什么是python數據科學庫

本篇文章給大家分享的是有關什么是python數據科學庫，小編覺得挺實用的，因此分享給大家學習，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

Python是門很神奇的語言，歷經時間和實踐檢驗，受到開發者和數據科學家一致好評，目前已經是全世界發展最好的編程語言之一。簡單易用，完整而龐大的第三方庫生態圈，使得Python成為編程小白和高級工程師的首選。

在本文中，我們會分享不同于市面上的python數據科學庫（如numpy、padnas、scikit-learn、matplotlib等），盡管這些庫很棒，但是其他還有一些不為人知，但同樣優秀的庫需要我們去探索去學習。

1、wget

從網絡上獲取數據被認為是數據科學家的必備基本技能，而Wget是一套非交互的基于命令行的文件下載庫。ta支持HTTP、HTTPS和FTP協議，也支持使用IP代理。因為ta是非交互的，即使用戶未登錄，ta也可以在后臺運行。所以下次如果你想從網絡上下載一個頁面，Wget可以幫到你哦。

安裝

pip isntall wget

實例

import wget

url = 'http://www.futurecrew.com/skaven/song_files/mp3/razorback.mp3'

filename = wget.download(url)

Run and output

100% [................................................] 3841532 / 3841532
filename
'razorback.mp3'

2. Pendulum

對于大多數python用戶來說處理時期（時間）數據是一件令人抓狂的事情，好在Pendulum專為你而來。它是python內置時間類的良好備選方案，更多內容可查看官方文檔 https://pendulum.eustace.io/docs/

安裝

pip install pendulum

實例

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())

Run and output

3

3.imbalanced-learn

常見的機器學習分類算法都默認輸入的數據是均衡數據，即假設訓練集數據有A和B兩個類別，A和B數據量大體相當。如果A和B數據量差別巨大，那么訓練的效果會不理想。在實際收集和整理的數據，其實絕大多數是非均衡數據，這對于機器學習分類算法真的是個很大的問題。好在有imbalanced-learn庫可以很好的解決這個問題。該庫兼容scikit-learn，并且是作為scikit-learn-contrib項目的一部分。當你再遇到非均衡數據，記得試試它哦！

安裝

pip install -U imbalanced-learn
#或者
conda install -c conda-forge imbalanced-learn

4. FlashText

在NLP任務重經常會遇到替換指代同一個意思的多個詞語，或者從句子中抽取關鍵詞。通常我們一般的做法是使用正則表達式來完成這些臟活累活，但如果要操作的詞語數量達到幾千上萬，使用正則這種方法就會變得很麻煩。FlashText庫是基于FlashText算法，該庫的最強大之處在于程序運行時間不受操作詞語數量影響，即運行時間與操作的詞匯數量無關。 因此特別適合應用到 python文本分析 中去。

安裝

pip install flashtext

實例

抽取關鍵詞

我們都知道 Big Apple 指代紐約。所以抽取紐約這個城市詞時候，我們要考慮到相同意思的不同詞語。

from flashtext import KeywordProcessor

#設置關鍵詞處理器
keyword_processor = KeywordProcessor()

#設置關鍵詞及其近義詞
keyword_processor.add_keyword('Big Apple', 'New York') #遇到Big Apple就會識別為New York
keyword_processor.add_keyword('Bay Area')

keywords_found = keyword_processor.extract_keywords("I love Big Apple and Bay Area.")

keywords_found

Run and output

['New York', 'Bay Area']

5. Fuzzywuzzy

這個庫的名字就有點怪，但ta擁有強大的字符串匹配功能。可以輕松實現字符串比較比率（comparison ratios），分詞比率（token ratios)等操作。它還可以方便地匹配保存在不同數據庫中的記錄。

安裝

pip install fuzzywuzzy

實例

from fuzzywuzzy import fuzz
from fuzzywuzzy import process

# Simple Ratio
print(fuzz.ratio("this is a test", "this is a test!"))
# Partial Ratio
print(fuzz.partial_ratio("this is a test", "this is a test!"))

Run and output!

97
100

以上就是什么是python數據科學庫，小編相信有部分知識點可能是我們日常工作會見到或用到的。希望你能通過這篇文章學到更多知識。更多詳情敬請關注億速云行業資訊頻道。