[[259841]]

 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***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***。

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 

用例

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 

用例

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 

該庫有高質量的文檔 http://imbalanced-learn.org/en/stable,目前該庫支持scikit-learn、keras、tensorflow庫

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***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。

4.1 安裝


pip install flashtext 

4.2 用例

4.2.1 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'] 

4.2.2 替換關鍵詞

我們也經常需要將原始文本進行處理，比如將New Delhi（新德里）替換為NCR region（國家首都區）

keyword_processor.add_keyword('New Delhi', 'NCR region') 
new_sentence = keyword_processor.replace_keywords('I love Big Apple and new delhi.') 
new_sentence 

Run and output

'I love New York and NCR region.' 

想了解更多，請查看FlastText官方文檔

https://flashtext.readthedocs.io/en/latest/#

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 

用例

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 

更多有趣的例子可見 fuzzywuzzy庫github賬號 https://github.com/seatgeek/fuzzywuzzy

6.PyFlux/PyFTS.

在機器學習領域中經常遇到時間序列分析這種問題。PyFlux是專門為解決時間序列問題而開發的python庫。這個庫提供了很多現代時間序列算法，單不僅僅限于ARIMA、GARCH和VAR這三種模型。簡而言之，PyFlux為我們分析時間序列數據提供了可能，你值得擁有。

安裝

pip install pyflux 

PyFlux用例可查看該庫的文檔 https://pyflux.readthedocs.io/en/latest/index.html

類似的時間序列庫還有PyFTS, 教程鏈接

https://towardsdatascience.com/a-short-tutorial-on-fuzzy-time-series-dcc6d4eb1b15 

文檔鏈接 

https://pyfts.github.io/pyFTS/.

7.Ipyvolume

數據科學中一個重要的部分就是分析結果的展示與交流，而良好的視覺傳達是很有優勢的。IPyvolume是3D可視化庫，可以以最小的初始化設置就能在jupyter notebook中使用。做一個恰當的類比：matplotlib的imshow是2d數組，而IPyvolume的volshow是3d數組。

安裝

pip install ipyvolume 
#或者 
conda install -c conda-forge ipyvolume 

用例

8. Dash

Dash是用來為開發web應用的高生產率工具庫，該庫基于Flask、Plotly.js和React.js，不需要懂javascript只用python就能讓我們制作出美美的的UI元素，如下來列表、滑動條和圖表。這些應用可以在瀏覽器中渲染，具體文檔可查看 https://dash.plot.ly/

安裝

pip install dash==0.29.0   
pip install dash-html-components==0.13.2  #Dash庫的HTML組件 
pip install dash-core-components==0.36.0  #Dash庫核心組件 
pip install dash-table==3.1.3  #交互數據庫表單(新) 

用例

下面是一個下拉式菜單，可以選擇股票代碼的pandas Dataframe數據類型作為輸入，渲染成動態交互的折線圖

9. Gym

Gym是一個可以開發強化學習算法的工具包。 它兼容數值計算庫，如TensorFlow或Theano。我們可以據此設計出強化學習算法，這些環境（測試問題）有公開的接口，允許我們寫出通用的算法。

安裝

pip install gym 

用例

比如研究探月飛行器著落月球，科學家需要考慮如何才能準確著落到某個位置，并且保證安全降落。這就需要用到gym來做強化學習，學到規律

[[259842]]