Python 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自己在開發(fā)人員和跨行業(yè)的數(shù)據(jù)科學(xué)中的實用性。Python 及其機器學(xué)習(xí)庫的整個生態(tài)系統(tǒng)使全世界的用戶(無論新手或老手)都愿意選擇它。Python 成功和受歡迎的原因之一是存在強大的庫，這些庫使 Python ***創(chuàng)造力且運行快速。然而，使用 Pandas、Scikit-learn、Matplotlib 等常見庫在解決一些特殊的數(shù)據(jù)問題時可能并不實用，本文介紹的這些非常見庫可能更有幫助。

[[249833]]

1.WGET

提取數(shù)據(jù)，特別是從網(wǎng)絡(luò)中提取數(shù)據(jù)是數(shù)據(jù)科學(xué)家的重要任務(wù)之一。Wget 是一個免費的工具，用于以非交互式方式從 Web 上下載文件。它支持 HTTP、HTTPS 和 FTP 協(xié)議，通過 HTTP 代理進行檢索。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，如果你想下載一個網(wǎng)站或一個頁面上的所有圖片，wget 會幫助你。

安裝：

$ pip install wget 

示例：

import wget 
url = 'http://www.futurecrew.com/skaven/song_files/mp3/razorback.mp3' 
filename = wget.download(url) 
100% [................................................] 3841532 / 3841532 
filename 
'razorback.mp3' 

2.Pendulum

對于那些在 python 中被處理datetimes困擾的人來說，Pendulum 是個好選擇。它是一個 Python 包，用于簡化 datetimes 操作。它是 Python「本機」類(native class)的代替。更多內(nèi)容，請參閱文檔：

https://um.eustace.io/docs/# installation。

安裝：

$ pip install pendulum 

示例：

import wget 
url = 'http://www.futurecrew.com/skaven/song_files/mp3/razorback.mp3' 
filename = wget.download(url) 
100% [................................................] 3841532 / 3841532 
filename 
'razorback.mp3' 

3.IMBALANCED-LEARN

可以看出，當(dāng)每個類的樣本數(shù)量相等即平衡時，大多數(shù)分類算法的工作效果***。但現(xiàn)實生活中充滿了不平衡的數(shù)據(jù)集，這些數(shù)據(jù)集對機器學(xué)習(xí)的學(xué)習(xí)階段和后續(xù)預(yù)測都有影響。創(chuàng)建這個庫是為了解決這個問題。它與 scikit-learn 兼容，并且是 scikit-learn-contrib 項目的一部分。下次遇到不平衡的數(shù)據(jù)集時，可以嘗試一下。

安裝：

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

示例：

有關(guān)用法和示例，請參考：http://imbalancedlearn.org/en/stable/api.html。

4.FLASHTEXT

在 NLP 任務(wù)中，清理文本數(shù)據(jù)通常需要替換句子中的關(guān)鍵詞或從句子中提取關(guān)鍵詞。通常，這樣的操作可以用正則表達式來完成，但是如果要搜索的詞匯量過大，操作就會變得麻煩。Python 中基于 FlashText 算法的 FlashText 模塊，為這種情況提供了一個合適的替代方案。FlashText ***的優(yōu)點是搜索詞數(shù)量不影響運行時長。更多相關(guān)信息請見：https://flashtext.readthedocs.io/en/latest/#。

安裝：

$ pip install flashtext 

示例

提取關(guān)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(guān)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.' 

更多使用示例，請參閱官方文檔。

5.FUZZYWUZZY

雖然名字聽起來很奇怪，但涉及到字符串匹配時，fuzzywuzzy 是一個非常有用的庫，可以很容易地實現(xiàn)諸如字符串比較比率、token 比率等操作。對于匹配不同數(shù)據(jù)庫中的記錄也很方便。

安裝：

$ pip install fuzzywuzzy 

示例：

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 

更多有趣的例子可以在 GitHub 上找到：https://github.com/seatgeek/fuzzywuzzy。

6.PYFLUX

時間序列分析是機器學(xué)習(xí)領(lǐng)域最常見的問題之一。PyFlux 是 Python 中為處理時間序列問題而創(chuàng)建的開源庫。該庫有一系列極好的時間序列模型，包括但不限于 ARIMA、 GARCH 和 VAR 模型。簡而言之，PyFlux 提供了一個時間序列建模的概率方法。值得嘗試。

安裝：

pip install pyflux 

示例：

有關(guān)用法和示例，請參考：https://pyflux.readthedocs.io/en/latest/index.html。

7.IPYVOLUME

交流結(jié)果是數(shù)據(jù)科學(xué)的一個基本方面。能夠?qū)⒔Y(jié)果可視化是一個很大的優(yōu)勢。IPyvolume 是一個用于在 Jupyter notebook 中可視化 3d 體積和字形(如 3d 散點圖)的 Python 庫，只需少量配置即可。然而，它目前還處于前 1.0 版。IPyvolume 的 volshow 之于 3d 數(shù)組，就像 matplotlib 的 imshow 之于 2d 數(shù)組一樣。更多相關(guān)信息請見：https://ipyvolume.readthedocs.io/en/latest/?badge=latest。

安裝：

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

8.DASH

Dash 是一個用于構(gòu)建 web 應(yīng)用程序的高效 Python 框架。它寫在 Flask、Plotly.js 和 React.js 之上，將下拉列表、滑塊和圖形等 UI 元素與你的分析性 Python 代碼直接相連，無需 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 瀏覽器中進行渲染。用戶指南請見：https://dash.plot.ly/。

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!) 

示例：

下圖示例顯示了具有下拉功能的高度交互圖。當(dāng)用戶在下拉列表中選擇一個值時，應(yīng)用程序代碼會動態(tài)地將 Google Finance 的數(shù)據(jù)導(dǎo)出為 Pandas DataFrame。資源：

https://gist.github.com/chriddyp/3d2454905d8f01886d651f207e2419f0。

9.GYM

來自 OpenAI 的 Gym 是一個開發(fā)和對比強化學(xué)習(xí)算法的工具包。它兼容于任何數(shù)值計算庫，如 TensorFlow 或 Theano。Gym 庫是一個測試問題的集合，也被稱為環(huán)境——可以用它來計算你的強化學(xué)習(xí)算法。這些環(huán)境有一個共享的接口，允許你寫通用算法。

安裝：

pip install gym 

示例：

運行環(huán)境 CartPole-v0 的 1000 個時間步驟實例，在每個步驟渲染環(huán)境。

閱讀其他環(huán)境請見：https://gym.openai.com/。

結(jié)論

這些是作者為數(shù)據(jù)科學(xué)挑選的實用 python 庫，而非常見的 numpy、panda 等。值得一試。

原文鏈接：

https://medium.com/analytics-vidhya/python-libraries-for-data-science-other-than-pandas-and-numpy-95da30568fad

【本文是51CTO專欄機構(gòu)“機器之心”的原創(chuàng)譯文，微信公眾號“機器之心( id: almosthuman2014)”】

戳這里，看該作者更多好文