七個非常實用的Python工具包總結

這篇文章主要介紹了七個非常實用的Python工具包總結，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

一、Faker

生產環境通常具有實時數據。把它放到測試環境中并不容易。我們必須對從生產到測試環境的數據進行標記化，這通常會將數據轉換為亂碼。

此外，在欺詐行業，我們需要找出欺詐身份。為了生成假PII（個人可識別信息），我使用了一個名為Faker的包，這是一個很酷的軟件包，可以讓你創建一個帶有地址、名字等的假PII。

以上是一些虛假數據的例子。帶有 GAN 假圖像的假數據可以給出一個真實的人。

二、Pywebio

我們知道 Flask 適用于 Python 端的表單、UI 和 restapi。然而，如果想要一個簡單的表單，Flask就不太適用了。通常用 Pywebio 來創建，它會創建了一個簡單、干凈的UI。所有的代碼都是用普通的python編寫的，并且我們不用額外學新東西！

# A simple script to calculate BMI
from pywebio.input import input, FLOAT
from pywebio.output import put_text

def bmi():
    height = input("Input your height(cm)：", type=FLOAT)
    weight = input("Input your weight(kg)：", type=FLOAT)

    BMI = weight / (height / 100) ** 2

    top_status = [(16, 'Severely underweight'), (18.5, 'Underweight'),
                  (25, 'Normal'), (30, 'Overweight'),
                  (35, 'Moderately obese'), (float('inf'), 'Severely obese')]

    for top, status in top_status:
        if BMI <= top:
            put_text('Your BMI: %.1f. Category: %s' % (BMI, status))
            break

if __name__ == '__main__':
    bmi()

在幾秒鐘內，它轉換為一個前端 UI 網頁。我們還可以編寫一些會話并處理輸入和輸出，查看他們的文檔以獲取詳細信息。

三、Airflow

Airflow 是我最喜歡的軟件包之一，它是一種工作流管理工具，在 MLOPS 中經常被低估和較少使用，它還可以用于特定的執行間隔、重新訓練模型、批處理、網站抓取、投資組合跟蹤、自定義新聞提要等。

在工作流程方面，選項是無限的，它還可以連接到特定服務的云服務商。代碼可以用 python 寫，在 UI 上可以看到執行，非常棒。工作流也可以按特定時間間隔進行安排。

四、Loguru

Logger 是我討厭但又不得不使用的工具，它是調試應用程序的最佳方法之一。但是，logger 里面的日志太多了，讓人比較煩。而 Loguru 在某種程度上就比較友好，它雖不能解決所有挑戰，但是它很容易添加日志語句并為其添加更多調試。

from loguru import logger

logger.debug("That's it, beautiful and simple logging!")

它還有助于拆分文件并執行清理，因此我們不需要查看所有歷史日志。

logger.add("file_1.log", rotation="500 MB")    # Automatically rotate too big file
logger.add("file_2.log", rotation="12:00")     # New file is created each day at noon
logger.add("file_3.log", rotation="1 week")    # Once the file is too old, it's rotated

logger.add("file_X.log", retention="10 days")  # Cleanup after some time

logger.add("file_Y.log", compression="zip")    # Save some loved space

你還可以使用參數 backtrace 來回溯執行。

簡而言之，在生產環境中使用這個包來調試應用程序或 AI 模型訓練是值得的。

五、Pydash

通常在數據清洗或處理中，我們要處理大量的數據清洗。這些是一些較小的項目，需要時間。例如，如何展平列表？當然，你可以寫一個清單，但是如果有一個快速功能來執行這些操作呢？

這就是Pydash閃耀的地方，它成為了我的快速轉到庫，其中包含一系列python實用程序。

以上只是一個小例子，它包含很多功能，絕對值得一看。

六、Weights & Biases

WANDB是跟蹤和可視化機器學習管道最有用的包之一，我最喜歡的部分是他們的central dashboard，它類似于記錄器，但可以做更多的事情。

它易于使用，并集成了最流行的庫，如 Tensorflow、PyTorch、fastai、huggingface 等。但是，在商業領域使用它時有一些限制，你必須付費訂閱。除此之外，它是一個很棒的庫。

七、PyCaret

在R中我最喜歡的一個包是caret 包，當我看到 PyCaret 包時，我很興奮。因為它簡化了許多編碼，當你想快速做某件事情時可以使用。這個包有很多關于默認參數的選項，可以用不同的度量點運行不同的模型。

Summary

正如本文所說的，我們看到在應用程序開發或數據分析中使用了不同的包，這并不是一份詳盡的清單，我會繼續為大家分享更多的實用的工具包。

感謝你能夠認真閱讀完這篇文章，希望小編分享的“七個非常實用的Python工具包總結”這篇文章對大家有幫助，同時也希望大家多多支持億速云，關注億速云行業資訊頻道，更多相關知識等著你來學習!