Machine Learning之Python篇（三）
2019-03-03Machine Learning之Python篇
Super Pandas
https://mp.weixin.qq.com/s/2-Ayzmzo8tydDLoKpz1Ezw
如何用一行代码在多CPU环境下高效并行Pandas（pandarallel）
https://mp.weixin.qq.com/s/XIQ5EpQcYLxmRBuaTCZFzg
一行代码，Pandas秒变分布式，快速处理TB级数据（Pandas on Ray）
https://mp.weixin.qq.com/s/Jkx1K7d1ufD2S6s2cOA7Hw
如何只用一行代码让Pandas加速四倍？（Modin）
https://mp.weixin.qq.com/s/UJ7P6nrBijidW3U2ApMGEQ
Vaex：突破pandas，快速分析100GB大数据集
https://mp.weixin.qq.com/s/CurxDz9DcJhyj-kbnuhXJA
0.052秒打开100GB数据，这个Python开源库火爆了！
https://mp.weixin.qq.com/s/iBCYfvSJeRyKLmnKgwnTRg
有比Pandas更好的替代吗?对比Vaex, Dask, PySpark, Modin和Julia
skimage
skimage相当于python版本的OpenCV。
官网：
http://scikit-image.org/
参考：
https://buptldy.github.io/2016/03/31/2016-03-31-Skimage%20hog/
Compute the HOG descriptor by skimage
https://mp.weixin.qq.com/s/WL8jfxB-xukP_MkN2aMb0w
OpenCV，PIL，Skimage你pick谁
https://mp.weixin.qq.com/s/JszkK3geKXfebH4xLoerYQ
scikit-image图像处理入门
Numba
NumPy的一个高速版本，能完成前者大部分的功能。
官网：
http://numba.pydata.org/
参考：
https://mp.weixin.qq.com/s/5peMiGXNnviAjMP76tV3pw
Python高性能计算库——Numba
iPython
ipython是一个python的交互式 shell，比默认的python shell 好用得多，支持变量自动补全，自动缩进，支持 bash shell 命令，内置了许多很有用的功能和函数。
在较新的ipython版本中，添加了ipython notebook的功能，弥补了ipython shell下代码不易保存等缺点，并且在使用–pylab inline选项后，可以在代码执行后立即显示运行结果（包括图片，数据表格等），因此在数据分析中运用十分广泛。
sudo apt install ipython ipython-notebook
参考：
https://mp.weixin.qq.com/s/e7WBxoL_00EWi5G8Mz1L-w
50个关于IPython的使用技巧，get起来！
Jupyter
Jupyter是iPython的后继项目，它不仅支持python语言，还支持其他50多种交互式语言。成为目前最流行的交互式shell和数据文本交换格式。
官网：
https://jupyter.org/
安装：
pip install jupyter
运行：
jupyter notebook
参见：
https://mp.weixin.qq.com/s/UXlPhX3Vb2yqocpUH_3W5w
Jupyter项目的前世今生
https://mp.weixin.qq.com/s/aJRVh7BWOMq4KCoBMtLGGw
快速学习Jupyter Notebook
https://blog.csdn.net/u011493486/article/details/55001477
Jupyter中显示matplotlib的图片
https://www.cnblogs.com/nxld/p/6566380.html
Jupyter Notebook快速入门
https://mp.weixin.qq.com/s/u-e66SgesPjmpKEihHHr8g
Jupyter Notebook超实用的5个插件，值得一试！
https://mp.weixin.qq.com/s/nlskrbG5x6rG7Mu6qDeRxw
青出于蓝而胜于蓝，这是一款脱胎于Jupyter Notebook的新型编程环境
https://mp.weixin.qq.com/s/nVRFgtYsR72nJrJvy31s5A
Jupyter官方神器：可视化Debug工具!
https://mp.weixin.qq.com/s/fkqnnQ3hqakPATRETahLPw
9个jupyter实用技巧
https://mp.weixin.qq.com/s/OHO3ePD3Ih3AtKv3qn2IEw
9个可以提高Jupyter Notebook开发效率的魔术命令
PIL
PIL：Python Imaging Library，已经是Python平台事实上的图像处理标准库了。由于PIL仅支持到Python 2.7，加上年久失修，于是一群志愿者在PIL的基础上创建了兼容的版本，名字叫Pillow。
官网：
http://pythonware.com/products/pil/
安装：
sudo apt install python-imaging
或
pip install pillow
文档：
http://www.effbot.org/imagingbook/pil-index.htm
参考：
https://mp.weixin.qq.com/s/lJYzxehwo3K2APB2l_WeTA
用Python做图像处理（1）
https://mp.weixin.qq.com/s/yc_-PyR1qM-3_oKcH9PztQ
Python PIL图像处理开发极简教程
https://mp.weixin.qq.com/s/rQnPh_ny0APpylwoBY1Pkw
Python图像处理，366页pdf，Image Operators Image Processing in Python
https://mp.weixin.qq.com/s/haCH8uv3oIv9gl9BZCwwAA
Python处理图像五个有趣场景，很实用！
Tangent
Tangent是一个用于自动微分的源到源Python库。
官网：
https://github.com/google/tangent
参考：
https://mp.weixin.qq.com/s/CExdIdtUxZi4c2B39xdYJA
谷歌开源Tangent
VisPy
VisPy可以算的上是Matplotlib的威力加强版，它添加了对GPU、3D和大数据的支持。
官网：
http://vispy.org/
参考：
https://mp.weixin.qq.com/s/yduK_XKQ-qhiYTNl-YZMFg
利用Python实现卷积神经网络的可视化
Seaborn
Seaborn是另一个非常棒的Matplotlib的威力加强版，专注于统计绘图，并可无缝对接Pandas库。
官网：
https://seaborn.pydata.org
参考：
https://mp.weixin.qq.com/s/hPbTZHR2iDH4t1eQghNvUQ
数据可视化详解+代码演练
https://mp.weixin.qq.com/s/HpOx6BWM2lbgDpJcF6XncA
可视化神器Seaborn的超全介绍
https://mp.weixin.qq.com/s/94nwkxn20ZixmcsX8oUJIw
Seaborn绘图
https://mp.weixin.qq.com/s/GKrqAD0tud6WOFjNwQVVZw
使用Seaborn绘制常用图表
https://mp.weixin.qq.com/s/Lrag8Wilf4B6abVG2UcMZw
详解seaborn可视化中的kdeplot、rugplot、distplot与jointplot
https://mp.weixin.qq.com/s/-TwkUUjGdOiik835xNemfg
14个Seaborn数据可视化图
https://mp.weixin.qq.com/s/AWU-ul7TQ6zWgvX8j2Ut1g
这3个Seaborn函数可以搞定90%的可视化任务
Bokeh
Bokeh是一个数据可视化的库。它不仅提供了和Matplotlib类似的静态图功能，还提供了生成交互动态图的功能。
官网：
http://bokeh.pydata.org/en/latest/
参考：
https://mp.weixin.qq.com/s/R6NclZO1MqjScRlLJ6Vefw
Python地图可视化三大秘密武器（bokeh、basemap、geopandas）
https://mp.weixin.qq.com/s/XKjo5Dj7bpIlBtxkbozekA
掌握这几点，轻松玩转Bokeh可视化
Chartify
Chartify在Bokeh的基础上又封装了一层，提供了更友好的API。
官网：
https://github.com/spotify/chartify
Plotly
Plotly也是Matplotlib的威力加强版，主打交互式绘图。
官网：
https://plot.ly/python/
它还有一个高级封装叫做Plotly Express。
官网：
https://www.plotly.express/
参考：
https://www.jianshu.com/p/57bad75139ca
python plotly使用教程
https://mp.weixin.qq.com/s/RkuLhwj_to_B01RJDQsGcA
强烈推荐一款Python可视化神器！
https://mp.weixin.qq.com/s/9mwLGsXQkTaxIohPwgDyKw
使用Plotly创建带有回归趋势线的时间序列可视化图表
https://mp.weixin.qq.com/s/R_uiw-XCDL40RVcQzfhISA
Python绘图库Plotly，手把手教你用
ImageAI
ImageAI是一个CV方面的库，集成了大量的DL模型，其目标是使用数十行代码完成一个CV任务。
代码：
https://github.com/OlafenwaMoses/ImageAI
Pyecharts
Pyecharts是一个用于生成Echarts图表的类库。Echarts是百度开源的一个数据可视化JS库。
官网：
http://pyecharts.org/
参考：
https://mp.weixin.qq.com/s/3T594c4DzuRmPW5A4zu8Dg
Pyecharts：极其强大的Python数据可视化模块
https://mp.weixin.qq.com/s/20cxuC_tAVmofA7lvquEMQ
Python可视化神器——pyecharts的超详细使用指南！
https://mp.weixin.qq.com/s/5GJKIt5OkMh7C3xqoTJsTA
PyEcharts
https://mp.weixin.qq.com/s/6rusBFuLGw4gpDt6tSQTIw
PyEcharts TreeMap
https://mp.weixin.qq.com/s/6LhoraTo2cLtLJaXbKpt-A
教你用pyecharts制作交互式桑基图，赶快学起来吧！
https://mp.weixin.qq.com/s/3NYEM2MsfGigRPscP-RVZQ
使用pyecharts绘制词云图-淘宝商品评论展示
Yellowbrick
Yellowbrick是和Scikit-Learn配套的ML可视化库。
官网：
https://www.scikit-yb.org/en/latest/
mlpy
mlpy是一个开源的ML库。只是它最近的一次更新，已经是2012年的事情了。
官网：
http://mlpy.sourceforge.net
PyFlux
PyFlux是Python中为处理时间序列问题而创建的开源库。该库有一系列极好的时间序列模型，包括但不限于ARIMA、GARCH和VAR模型。
官网：
https://pyflux.readthedocs.io/en/latest/index.html
ImagePy
ImagePy是国人写的一个图像处理工具。
官网：
https://github.com/Image-Py/imagepy
imgaug
imgaug是一个图像数据增强方面的库，可用于扩充机器学习训练时所用的图片数据集。
官网：
https://imgaug.readthedocs.io/en/latest/
参考：
https://www.cnblogs.com/vincentcheng/p/9186540.html
Augmentor和imgaug——python图像数据增强库
Netron
Netron是一个DL模型的可视化工具，支持几乎所有类型的模型。
代码：
https://github.com/lutzroeder/netron
安装：
snap install netron
SymPy
SymPy是一个符号计算的Python库。
官网：
https://www.sympy.org/en/index.html
参考：
https://zhuanlan.zhihu.com/p/96738286
用Python来研究数学—SymPy符号工具包介绍
https://mp.weixin.qq.com/s/pexY5bG0NhQL2uOJF4UHPQ
符号运算他做得比Matlab更漂亮
可视化
GCJ-02是由中国国家测绘局（G表示Guojia国家，C表示Cehui测绘，J表示Ju局）制订的地理信息系统的坐标系统。又名“火星坐标系”。
国内出版的各种地图系统（包括电子形式），必须至少采用GCJ-02对地理位置进行首次加密。
CGCS2000坐标系是目前在测绘和地理信息以及工程建设领域主推的坐标系。
粗略转换：GCJ(wgs) ≈ wgs，由此 GCJ(GCJ(wgs)) - GCJ(wgs) ≈ GCJ(wgs) - wgs。因此使用 GCJ(wgs) - (GCJ(GCJ(wgs)) - GCJ(wgs)) 去逼近 wgs。
精确转换：因为GCJ(wgs1) - GCJ(wgs2) ≈ wgs1 - wgs2，所以使用 wgsGuess <- wgsGuess - (GCJ(wgsGuess) - GCJ(wgsReal)) 来迭代逼近。
https://zhuanlan.zhihu.com/p/100993681
利用Python进行地理坐标系统的转换
https://www.zhihu.com/question/29806566
如何看待“地形图非线性保密处理技术”？
https://github.com/neozhaoliang/pywonderland/tree/master/
如何用Python画各种著名数学图案
https://mp.weixin.qq.com/s/p69x5YyWxMulxx_OwX3nzQ
TuChart：基于Tushare和Echarts的股票数据视觉化应用
https://mp.weixin.qq.com/s/D_e8lxO3cx-dshEQ_zhfzQ
如何利用散点图矩阵进行数据可视化
https://mp.weixin.qq.com/s/dARWbR1ghho0yX02lNA-gw
Python绘制histogram直方图
https://github.com/minimaxir/stylecloud
一款牛逼的词云工具，开箱即用
https://mp.weixin.qq.com/s/tHNd6y2v7GXN2mSIv0qXlg
手把手：一张图看清编程语言发展史，你也能用Python画出来！
https://mp.weixin.qq.com/s/7M_xbmDQIlSEB1TKN3fbQw
4种更快更简单实现Python数据可视化的方法
https://mp.weixin.qq.com/s/wsa-HxJRCzhBF8E6yrLCQg
如何用Python画一个中国地图？
https://mp.weixin.qq.com/s/c7Sry6FaGv3ZgkKLekxc2g
用Python画中国地图（下）
