全文共1184字，預計學習時長5分鐘
圖源：unsplash
動態數據科學的這三劍客幾乎無人不知無人不曉：Numpy，Pandas和Matplotlib。你可能已經熟悉這些包以及它們的運作方式。
還有其他很炫酷的包，你肯定也想試一試，例如Plotly，Seaborne，Scikit-Learn，Tensorflow和Pytorch等等。它們都很好，還有數百萬個用於Python機器學習的軟件包，其中有些未受到重視，甚至有些完全不爲人知的！
本文就帶大家認識一下這些滄海遺珠。
1.Gleam
Gleam可能很多人沒有聽說過，它是一個很棒的工具，用於創建帶有頁面、面板和按鈕的交互式可視化項目。這些交互式Web可視化也完全與Web集成在一起，這意味着可以將它們放到網站到端點的任何地方。Gleam使用wtforms進行交互，可以使用任何的不同可視化工具來實際顯示數據。
如果想要一個很酷的交互式窗格，基本上可以使用任何圖形庫，那麼Gleam是你的最佳選擇。
2.Table
放着pandas不用，爲什麼要去用Table呢？這當然是一個可行的方法。Table包使得該列表輕鬆成爲pandas的輕量級替代品，使用Table.py讀取龐大的數據集要比使用Pandas.py容易得多。總體而言，在某些情況下它可能更合適。
import pandas as pd
3.Mlpy
Mlpy爲監督和無監督學習提供了大量最先進的機器學習方法。與同類產品不同，它旨在爲數據科學提供一種多合一的方法。雖然有點過時，但對於快速增長的Python機器學習包來說無疑是一個很好的起步，它的易用性、有趣的算法和包容性是最大的亮點。
Mlpy試圖創建一種能平衡重現性、模塊化和效率的包。該包在這方面取得了成功，因爲儘管許多同類包的更新頻率更高，而且肯定是行業標準，但許多此類想法似乎在編譯中丟失了。因爲這些都是由成千上萬的開發人員以C語言編寫的龐大的包，但這可能也是使用它們的缺點所在。
4.Shogun
Shogun是一個用C++編寫的機器學習庫，恰巧擁有Python端口。Shogun的一大優點是，它可用於多種不同的編程語言，並且相對統一。學習Shogun，你可以將所學知識應用於支持的任何其他語言。
Shortgun擁有廣泛的前沿機器學習算法，它也是開源的，並且根據GNU（自由軟件基金會）通用許可發行，這是一個加分項。
5.OpenCV
OpenCV最初是由Intel開發的。儘管是Intel的獨家包，但它是開源的，並根據FreeBSD許可證發佈。OpenCV非常優秀的一點是，它着重於實時計算機視覺，與Shogun一樣，OpenCV最初是用C++編寫的，但是具有Python和其他語言的接口。
說實話，這五個包還不夠普及，對它們的評價也很鮮見。這些軟件包確實很酷，但可以肯定，還有數百個甚至數千個其他很酷的模塊可以添加到Pip環境中，這些模塊也很棒卻鮮爲人知。
Python有一個完善的生態系統和許多可挖掘的包，這正是它如此強大的原因。不斷學習新模塊，也能讓你保持頭腦活躍。
一起分享AI學習與發展的乾貨
歡迎關注全平臺AI垂類自媒體 “讀芯術”
（添加小編微信：dxsxbb，加入讀者圈，一起討論最新鮮的人工智能科技哦～）