想在工作上更占优势款工具推荐给你

　　想要成为一个程序员，除了学习各种教程之外，熟悉各种已经在生产环境中使用的工具会让你更快的成长！
　　这里有7款python工具，是所有数据专家必不可少的工具。当你对他们有一定了解后，会成为你找工作的绝对优势！下面就了解它们一下吧：
　　0。IPython
　　IPython是一个基于PythonShell的交互式解释器，但是有比默认Shell强大得多的编辑和交互功能。IPython提供了如下特性：
　　更强的交互shell（基于Qt的终端）
　　一个基于浏览器的记事本，支持代码，纯文本，数学公式，内置图表和其他富媒体
　　支持交互数据可视化和图形界面工具
　　灵活，可嵌入解释器加载到任意一个自有工程里
　　简单易用，用于并行计算的高性能工具
　　当你一个库不会用的时候，用ipython可以写一些测试代码。可以用ipython快速掌握库的方法和使用。
　　1。GraphLabGreate
　　GraphLabGreate是一个Python库，由C引擎支持，可以快速构建大型高性能数据产品。
　　关于GraphLabGreate的特点：
　　可以在您的计算机上以交互的速度分析以T为计量单位的数据量。
　　在单一平台上可以分析表格数据、曲线、文字、图像。
　　最新的机器学习算法包括深度学习，进化树和factorizationmachines理论。
　　可以用HadoopYarn或者EC2聚类在你的笔记本或者分布系统上运行同样的代码。
　　借助于灵活的API函数专注于任务或者机器学习。
　　在云上用预测服务便捷地配置数据产品。
　　为探索和产品监测创建可视化的数据。
　　2。Pandas
　　Pandas是基于NumPy的一个非常好用的库，正如名字一样，人见人爱。之所以如此，就在于不论是读取、处理数据，用它都非常简单。
　　Pandas有两种自己独有的基本数据结构。读者应该注意的是，它固然有着两种数据结构，因为它依然是Python的一个库，所以，Python中有的数据类型在这里依然适用，也同样还可以使用类自己定义数据类型。只不过，Pandas里面又定义了两种数据类型：Series和DataFrame，它们让数据操作更简单了。
　　3。PuLP
　　线性编程是一种优化，其中一个对象函数被最大程度地限制了。PuLP是一个用Python编写的线性编程模型。它能产生线性文件，能调用高度优化的求解器，GLPK，COINCLPCBC，CPLEX，和GUROBI，来求解这些线性问题。
　　4。Matplotlib
　　matplotlib在Python中应用最多的2D图像的绘图工具包，使用matplotlib能够非常简单的可视化数据。
　　matplotlib尝试使容易事情变得更容易，使困难事情变为可能。通过Matplotlib，你只需要输入几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。
　　5。ScikitLearn
　　ScikitLearn是用Python开发的机器学习库，其中包含大量机器学习算法、数据集，是数据挖掘方便的工具。Scikitlearn的基本功能主要被分为六大部分：分类，回归，聚类，数据降维，模型选择和数据预处理。Scikitlearn需要NumPy和SciPy等其他包的支持，才能够使用。
　　6。Spark
　　Spark是一个围绕速度、易用性和复杂分析构建的大数据处理框架，提供了一个全面、统一的框架用于管理各种有着不同性质（文本数据、图表数据等）的数据集和数据源（批量数据或实时的流数据）的大数据处理的需求。
　　Spark基于mapreduce算法实现的分布式计算，拥有HadoopMapReduce所具有的优点；但不同于MapReduce的是Job中间输出和结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的mapreduce的算法。