अनुमति देता है। यह ग्राफ़िक्स प्रदान करने के लिए HTML और जावास्क्रिप्ट का उपयोग करता है, जो इसे वेब-आधारित अनुप्रयोगों के योगदान के लिए विश्वसनीय बनाता है। यह अत्यधिक लचीला है और आपको अन्य पुस्तकालयों जैसे ggplot या matplot lib में लिखे गए विज़ुअलाइज़ेशन को परिवर्तित करने की अनुमति देता है। बोकेह समग्र सांख्यिकीय परिदृश्य बनाने के लिए सीधे आदेशों का उपयोग करता है।

27. अनुरोधों

अनुरोध आपको HTTP/1.1 अनुरोध भेजने और बुनियादी पायथन शब्दकोशों का उपयोग करके हेडर, फॉर्म डेटा, मल्टीपार्ट फ़ाइलें और पैरामीटर शामिल करने में सक्षम बनाता है।
इसी तरह, यह आपको उत्तर डेटा पुनः प्राप्त करने में भी सक्षम बनाता है।

28. पिगलेट

पायगलेट को देखने में आकर्षक गेम और अन्य एप्लिकेशन बनाने के लिए डिज़ाइन किया गया है। विंडोइंग, उपयोगकर्ता इंटरफ़ेस ईवेंट को संसाधित करना, जॉयस्टिक, ओपनजीएल ग्राफिक्स, चित्र और फिल्में लोड करना, और ध्वनि और संगीत बजाना सभी समर्थित हैं। Linux, OS X और Windows सभी Pyglet का समर्थन करते हैं।

29. लाइटजीबीएम

सर्वश्रेष्ठ और सबसे प्रसिद्ध मशीन लर्निंग लाइब्रेरी में से एक, ग्रेडिएंट बूस्टिंग, निर्णय पेड़ों और अन्य पुनर्निर्मित बुनियादी मॉडलों का उपयोग करके नए एल्गोरिदम बनाने में प्रोग्रामर की सहायता करता है। परिणामस्वरूप, इस पद्धति को शीघ्रता और प्रभावी ढंग से लागू करने के लिए विशेष पुस्तकालयों का उपयोग किया जा सकता है।

30. Eli5

पायथन-निर्मित Eli5 मशीन लर्निंग लाइब्रेरी मशीन लर्निंग मॉडल भविष्यवाणियों की समस्या का समाधान करने में सहायता करती है जो अक्सर गलत होती हैं। यह विज़ुअलाइज़ेशन, सभी मशीन लर्निंग मॉडल को डीबग करने और सभी एल्गोरिथम कार्य प्रक्रियाओं को ट्रैक करने को जोड़ती है।

डेटा साइंस के लिए महत्वपूर्ण पायथन लाइब्रेरी

योगदानकर्ता: श्वेता राजपाल
लिंक्डइन प्रोफ़ाइल: https://www.linkedin.com/in/shveta-rajpal-0030b59b/

यहां दिलचस्प और महत्वपूर्ण पायथन लाइब्रेरी की एक सूची दी गई है जो सभी डेटा वैज्ञानिकों के लिए मददगार होगी। तो, चलिए शुरू करते हैं Python में इस्तेमाल होने वाले 20 सबसे महत्वपूर्ण पुस्तकालयों के साथ-

स्क्रैपी- यह वेबसाइटों से आवश्यक डेटा निकालने के लिए एक सहयोगी ढांचा है। यह काफी सरल और तेज़ टूल है.

सुंदर सूप- यह एक और लोकप्रिय लाइब्रेरी है जिसका उपयोग पायथन में वेबसाइटों से जानकारी निकालने या एकत्र करने के लिए किया जाता है, यानी इसका उपयोग वेब स्क्रैपिंग के लिए किया जाता है।

आँकड़ेमॉडल- जैसा कि नाम से पता चलता है, Statsmodels एक Python लाइब्रेरी है जो कई अवसर प्रदान करती है, जैसे कि सांख्यिकीय मॉडल विश्लेषण और अनुमान, सांख्यिकीय परीक्षण करना आदि। इसमें बड़े सांख्यिकीय डेटा सेट को संसाधित करते समय उच्च-प्रदर्शन परिणाम प्राप्त करने के लिए सांख्यिकीय विश्लेषण का कार्य है।

XGBoost- यह लाइब्रेरी ग्रेडिएंट बूस्टिंग फ्रेमवर्क के तहत मशीन लर्निंग एल्गोरिदम में लागू की गई है। यह ढाल-बढ़ाए गए निर्णय पेड़ों का उच्च-प्रदर्शन कार्यान्वयन प्रदान करता है। XGBoost पोर्टेबल, लचीला और कुशल है। यह ग्रेडिएंट बूस्टिंग का अत्यधिक अनुकूलित, स्केलेबल और तेज़ कार्यान्वयन प्रदान करता है।

प्लॉटली-इस लाइब्रेरी का उपयोग ग्राफ़ को आसानी से प्लॉट करने के लिए किया जाता है। यह इंटरैक्टिव वेब अनुप्रयोगों में बहुत अच्छी तरह से काम करता है। इससे हम विभिन्न प्रकार के मूल चार्ट जैसे लाइन, पाई, स्कैटर, हीट मैप, पोलर प्लॉट इत्यादि बना सकते हैं। हम आसानी से किसी भी विज़ुअलाइज़ेशन का ग्राफ़ बना सकते हैं जिसे हम उपयोग करने के बारे में सोच सकते हैं Plotly.

पायडॉट- पाइडॉट का उपयोग जटिल-उन्मुख और गैर-उन्मुख ग्राफ़ बनाने के लिए किया जाता है। इसका उपयोग विशेष रूप से तंत्रिका नेटवर्क और निर्णय वृक्षों पर आधारित एल्गोरिदम विकसित करते समय किया जाता है।

गेंसिम- यह विषय मॉडलिंग और दस्तावेज़ अनुक्रमण के लिए एक पायथन लाइब्रेरी है, जिसका अर्थ है कि यह बड़ी मात्रा में पाठ से अंतर्निहित विषयों को निकालने में सक्षम है। यह पूरी फ़ाइल को मेमोरी में लोड किए बिना बड़ी टेक्स्ट फ़ाइलों को संभाल सकता है।

प्योड- जैसा कि नाम से पता चलता है, यह एक पायथन टूलकिट है बहुभिन्नरूपी डेटा में आउटलेयर का पता लगाना. यह बाहरी पहचान एल्गोरिदम की एक विस्तृत श्रृंखला तक पहुंच प्रदान करता है। बाह्य पहचान, जिसे विसंगति पहचान के रूप में भी जाना जाता है, दुर्लभ वस्तुओं, घटनाओं या टिप्पणियों की पहचान को संदर्भित करता है जो जनसंख्या के सामान्य वितरण से भिन्न होती हैं।

यह हमें शीर्ष पायथन लाइब्रेरीज़ पर ब्लॉग के अंत में लाता है। हम आशा करते हैं कि आपको इससे लाभ होगा। यदि आपके कोई और प्रश्न हैं, तो बेझिझक उन्हें नीचे टिप्पणी में छोड़ दें, और हम जल्द से जल्द आपसे संपर्क करेंगे।

नीचे दिया गया मार्ग आपको एक कुशल डेटा वैज्ञानिक बनने के लिए मार्गदर्शन करेगा।

पायथन पुस्तकालय अक्सर पूछे जाने वाले प्रश्न

आगे पढ़ने के लिए

1. टेंसरफ्लो क्या है? मशीन लर्निंग लाइब्रेरी की व्याख्या
2. स्किकिट लर्न इन मशीन लर्निंग, परिभाषा और उदाहरण
3. पूर्ण शुरुआती के लिए मशीन लर्निंग ट्यूटोरियल | पायथन के साथ मशीन लर्निंग सीखें
4. शुरुआती के लिए डेटा विज्ञान ट्यूटोरियल | डेटा विज्ञान सीखें पूरा ट्यूटोरियल
5. शुरुआती के लिए पायथन ट्यूटोरियल - एक पूर्ण गाइड | आसानी से पायथन सीखें

• एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
• प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
• प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
• प्लेटोईएसजी. कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
• प्लेटोहेल्थ। बायोटेक और क्लिनिकल परीक्षण इंटेलिजेंस। यहां पहुंचें।
• स्रोत: https://www.mygreatlearning.com/blog/open-source-python-libraries/