python拥有强大的第三方库，广泛应用于数据分析、数据挖掘、机器学习等领域。下面小编整理了一些python数据挖掘常用的库。希望对大家学习python数据挖掘有所帮助。1.Numpy可以提供数组支持，进行向量运算，高效处理函数，线性代数处理等。提供真正的数组，Numpy比python内置的列表更快。同时，Scipy、Matplotlib、Pandas等库都是从Numpy衍生出来的。因为Numpy的内建函数处理数据的程度与C语言相同，所以建议尽量使用内建函数。2.Scipy基于Numpy，可以提供实矩阵支持和大量基于矩阵的数值计算模块，包括：插值运算、线性代数、图像信号、快速傅里叶变换、优化处理、常微分方程求解等3.Pandas衍生自NumPy，提供强大的数据读写功能，支持类似SQL的增删改查，具有丰富的数据处理功能，支持时序分析功能，可以灵活的分析和探索数据.是python数据挖掘的必备工具。Pandas的基本数据结构是Series和DataFrame。Series是一个序列，类似于一个一维数组，而DataFrame相当于一个二维表，类似于一个二维数组，DataFrame的每一列都是一个Series。4.Matplotlib数据可视化是最常用的也是最有用的工具之一。python中著名的绘图库主要用于二维绘图。它只需要几行代码就可以生成各种图表，比如直方图、柱状图、散点图等，简单的3D图也是可以的。4.Scikit-LearnScikit-Learn源自NumPy、Scipy和Matplotlib。它是一个强大的机器学习python库，可以提供完整的学习工具箱（数据处理、回归、分类、聚类、预测、模型分析等），使用简单。缺点是不提供神经网络、深度学习等模型。5.Keras是一个基于Theano的深度学习python库，不仅可以用来搭建普通的神经网络，还可以用来搭建各种深度学习模型，比如：autoencoder,recurrentneuralnetwork,recursiveneuralnetwork,convolutionalneuralnetwork等，重要的是运行速度几块，简化了搭建各种神经网络模型的步骤，让普通用户也能轻松搭建上百个输入节点的深度神经网络，定制化程度也很高。6.GenismGenism主要用于处理语言任务，如文本相似度计算、LDA、Word2Vec等。7.TensorFlowGoogle开源的数值计算框架，利用数据流图灵活构建深度学习模型。
