很冷门却非常实用Python库

Python 这是一棒。它是世界上发展最快的编程语言之一。它一次又一次地证明了开发人员职位和跨行业数据科学职位的实用性。整个 Python 其生态系统使其成为全球用户(初学者和高级用户)的合适选择。其成功和流行的原因之一是其强大的第三方库的集合，使其保持活力和高效。

本文将研究一些数据科学任务 Python 库，而不是常见的例子 panda、scikit-learn 和 matplotlib 等的库。尽管像 panda 和 scikit-learn 这样的库经常出现在机器学习任务中，但了解这个领域的其他部分 Python 产品总是好的。

Wget

从网络上提取数据是数据科学家的重要任务之一。Wget 从网络上下载非交互式文件是一个免费的实用程序。它支持 HTTP、HTTPS 和 FTP 协议，通过 HTTP 代理检索文件。因为它是非交互式的，即使用户没有登录，它也可以在后台工作。所以下次你想下载一个网站或页面上的所有图片，wget 能帮你。

安装：

$ pip install wget

例子：

import wget

url = 'http:// https://www.weidianyuedu.com'

filename = wget.download(url)

100% [...] 3841532 / 3841532

filename

'razorback.mp3'Pendulum

对于那些在 python 对于处理日期时会感到沮丧的人来说，Pendulum 非常适合你。简化日期时间操作是一种方法 Python 包。它是 Python 简单替代原生类。请参考文档深入学习。

安装：

$ 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())

3imbalanced-learn

可以看出，当每个类的样本数量基本相同时，大多数分类算法的效果最好，即需要保持数据平衡。但现实案例中大多是不平衡的数据集，这些数据集对机器学习算法的学习阶段和后续预测都有很大影响。幸运的是，这个库是用来解决这个问题的。它与 scikit-learn 兼容，是 scikit-lear-contrib 项目的一部分。下次遇到不平衡数据集时，请尝试使用。

安装：

pip install -U imbalanced-learn

# 或者

conda install -c conda-forge imbalanced-learn

例子：

请参考使用方法和例子。

FlashText

在 NLP 在任务中，清理文本数据通常需要替换句子中的关键字或从句子中提取关键字。通常，这种操作可以通过正则表达式来完成，但如果要搜索的术语数量达到数千个，就会变得非常麻烦。Python 的 FlashText 模块是基于 FlashText 该算法为这种情况提供了合适的替代方案。FlashText 最好的一点是，无论搜索词的数量如何，运行时间都是一样的。这里可以了解更多。

安装：

$ pip install flashtext例子：

提取关键字

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']

替换关键字

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.'

更多实用案例，请参考官方文档。

Fuzzywuzzy

这个库的名字听起来很奇怪，但在字符串匹配方面，fuzzywuzzy 这是一个非常有用的库。它可以很容易地计算字符串匹配度、令牌匹配度等操作，也可以很容易地匹配保存在不同数据库中的记录。

安装：

$ pip install fuzzywuzzy

例子：

from fuzzywuzzy import fuzz

from fuzzywuzzy import process

# 简单匹配度

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

可以有更多有趣的例子 GitHub 仓库找到。

PyFlux

时间序列分析是机器学习中最常见的问题之一。PyFlux 是 Python 其中一个开源库是为处理时间序列问题而建造的。该库具有一系列优秀的现代时间序列模型，包括但不限于 ARIMA、GARCH 和 VAR 模型。简而言之，PyFlux 为时间序列建模提供了概率方法。值得一试。

安装

pip install pyflux

例子

详见官方文件。

Ipyvolume

结果显示也是数据科学的一个重要方面。可视化结果将具有很大的优势。IPyvolume 是可以的 Jupyter notebook 可视化三维体和图形(如三维散点图等) Python 而且只需要少量的配置。但目前还是 1.0 之前的版本阶段。用更合适的比喻来解释：IPyvolume 的 volshow 就像三维数组一样 matplotlib 的 imshow 和二维数组一样好用。你可以在这里得到更多。

使用 pip

$ pip install ipyvolume

使用 Conda/Anaconda

$ conda install -c conda-forge ipyvolume例子

动画

体绘制

Dash

Dash 用于构建的高效用途 web 应用程序的 Python 框架。它是在 Flask、Plotly.js 和 React.js 设计在此基础上，绑定了许多现代图表，如下拉框、滑条和图表 UI 你可以直接使用元素 Python 编写相关分析而不使用代码 javascript。Dash 非常适合构建数据可视化应用。然后这些应用程序就可以了 web 显示在浏览器中。这里可以获得用户指南。

安装

pip install dash==0.29.0 # 核心 dash 后端

pip install dash-html-components==0.13.2 # HTML 组件

pip install dash-core-components==0.36.0 # 增强组件

pip install dash-table==3.1.3 # 交互式 DataTable 组件(最新！

例子

下面的例子显示了一个具有下拉功能的高度交互式图表。当用户在下拉菜单中选择一个值时，应用程序代码将动态地将数据从 Google Finance 导出到 panda DataFrame。源码在这里

Gym

OpenAI 的 Gym 它是一个开发和比较工具包，用于增强学习算法。它与任何数值计算库兼容，如 TensorFlow 或 Theano。Gym 库是测试问题集合的必备工具，这个集合也称为环境 —— 你可以用它来开发你的强化学习算法。这些环境有一个共享界面，允许你编写一般算法。

安装

pip install gym

例子

这个例子会运行 CartPole-v0 环境中的一个例子是时间步数 每一步都会渲染整个场景。

您可以在这里获取其他环境的相关信息。

总结

这些有用的数据科 Python 库都是我精心挑选出来的，不是常见的如 numpy 和 pandas 等库。如果你知道其它库，可以添加到列表中来，请在下面的评论中提一下。另外别忘了先尝试运行一下它们。
                                                           ------------End-------------