不常用但很有用的Python庫有哪些

這篇文章主要講解了“不常用但很有用的Python庫有哪些”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“不常用但很有用的Python庫有哪些”吧！

導讀

提到數據科學的python包，大家想到的估計是numpy，pandas，scikit-learn之類的，這里給大家介紹一些不常用，但是非常有用的python包，就像是癢癢撓，雖然大部分時間用不上，但是真要用起來，還是挺爽的。Python是個了不起的語言。事實上，這是世界上發展最快的語言之一(感覺沒有之一，就是最快的)。在數據科學領域和開發領域，一次又一次的為我們提供便利。整個Python的生態和庫使之成為所有用戶都適用(初學者和高級用戶)。Python之所以這么成功，原因之一就在于它的庫，讓Python變得靈活快速。

這篇文章中，我們會看一些不太常用的數據科學的庫，除了pandas，scikit-learn，matplotlib等。盡管說到數據科學，我們想到的就是pandas和scikit-learn，了解一下其他的python的庫也沒什么壞處。下面就是另外一些數據科學中可能會用到的Python庫。

Wget

從網絡獲取數據是Python科學家非常重要的任務。Wget是一個免費的工具，可以從Web上非交互式的下載文件，支持HTTP, HTTPS, 和  FTP協議，同樣支持HTTP代理。由于是非交互式的，所以可以后臺運行，用戶沒有登錄也可以。所以下次你需要從網上下載圖片的時候，可以試試wget。

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

這個是干啥的呢，你在處理日期時間的時候搞得頭大的時候，Pendulum就很適合你，這包是用來簡化日期時間的操作的，具體使用可以看 這里 。

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

imbalanced-learn

大多數的分類問題中，當所有的類別中的樣本的數量大致相同時，效果是最好的，也就是樣本均衡。但是在實際情況中，往往都是非均衡的數據，這往往會影響訓練的過程以及后面的預測。幸好，這個庫可以幫我們解決這個問題。這個和scikit-learn兼容，是scikit-learn-contrib的一部分。下次可以試試。

安裝:

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

例子:

請參考文檔。

FlashText

在清洗NLP相關的數據的時候，往往需要替換一些關鍵詞或者提取一些關鍵詞。通常，可以用正則表達式來干這個活，不過正則條件的數量上千的時候，就會很頭大。FlashText是基于FlashText算法的一個模塊，提供了這種情況下的一個替代工具，FlashText最好的地方在于運行時間是和搜索的條件的數量不相關的。更多的信息可以看這里。

安裝:

$ pip install flashtext

例子:

提取關鍵詞

from flashtext import KeywordProcessor keyword_processor = KeywordProcessor() # keyword_processor.add_keyword(<unclean name>, <standardised name>) 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']

替換關鍵詞

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

名字聽起來怪怪的，不過在字符匹配的時候，用起來還是爽爽的。可以輕松的實現字符比例，token比例等。還可以在不同的數據集中進行匹配。

安裝:

$ pip install fuzzywuzzy

例子:

from fuzzywuzzy import fuzz from fuzzywuzzy import process # Simple Ratio fuzz.ratio("this is a test", "this is a test!") 97 # Partial Ratio fuzz.partial_ratio("this is a test", "this is a test!")  100

PyFlux

時間序列的處理是機器學習領域經常遇到的問題。PyFlux就是專門用來處理時間序列問題的開源Python庫。這個庫里有一系列的時間序列模型如ARIMA,  GARCH 和VAR 等。簡單來說，PyFlux提供了時間序列到概率的建模，值的一試。

安裝

pip install pyflux

例子

參考這里 。

Ipyvolume

交流結果是數據科學的非常重要的方面。結果可視化是個非常重要的優勢。IPyvolume是個3D可視化庫，不過這還是在pre-1.0的階段，可以這樣類別一下，  IPyvolume是對3維數據的可視化，matplotlib是對二維數據的可視化。具體可以看 這里。

安裝

Using pip $ pip install ipyvolume Conda/Anaconda $ conda install -c conda-forge ipyvolume

例子

• 標記

• 渲染

Dash

這是個創建web應用的用戶生產的Python框架。基于Flask寫的，可以用來構建數據可視化的app，這些app可以在網絡瀏覽器上渲染。用戶手冊可見  這里.

安裝

pip install dash==0.29.0 # The core dash backend pip install dash-html-components==0.13.2 # HTML components pip install dash-core-components==0.36.0 # Supercharged components pip install dash-table==3.1.3 # Interactive DataTable component (new!)

例子

Gym

Gym來自OpenAI，用來做強化學習。兼容所有的數值計算庫，如TensorFlow，Theano等。這個庫提供了一個問題測試的環境，你可以用這個環境來實驗你的強化學習算法。這些環境共享界面，使你可以寫通用的算法。

安裝

pip install gym

例子

感謝各位的閱讀，以上就是“不常用但很有用的Python庫有哪些”的內容了，經過本文的學習后，相信大家對不常用但很有用的Python庫有哪些這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！