赞
踩
最近正在准备国赛,之前试过在电脑上安装 tensorflow,但一直都不成功。然后看了一眼 pip 管理工具下一堆包,乱得一批,所以干脆直接打算捡一些比较重点的包装上,比较鸡肋的就不要了。
因为我这里用的是 Mac 系统的,和 windows 的语句可能不一定相同,但如果是用 Linux 应该没问题(因为 Mac 系统终端里的命令大多数和 Linux 一样)
在命令行中输入下命令(如果是最新版本这一步可略):
python -m pip install --upgrade pip
首先在命令行输入下命令,目的是将 pip 下管理所有的包信息写到一个文本文件中:
pip freeze > requirements.txt
再按照 所生成文本文件的信息将所有信息卸载:
pip uninstall -r requirements.txt
首先先要定义 requirements.txt 文件,里面的格式是一个包的名字一行,依次往下排。分享一下我的:
- numpy
- pandas
- pyecharts
- matplotlib
- seaborn
- keras
- tensorflow
- sklearn
- statsmodels
- scipy
- biopython
再安装所有:
pip uninstall -r requirements.txt
numpy
数据分析类,相当于 免费版的Matlab 矩阵功能以及其它一些少量的小算法。
pandas
数据分析类,非常完美的表格操作,非常适合洗数据。
pyecharts
数据可视化类,百度良心开源项目的echarts 的python 接口,功能非常强大,但缺点就是通常代码量会比较大,比较建议用来做地图(比 geopandas 安装方便一万倍)。
matplotlib
数据可视化类,非常经典的数据可视化工具,功能很全面,代码量比 pyecharts 少,但图效果通常相对简单。
seaborn
数据可视化类,基于 matplotlib 开发的可视化工具,它的特点是所有的零碎东西几乎都是设置成你想要的样子,而且做复杂图代码量相较 matplotlib 而言极少,且里面还包含了一些常用的算法最终一块可视化,亮点是甚至还能深度兼容 pandas 表格,强烈推荐!
tensorflow
神经网络类,Google 的开源神经网络构建工具,在计算机界应该是相当出名,构建自由度极强,但缺点就是代码量比较大(自由度高的代价)。
keras
神经网络类,基于 tensorflow 开发的神经网络构建工具,比 tensorflow 的代码量要少很多,对新手比较友好,竞赛期间比较推荐用这个包,省时间,代码量小。
sklearn
机器学习类,功能十分强大,代码量短小精悍。基本上除神经网络外其他所有机器学习算法(包括回归、聚类、降维)总之基本上 Matlab 直接支持的那些机器学习算法,甚至还有部分 Matlab 不直接支持的算法(例如 t-SNE、MDS 等)都能以 5 行以内的代码量实现。
scipy
数据科学、算法类,功能也是非常强大。包含特殊函数、统计学、微积分求解、拟合(基本所有拟合都能做)、线性规划、整数规划、数据结构算法等,甚至还可以做图片处理。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。