盡管已經(jīng)有了scikit-learn、statsmodels、seaborn等非常優(yōu)秀的數(shù)據(jù)建模庫(kù)，但實(shí)際數(shù)據(jù)分析過(guò)程中常用到的一些功能場(chǎng)景仍然需要編寫數(shù)十行以上的代碼才能實(shí)現(xiàn)。

而今天要給大家推薦的dython就是一款集成了諸多實(shí)用功能的數(shù)據(jù)建模工具庫(kù)，幫助我們更加高效地完成數(shù)據(jù)分析過(guò)程中的諸多任務(wù)：

通過(guò)下面兩種方式均可完成對(duì)dython的安裝：

pip?install?dython

或：

conda?install?-c?conda-forge?dython

dython中目前根據(jù)功能分類劃分為以下幾個(gè)子模塊：

• 「data_utils」

data_utils子模塊集成了一些基礎(chǔ)性的數(shù)據(jù)探索性分析相關(guān)的API，如identify_columns_with_na()可用于快速檢查數(shù)據(jù)集中的缺失值情況：

>>?df?=?pd.DataFrame({'col1':?['a',?np.nan,?'a',?'a'],?'col2':?[3,?np.nan,?2,?np.nan],?'col3':?[1.,?2.,?3.,?4.]}) >>?identify_columns_with_na(df)column??na_count 1???col2?????????2 0???col1?????????1

identify_columns_by_type()可快速選擇數(shù)據(jù)集中具有指定數(shù)據(jù)類型的字段：

>>?df?=?pd.DataFrame({'col1':?['a',?'b',?'c',?'a'],?'col2':?[3,?4,?2,?1],?'col3':?[1.,?2.,?3.,?4.]}) >>?identify_columns_by_type(df,?include=['int64',?'float64']) ['col2',?'col3']

one_hot_encode()可快速對(duì)數(shù)組進(jìn)行「獨(dú)熱編碼」：

>>?one_hot_encode([1,0,5]) [[0.?1.?0.?0.?0.?0.][1.?0.?0.?0.?0.?0.][0.?0.?0.?0.?0.?1.]]

split_hist()則可以快速繪制分組直方圖，幫助用戶快速探索數(shù)據(jù)集特征分布：

import?pandas?as?pd from?sklearn?import?datasets from?dython.data_utils?import?split_hist#?Load?data?and?convert?to?DataFrame data?=?datasets.load_breast_cancer() df?=?pd.DataFrame(data=data.data,?columns=data.feature_names) df['malignant']?=?[not?bool(x)?for?x?in?data.target]#?Plot?histogram split_hist(df,?'mean?radius',?split_by='malignant',?bins=20,?figsize=(15,7))

• 「nominal」

nominal子模塊包含了一些進(jìn)階的特征相關(guān)性度量功能，例如其中的associations()可以自適應(yīng)由連續(xù)型和類別型特征混合的數(shù)據(jù)集，并自動(dòng)計(jì)算出相應(yīng)的Pearson、Cramer's V、Theil's U、條件熵等多樣化的系數(shù)；cluster_correlations()可以繪制出基于層次聚類的相關(guān)系數(shù)矩陣圖等實(shí)用功能：

• 「model_utils」

model_utils子模塊包含了諸多對(duì)機(jī)器學(xué)習(xí)模型進(jìn)行性能評(píng)估的工具，如ks_abc()：

from?sklearn?import?datasets from?sklearn.model_selection?import?train_test_split from?sklearn.linear_model?import?LogisticRegression from?dython.model_utils?import?ks_abc#?Load?and?split?data data?=?datasets.load_breast_cancer() X_train,?X_test,?y_train,?y_test?=?train_test_split(data.data,?data.target,?test_size=.5,?random_state=0)#?Train?model?and?predict model?=?LogisticRegression(solver='liblinear') model.fit(X_train,?y_train) y_pred?=?model.predict_proba(X_test)#?Perform?KS?test?and?compute?area?between?curves ks_abc(y_test,?y_pred[:,1])

metric_graph()：

import?numpy?as?np from?sklearn?import?svm,?datasets from?sklearn.model_selection?import?train_test_split from?sklearn.preprocessing?import?label_binarize from?sklearn.multiclass?import?OneVsRestClassifier from?dython.model_utils?import?metric_graph#?Load?data iris?=?datasets.load_iris() X?=?iris.data y?=?label_binarize(iris.target,?classes=[0,?1,?2])#?Add?noisy?features random_state?=?np.random.RandomState(4) n_samples,?n_features?=?X.shape X?=?np.c_[X,?random_state.randn(n_samples,?200?*?n_features)]#?Train?a?model X_train,?X_test,?y_train,?y_test?=?train_test_split(X,?y,?test_size=.5,?random_state=0) classifier?=?OneVsRestClassifier(svm.SVC(kernel='linear',?probability=True,?random_state=0))#?Predict y_score?=?classifier.fit(X_train,?y_train).predict_proba(X_test)#?Plot?ROC?graphs metric_graph(y_test,?y_score,?'pr',?class_names=iris.target_names) import?numpy?as?np from?sklearn?import?svm,?datasets from?sklearn.model_selection?import?train_test_split from?sklearn.preprocessing?import?label_binarize from?sklearn.multiclass?import?OneVsRestClassifier from?dython.model_utils?import?metric_graph#?Load?data iris?=?datasets.load_iris() X?=?iris.data y?=?label_binarize(iris.target,?classes=[0,?1,?2])#?Add?noisy?features random_state?=?np.random.RandomState(4) n_samples,?n_features?=?X.shape X?=?np.c_[X,?random_state.randn(n_samples,?200?*?n_features)]#?Train?a?model X_train,?X_test,?y_train,?y_test?=?train_test_split(X,?y,?test_size=.5,?random_state=0) classifier?=?OneVsRestClassifier(svm.SVC(kernel='linear',?probability=True,?random_state=0))#?Predict y_score?=?classifier.fit(X_train,?y_train).predict_proba(X_test)#?Plot?ROC?graphs metric_graph(y_test,?y_score,?'roc',?class_names=iris.target_names)

• 「sampling」

sampling子模塊則包含了boltzmann_sampling()和weighted_sampling()兩種數(shù)據(jù)采樣方法，簡(jiǎn)化數(shù)據(jù)建模流程。

dython作為一個(gè)處于快速開(kāi)發(fā)迭代過(guò)程的Python庫(kù)，陸續(xù)會(huì)有更多的實(shí)用功能引入，感興趣的朋友們可以前往https://github.com/shakedzy/dython查看更多內(nèi)容或?qū)Υ隧?xiàng)目保持關(guān)注。

---

以上就是本文的全部?jī)?nèi)容，歡迎在評(píng)論區(qū)與我進(jìn)行討論~

推薦閱讀

Pandas處理數(shù)據(jù)太慢，來(lái)試試Polars吧！

懶人必備！只需一行代碼，就能導(dǎo)入所有的Python庫(kù)

絕！關(guān)于pip的15個(gè)使用小技巧

介紹10個(gè)常用的Python內(nèi)置函數(shù)，99.99%的人都在用！

可能是全網(wǎng)最完整的 Python 操作 Excel庫(kù)總結(jié)！

總結(jié)

以上是生活随笔為你收集整理的dython：Python数据建模宝藏库的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。