非常實(shí)用的 Python 庫，推一次火一次！
關(guān)注"Python學(xué)習(xí)與數(shù)據(jù)挖掘"，
設(shè)為“置頂或星標(biāo)”，第一時(shí)間送達(dá)干貨
Python 是一個(gè)很棒的語言。它是世界上發(fā)展最快的編程語言之一。它一次又一次地證明了在開發(fā)人員職位中和跨行業(yè)的數(shù)據(jù)科學(xué)職位中的實(shí)用性。整個(gè) Python 及其庫的生態(tài)系統(tǒng)使它成為全世界用戶（初學(xué)者和高級用戶）的合適選擇。它的成功和流行的原因之一是它強(qiáng)大的第三方庫的集合，這些庫使它可以保持活力和高效。
在本文中，我們會研究一些用于數(shù)據(jù)科學(xué)任務(wù)的 Python 庫，而不是常見的比如 panda、scikit-learn 和 matplotlib 等的庫。盡管像 panda 和 scikit-learn 這樣的庫，是在機(jī)器學(xué)習(xí)任務(wù)中經(jīng)常出現(xiàn)的，但是了解這個(gè)領(lǐng)域中的其它 Python 產(chǎn)品總是很有好處的。
一、Wget
從網(wǎng)絡(luò)上提取數(shù)據(jù)是數(shù)據(jù)科學(xué)家的重要任務(wù)之一。Wget 是一個(gè)免費(fèi)的實(shí)用程序，可以用于從網(wǎng)絡(luò)上下載非交互式的文件。它支持 HTTP、HTTPS 和 FTP 協(xié)議，以及通過 HTTP 的代理進(jìn)行文件檢索。由于它是非交互式的，即使用戶沒有登錄，它也可以在后臺工作。所以下次當(dāng)你想要下載一個(gè)網(wǎng)站或者一個(gè)頁面上的所有圖片時(shí)，wget 可以幫助你。
安裝：
$?pip?install?wget
例子：
import?wget
url?=?'http://www.futurecrew.com/skaven/song_files/mp3/razorback.mp3'
filename?=?wget.download(url)
100%?[................................................]?3841532?/?3841532
filename
'razorback.mp3'
###?Pendulum二、Pendulum
對于那些在 python 中處理日期時(shí)間時(shí)會感到沮喪的人來說，Pendulum 很適合你。它是一個(gè)簡化日期時(shí)間操作的 Python 包。它是 Python 原生類的簡易替代。請參閱文檔深入學(xué)習(xí)。
安裝：
$?pip?install?pendulum
例子：
import?pendulum
dt_toronto?=?pendulum.datetime(2012,?1,?1,?tz='America/Toronto')
dt_vancouver?=?pendulum.datetime(2012,?1,?1,?tz='America/Vancouver')
print(dt_vancouver.diff(dt_toronto).in_hours())
3?
三、imbalanced-learn
可以看出，當(dāng)每個(gè)類的樣本數(shù)量基本相同時(shí)，大多數(shù)分類算法的效果是最好的，即需要保持?jǐn)?shù)據(jù)平衡。但現(xiàn)實(shí)案例中大多是不平衡的數(shù)據(jù)集，這些數(shù)據(jù)集對機(jī)器學(xué)習(xí)算法的學(xué)習(xí)階段和后續(xù)預(yù)測都有很大影響。幸運(yùn)的是，這個(gè)庫就是用來解決此問題的。它與 scikit-learn 兼容，是 scikit-lear-contrib 項(xiàng)目的一部分。下次當(dāng)你遇到不平衡的數(shù)據(jù)集時(shí)，請嘗試使用它。
安裝：
pip?install?-U?imbalanced-learn
#?或者
conda?install?-c?conda-forge?imbalanced-learn
例子：
使用方法和例子請參考文檔。
四、FlashText
在 NLP 任務(wù)中，清理文本數(shù)據(jù)往往需要替換句子中的關(guān)鍵字或從句子中提取關(guān)鍵字。通常，這種操作可以使用正則表達(dá)式來完成，但是如果要搜索的術(shù)語數(shù)量達(dá)到數(shù)千個(gè)，這就會變得很麻煩。Python 的 FlashText 模塊是基于 FlashText 算法為這種情況提供了一個(gè)合適的替代方案。FlashText 最棒的一點(diǎn)是，不管搜索詞的數(shù)量如何，運(yùn)行時(shí)間都是相同的。你可以在這里了解更多內(nèi)容。
安裝：
$?pip?install?flashtext
例子：
提取關(guān)鍵字
from?flashtext?import?KeywordProcessor
keyword_processor?=?KeywordProcessor()
#?keyword_processor.add_keyword(,?)
keyword_processor.add_keyword('Big?Apple',?'New?York')
keyword_processor.add_keyword('Bay?Area')
keywords_found?=?keyword_processor.extract_keywords('I?love?Big?Apple?and?Bay?Area.')
keywords_found
['New?York',?'Bay?Area']
替換關(guān)鍵字
keyword_processor.add_keyword('New?Delhi',?'NCR?region')
new_sentence?=?keyword_processor.replace_keywords('I?love?Big?Apple?and?new?delhi.')
new_sentence
'I?love?New?York?and?NCR?region.'
Fuzzywuzzy
五、fuzzywuzzy
這個(gè)庫的名字聽起來很奇怪，但是在字符串匹配方面，fuzzywuzzy 是一個(gè)非常有用的庫。可以很方便地實(shí)現(xiàn)計(jì)算字符串匹配度、令牌匹配度等操作，也可以很方便地匹配保存在不同數(shù)據(jù)庫中的記錄。
安裝：
$?pip?install?fuzzywuzzy
例子：
from?fuzzywuzzy?import?fuzz
from?fuzzywuzzy?import?process
#?簡單匹配度
fuzz.ratio("this?is?a?test",?"this?is?a?test!")
97
#?模糊匹配度
fuzz.partial_ratio("this?is?a?test",?"this?is?a?test!")
?100
更多有趣例子可以在 GitHub 倉庫找到。
六、PyFlux
時(shí)間序列分析是機(jī)器學(xué)習(xí)領(lǐng)域中最常見的問題之一。PyFlux 是 Python 中的一個(gè)開源庫，它是為處理時(shí)間序列問題而構(gòu)建的。該庫擁有一系列優(yōu)秀的現(xiàn)代時(shí)間序列模型，包括但不限于 ARIMA、GARCH 和 VAR 模型。簡而言之，PyFlux 為時(shí)間序列建模提供了一種概率方法。值得嘗試一下。
安裝
pip?install?pyflux
例子
詳細(xì)用法和例子請參考官方文檔。
七、Ipyvolume
結(jié)果展示也是數(shù)據(jù)科學(xué)中的一個(gè)重要方面。能夠?qū)⒔Y(jié)果進(jìn)行可視化將具有很大優(yōu)勢。IPyvolume 是一個(gè)可以在 Jupyter notebook 中可視化三維體和圖形（例如三維散點(diǎn)圖等）的 Python 庫，并且只需要少量配置。但它目前還是 1.0 之前的版本階段。用一個(gè)比較恰當(dāng)?shù)谋扔鱽斫忉尵褪牵篒Pyvolume 的 volshow 對于三維數(shù)組就像 matplotlib 的 imshow 對于二維數(shù)組一樣好用。可以在這里獲取更多。
使用 pip
$?pip?install?ipyvolume
使用 Conda/Anaconda
$?conda?install?-c?conda-forge?ipyvolume
例子
動畫
體繪制
八、Dash
Dash 是一個(gè)高效的用于構(gòu)建 web 應(yīng)用程序的 Python 框架。它是在 Flask、Plotly.js 和 React.js 基礎(chǔ)上設(shè)計(jì)而成的，綁定了很多比如下拉框、滑動條和圖表的現(xiàn)代 UI 元素，你可以直接使用 Python 代碼來寫相關(guān)分析，而無需再使用 javascript。Dash 非常適合構(gòu)建數(shù)據(jù)可視化應(yīng)用程序。然后，這些應(yīng)用程序可以在 web 瀏覽器中呈現(xiàn)。用戶指南可以在這里獲取。
安裝
pip?install?dash==0.29.0??#?核心?dash?后端
pip?install?dash-html-components==0.13.2??#?HTML?組件
pip?install?dash-core-components==0.36.0??#?增強(qiáng)組件
pip?install?dash-table==3.1.3??#?交互式 DataTable 組件（最新！）
例子下面的例子展示了一個(gè)具有下拉功能的高度交互式圖表。當(dāng)用戶在下拉菜單中選擇一個(gè)值時(shí)，應(yīng)用程序代碼將動態(tài)地將數(shù)據(jù)從 Google Finance 導(dǎo)出到 panda DataFrame。
九、Gym
OpenAI 的 Gym 是一款用于增強(qiáng)學(xué)習(xí)算法的開發(fā)和比較工具包。它兼容任何數(shù)值計(jì)算庫，如 TensorFlow 或 Theano。Gym 庫是測試問題集合的必備工具，這個(gè)集合也稱為環(huán)境 —— 你可以用它來開發(fā)你的強(qiáng)化學(xué)習(xí)算法。這些環(huán)境有一個(gè)共享接口，允許你進(jìn)行通用算法的編寫。
安裝
pip?install?gym
例子這個(gè)例子會運(yùn)行CartPole-v0環(huán)境中的一個(gè)實(shí)例，它的時(shí)間步數(shù)為 1000，每一步都會渲染整個(gè)場景。
總結(jié)
以上這些有用的數(shù)據(jù)科學(xué) Python 庫都是我精心挑選出來的，不是常見的如 numpy 和 pandas 等庫。如果你知道其它庫，可以添加到列表中來，請?jiān)谙旅娴脑u論中提一下。另外別忘了先嘗試運(yùn)行一下它們。
長按或掃描下方二維碼，后臺回復(fù)：加群，即可申請入群。一定要備注：來源+研究方向+學(xué)校/公司，否則不拉入群中，見諒！
（長按三秒，進(jìn)入后臺）
推薦閱讀
