机器学习之开发环境-Python_调查现有的机器学习开发环境,并进行对比

Python 数据分析库

Python 编程语言

Pythong Tutorial: https://docs.python.org/3/tutorial/

NumPy

提供常用的数值数组、矩阵等函数，为Python提供快速的多维数组处理能力。

官网：http://www.numpy.org

文档QuickStart：https://docs.scipy.org/doc/numpy/user/quickstart.html

SciPy

是一种使用NumPy来做高等数学、信号处理、优化、统计的扩展包。
在NumPy基础上添加了众多科学计算工具包。

官网：https://www.scipy.org

Numpy and Scipy Documentation

Scipy Documentation

Pandas

Python Data AnalysiS Library

是一种构建于NumPy的高级数据结构和精巧工具，能快速简单的处理数据。

在Numpy基础上提供了更多的数据读写工具。

官网：http://pandas.pydata.org/

文档：http://pandas.pydata.org/pandas-docs/stable/

Matplotlib

Python绘图库

官网：matplotlib.org

文档：matplotlib Documentation

nltk

自然语言处理工具包 (Natural Language Toolkit)

igraph

图计算和社交网络分析库

http://igraph.org/python/

Scikit-learn

是建立在Scipy之上的一个用于机器学习的Python模块。

http://scikit-learn.org/stable/index.html

Python 开发环境

pip

pip 是一个Python包管理工具，主要是用于安装 PyPI 上的软件包，可以替代 easy_install 工具。

安装Python包的推荐工具: https://pypi.python.org/pypi/pip

更换国内源:pipinstall-ihttps://pypi.tuna.tsinghua.edu.cn/simplenumpy

IPython

IPython是一个交互式的Python环境，是Python的原生交互式 shell 的增强版，可以完成许多不同寻常的任务，比如帮助实现并行化计算；主要使用它提供的交互性帮助，比如代码着色、改进了的命令行回调、制表符完成、宏功能以及改进了的交互式帮助。

官网：http://ipython.org

Jupyter Notebook

Jupyter Notebook，以前又叫IPython notebook，是一个交互式的编程环境， 现在已支持运行40+种编程语言，可以用来编写漂亮的交互式文档。用Jupyter Notebook编写Python代码，能很好的交互式展现运行结果。

官网：https://jupyter.org

Anaconda

Anaconda Python 是Python科学技术包的合集，功能和Python(x,y) 类似。它是新起之秀，已更新多次了。包管理使用conda，GUI基于 PySide，所有的包基本上都是最新版，没有PyQt和wxpython等，容量适中，但该有的科学计算包都有：numpy，sicpy，matplotlib，spyder….。

Anaconda Python 是完全免费的企业级的Python发行大规模数据处理、预测分析和科学计算工具。

Linux系统里面，Anaconda 安装、更新和删除都很方便，且所有的东西都只安装在一个目录中 /home/user/anaconda/。Anaconda的开发和维护中有Python创始人和社区的核心成员。Anaconda目前提供Python 2.6.X,Python 2.7.X,Python 3.3.X和Python 3.4.X四个系列发行包，这也是其他发行版所望尘莫及的。因此在各种操作系统中，无论是Linux，还是Windows、Mac,都推荐Anaconda！

由于Anacoda是Python科学技术包的合集，所以不同的包所遵循的协议不一样，可以参看http://docs.continuum.io/anaconda/licenses.html

Anacoda 常用文档如下：

Anaconda 官方文档

conda 官方文档

My Anaconda Landscape

Anaconda使用总结

Anaconda集成了IPthon、Jupyter Notebook，能自动解决Python的依赖问题。使用Anaconda安装、管理、使用Python及Python的各种包很方便，推荐使用Anaconda。

查看Python版本

import sys
print('Python: {}'.format(sys.version))
import scipy
print('scipy: {}'.format(scipy.__version__))
# numpy
import numpy
print('numpy: {}'.format(numpy.__version__))
# matplotlib
import matplotlib
print('matplotlib: {}'.format(matplotlib.__version__))
# pandas
import pandas
print('pandas: {}'.format(pandas.__version__))
# scikit-learn
import sklearn
print('sklearn: {}'.format(sklearn.__version__))
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

我的开发环境输出如下：

Python: 2.7.13 |Anaconda 4.4.0 (x86_64)| (default, Dec 20 2016, 23:05:08) 
[GCC 4.2.1 Compatible Apple LLVM 6.0 (clang-600.0.57)]
scipy: 0.19.0
numpy: 1.12.1
matplotlib: 2.0.2
pandas: 0.20.1
sklearn: 0.18.1
1
2
3
4
5
6
7