WGET

提取數據，特別是從網絡中提取數據是數據科學家的重要任務之一。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'

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。更多內容，請參閱文檔：https://um.eustace.io/docs/# installation。

安裝：$?pip?install?pendulum

示例：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())

3

IMBALANCED-LEARN

可以看出，當每個類的樣本數量相等即平衡時，大多數分類算法的工作效果最好。但現實生活中充滿了不平衡的數據集，這些數據集對機器學習的學習階段和后續預測都有影響。創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據集時，可以嘗試一下。

安裝：pip?install?-U?imbalanced-learn

#?or

conda?install?-c?conda-forge?imbalanced-learn

示例：

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

FLASHTEXT

在 NLP 任務中，清理文本數據通常需要替換句子中的關鍵詞或從句子中提取關鍵詞。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 最大的優點是搜索詞數量不影響運行時長。更多相關信息請見：https://flashtext.readthedocs.io/en/latest/#。(https://flashtext.readthedocs.io/en/latest/#%E3%80%82)

安裝：$?pip?install?flashtext

示例

提取關鍵詞：from?flashtext?import?KeywordProcessor

keyword_processor?=?KeywordProcessor()

#?keyword_processor.add_keyword(,?)

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.'

更多使用示例，請參閱官方文檔。

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，可以很容易地實現諸如字符串比較比率、token 比率等操作。對于匹配不同數據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。

PYFLUX

時間序列分析是機器學習領域最常見的問題之一。PyFlux 是 Python 中為處理時間序列問題而創建的開源庫。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：

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

IPYVOLUME

交流結果是數據科學的一個基本方面。能夠將結果可視化是一個很大的優勢。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 數組，就像 matplotlib 的 imshow 之于 2d 數組一樣。更多相關信息請見：https://ipyvolume.readthedocs.io/en/latest/?badge=latest。

安裝：Using?pip

$?pip?install?ipyvolume

Conda/Anaconda

$?conda?install?-c?conda-forge?ipyvolume

DASH

Dash 是一個用于構建 web 應用程序的高效 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 非常適合構建數據可視化應用程序。然后這些應用程序可以在 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。當用戶在下拉列表中選擇一個值時，應用程序代碼會動態地將 Google Finance 的數據導出為 Pandas DataFrame。資源：https://gist.github.com/chriddyp/3d2454905d8f01886d651f207e2419f0。

GYM

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

安裝：pip?install?gym

示例：

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

閱讀其他環境請見：https://gym.openai.com/。

結論

這些是作者為數據科學挑選的實用 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

總結

以上是生活随笔為你收集整理的python dash库_让你事半功倍的小众 Python 库的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。