广受欢迎的4个机器学习和数据科学Python模块

Python还是一门很不错的语言，在业界也日益流行。Python的主要优点有：

1. Python很适合作为编程的入门语言。

2. 相比C、C++、Java和C#等语言，Python的语法比较简单。

3. Python的库非常非常多。

4. 跨平台。

5. PEP8在提高代码可读性方面做了很多工作。

6. 相比Java和C#等语言，Python完全使用reference type，简化了编程的心智模型。

7. 相比C、C++、Java和C#等语言，Python的函数可以作为值传递，更富表达力。

8. Python 3.6的静态类型检查已经初步可用。

9. Python的性能对于很多应用而言已经够用了，并且性能密集的部分可以调用外部库。

由于Python的以上优点以及它的流行度，很多机器学习和数据科学的库都使用Python编写，或者提供了Python绑定。下面介绍4个机器学习和数据科学领域非常流行的Python模块。

Numpy

毫无疑问，Numpy是数学和科学计算领域的杀手级模块。Numpy的n维数组和矩阵运算非常好用。不少机器学习库内部其实都使用Numpy进行张量运算。

TensorFlow

机器学习领域鼎鼎大名的TensorFlow，是一款由Google出品的机器学习框架，主要用于构建和训练识别模式和相关性的神经网络。 Google的机器学习基本上都基于TensorFlow，Google的图像识别和语音识别服务，背后就有TensorFlow的身影。作为Google背书的主流框架，TensorFlow值得一试。

TensorFlow基于C和C++编写，支持并行运算，提供了Python接口。

Theano

Theano是一个类似TensorFlow的机器学习模块。

一般而言，还是推荐使用TensorFlow，TensorFlow在生产环境经受了更多考验。另外，Google对TensorFlow的支持力度很大。事实上，Google挖了很多Theano项目组的人去做TensorFlow。

当然，Theano也不是没有它的优点。从实现上来说，TensorFlow基于C和C++，又因为性能上有很多针对生产环境的优化，比较复杂。而Theano基于Python（性能密集的组件用C编写），实现上要简单很多。从学习的角度上来说，Theano要更合适一点。实际上，相比工业界广泛使用TensorFlow，学术界反而是用Theano比较多。

Keras

Keras封装了TensorFlow和Theano，相比直接使用TensorFlow和Theano，Keras要易用很多。几行Python语句就可以用Keras搭一个简单的神经网络。

另外，Keras基于Python编写，代码的可读性很强，文档也很齐全。上手机器学习，使用Keras要比直接使用TensorFlow或者Theano容易很多。

当然，由于封装比较高级，在调试和深度定制方面，Keras就不如直接使用它的后端（TensorFlow或者Theano）方便了。