Python 是最流行和使用最广泛的 编程语言 之一，它已经超越了业界许多编程语言，名列前茅。它在开发人员中流行的原因有很多，最重要的一点就是它有大量的库供用户使用。Python 的易用性、灵活性吸引了许多开发人员为机器学习创建新的库。有一个库大家必都会介绍，就是TensorFlow，这里就不多说了。那么，以下就是今日份干货，大家有什么自己最喜欢的库也可以在评论中留言分享~

1.Keras

Keras是由python编写的机器学习API，其运行在机器学习的*平台TensorFlow上。好处在于可以很快地实现网络模型的搭建，数据输入输出也很方便，让你可以专注于网络模型本身，适合新手。最大缺点就是慢！作为高层API，推理速度等等肯定没tf，mxnet那些快。

2. PyTorch

它的特点：处理N维度张量，和numpy类似，但是可以在GPU上运行。支持自动 微分 来构建和训练大型的神经网络。

3. fastai

用过的都说好，通过利用当下最佳的技术实践，fastai极快地简化了训练过程也加速了神经网络。只要一个API就包含了几乎所有常见的深度学习应用。

4. JAX

Jax 是 Autograd 和 XLA 的结合用来提供高性能机器学习研究。作为 Autograd 的更新版本，JAX 可以自动微分原生 Python 和 Numpy 函数。可通过 loops、branches、recursion 和 closures，进行微分，并且能够对导数的导数 求导 。支持反向模式微分通过 grad。

5. FastText

它是一个可以让你高效学习单词表意和句子分类的库。

6. spaCy

spaCy v3.0具有所有新的基于transformer的管道，让spaCy的准确率达到SOTA。你可以使用任意预训练transformer来训练你自己的管道，也可以在多组件和多任务之间共享transformer。spaCy的transformer支持与PyTorch和HuggingFace transformers库的集成，在管道中可以访问许多预训练模型。

7. gensim

它通过使用大型语料库进行主题建模、文档索引和相似性检索。目标受众是自然语言处理（NLP）和信息检索（IR）社区。

8. NLTK

它是自然语言工具箱，是一整套针对自然语言处理研究和开发的开源Python模块、数据集和教程。

9. TextBlob

简单，Python风格，是一个用于处理文本数据的库。它为潜入常见的自然语言处理（NLP）任务提供了一个简单的API，例如词性标注，名词短语提取，情感分析，分类，翻译等。

10. Pillow

它是个对用户十分友好的PIL分支。PIL是Python图像库。

11. OpenCV

开源计算机视觉库。

12.LightGBM

它可以帮助开发人员使用重新定义的基本模型，即决策树来构建新的算法。LightGBM 的特点：计算速度快、生产效率高、直观、易于使用。这个库提供了高度可扩展、优化和快速的梯度增强实现，这使它在机器学习开发者中很流行。

13.Pandas

Pandas是Python中的一个机器学习库，它提供高级的数据结构和各种各样的分析工具。主要是能够使用一个或两个命令转换复杂的数据操作。它还有许多内置的分组、数据组合、过滤和时间序列功能的函数。当和其他库一起使用时，Pandas保证了高性能和良好的灵活性。

14…Numpy

数组接口是 Numpy 的最佳特性。它非常容易理解和使用，让复杂的数学实现变得非常简单。广泛使用，因此有很多开源贡献者。该接口可用于将图像、声音和其他二进制原始流表示为 n 维实数数组。

15.Click

Click的开发初衷就是使用最少的代码，以一种可组合的方式创建漂亮的命令行接口。它的目的是使编写命令行工具的过程快速而有趣，同时防止由于无法实现预期的CLI API而导致的任何问题。主要有三个特点：命令的任意嵌套、自动帮助页面生成、支持在运行时延迟加载子命令。

好啦，以上就是关于在Python中安装matplotlib库的全部内容哦，相信大家已经学会如何安装matplotlib库并进行查看其文档的操作了哦，好啦，今天咱们就聊到这吧，下次再见哦！[再见]

**敬请关注“python文泽”，为您带来意外的小收获！ **[比心][握手][比心]