一些冷門(mén)但卻非常好用的Python數(shù)據(jù)科學(xué)庫(kù)

在本文中,我們會(huì)研究一些用于數(shù)據(jù)科學(xué)任務(wù)的 Python 庫(kù),而不是常見(jiàn)的比如 panda、scikit-learn 和 matplotlib 等的庫(kù)。盡管像 panda 和 scikit-learn 這樣的庫(kù),是在機(jī)器學(xué)習(xí)任務(wù)中經(jīng)常出現(xiàn)的,但是了解這個(gè)領(lǐng)域中的其它 Python 產(chǎn)品總是很有好處的。
Wget
從網(wǎng)絡(luò)上提取數(shù)據(jù)是數(shù)據(jù)科學(xué)家的重要任務(wù)之一。Wget 是一個(gè)免費(fèi)的實(shí)用程序,可以用于從網(wǎng)絡(luò)上下載非交互式的文件。它支持 HTTP、HTTPS 和 FTP 協(xié)議,以及通過(guò) HTTP 的代理進(jìn)行文件檢索。由于它是非交互式的,即使用戶(hù)沒(méi)有登錄,它也可以在后臺(tái)工作。所以下次當(dāng)你想要下載一個(gè)網(wǎng)站或者一個(gè)頁(yè)面上的所有圖片時(shí),wget 可以幫助你。安裝:
$ pip install wget例子:
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(duì)于那些在 python 中處理日期時(shí)間時(shí)會(huì)感到沮喪的人來(lái)說(shuō),Pendulum 很適合你。它是一個(gè)簡(jiǎn)化日期時(shí)間操作的 Python 包。它是 Python 原生類(lèi)的簡(jiǎn)易替代。請(qǐng)參閱文檔深入學(xué)習(xí)。安裝:
$ pip install pendulum例子:
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())
3imbalanced-learn
可以看出,當(dāng)每個(gè)類(lèi)的樣本數(shù)量基本相同時(shí),大多數(shù)分類(lèi)算法的效果是最好的,即需要保持?jǐn)?shù)據(jù)平衡。但現(xiàn)實(shí)案例中大多是不平衡的數(shù)據(jù)集,這些數(shù)據(jù)集對(duì)機(jī)器學(xué)習(xí)算法的學(xué)習(xí)階段和后續(xù)預(yù)測(cè)都有很大影響。幸運(yùn)的是,這個(gè)庫(kù)就是用來(lái)解決此問(wèn)題的。它與 scikit-learn 兼容,是 scikit-lear-contrib 項(xiàng)目的一部分。下次當(dāng)你遇到不平衡的數(shù)據(jù)集時(shí),請(qǐng)嘗試使用它。安裝:
pip install -U imbalanced-learn
# 或者
conda install -c conda-forge imbalanced-learn例子:
使用方法和例子請(qǐng)參考文檔。FlashText
在 NLP 任務(wù)中,清理文本數(shù)據(jù)往往需要替換句子中的關(guān)鍵字或從句子中提取關(guān)鍵字。通常,這種操作可以使用正則表達(dá)式來(lái)完成,但是如果要搜索的術(shù)語(yǔ)數(shù)量達(dá)到數(shù)千個(gè),這就會(huì)變得很麻煩。Python 的 FlashText 模塊是基于 FlashText 算法為這種情況提供了一個(gè)合適的替代方案。FlashText 最棒的一點(diǎn)是,不管搜索詞的數(shù)量如何,運(yùn)行時(shí)間都是相同的。你可以在這里了解更多內(nèi)容。安裝:
$ pip install flashtext例子:
提取關(guān)鍵字
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(guān)鍵字
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.'更多實(shí)用案例,請(qǐng)參考官方文檔。Fuzzywuzzy
這個(gè)庫(kù)的名字聽(tīng)起來(lái)很奇怪,但是在字符串匹配方面,fuzzywuzzy 是一個(gè)非常有用的庫(kù)??梢院芊奖愕貙?shí)現(xiàn)計(jì)算字符串匹配度、令牌匹配度等操作,也可以很方便地匹配保存在不同數(shù)據(jù)庫(kù)中的記錄。安裝:
$ pip install fuzzywuzzy例子:
from fuzzywuzzy import fuzz
from fuzzywuzzy import process
# 簡(jiǎn)單匹配度
fuzz.ratio("this is a test", "this is a test!")
97
# 模糊匹配度
fuzz.partial_ratio("this is a test", "this is a test!")
100更多有趣例子可以在 GitHub 倉(cāng)庫(kù)找到。PyFlux
時(shí)間序列分析是機(jī)器學(xué)習(xí)領(lǐng)域中最常見(jiàn)的問(wèn)題之一。PyFlux 是 Python 中的一個(gè)開(kāi)源庫(kù),它是為處理時(shí)間序列問(wèn)題而構(gòu)建的。該庫(kù)擁有一系列優(yōu)秀的現(xiàn)代時(shí)間序列模型,包括但不限于 ARIMA、GARCH 和 VAR 模型。簡(jiǎn)而言之,PyFlux 為時(shí)間序列建模提供了一種概率方法。值得嘗試一下。安裝
pip install pyflux例子
詳細(xì)用法和例子請(qǐng)參考官方文檔。Ipyvolume
結(jié)果展示也是數(shù)據(jù)科學(xué)中的一個(gè)重要方面。能夠?qū)⒔Y(jié)果進(jìn)行可視化將具有很大優(yōu)勢(shì)。IPyvolume 是一個(gè)可以在 Jupyter notebook 中可視化三維體和圖形(例如三維散點(diǎn)圖等)的 Python 庫(kù),并且只需要少量配置。但它目前還是 1.0 之前的版本階段。用一個(gè)比較恰當(dāng)?shù)谋扔鱽?lái)解釋就是:IPyvolume 的 volshow 對(duì)于三維數(shù)組就像 matplotlib 的 imshow 對(duì)于二維數(shù)組一樣好用。可以在這里獲取更多。使用 pip
$ pip install ipyvolume
使用 Conda/Anaconda
$ conda install -c conda-forge ipyvolume例子
動(dòng)畫(huà)

體繪制

Dash
Dash 是一個(gè)高效的用于構(gòu)建 web 應(yīng)用程序的 Python 框架。它是在 Flask、Plotly.js 和 React.js 基礎(chǔ)上設(shè)計(jì)而成的,綁定了很多比如下拉框、滑動(dòng)條和圖表的現(xiàn)代 UI 元素,你可以直接使用 Python 代碼來(lái)寫(xiě)相關(guān)分析,而無(wú)需再使用 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 瀏覽器中呈現(xiàn)。用戶(hù)指南可以在這里獲取。安裝
pip install dash==0.29.0 # 核心 dash 后端
pip install dash-html-components==0.13.2 # HTML 組件
pip install dash-core-components==0.36.0 # 增強(qiáng)組件
pip install dash-table==3.1.3 # 交互式 DataTable 組件(最新?。?/span>例子
下面的例子展示了一個(gè)具有下拉功能的高度交互式圖表。當(dāng)用戶(hù)在下拉菜單中選擇一個(gè)值時(shí),應(yīng)用程序代碼將動(dòng)態(tài)地將數(shù)據(jù)從 Google Finance 導(dǎo)出到 panda DataFrame。源碼在這里
Gym
OpenAI 的 Gym 是一款用于增強(qiáng)學(xué)習(xí)算法的開(kāi)發(fā)和比較工具包。它兼容任何數(shù)值計(jì)算庫(kù),如 TensorFlow 或 Theano。Gym 庫(kù)是測(cè)試問(wèn)題集合的必備工具,這個(gè)集合也稱(chēng)為環(huán)境 —— 你可以用它來(lái)開(kāi)發(fā)你的強(qiáng)化學(xué)習(xí)算法。這些環(huán)境有一個(gè)共享接口,允許你進(jìn)行通用算法的編寫(xiě)。安裝
pip install gym例子
這個(gè)例子會(huì)運(yùn)行 CartPole-v0 環(huán)境中的一個(gè)實(shí)例,它的時(shí)間步數(shù)為 1000,每一步都會(huì)渲染整個(gè)場(chǎng)景。
你可以在 gym.openai.com 獲取其它環(huán)境的相關(guān)資料。總結(jié)
以上這些有用的數(shù)據(jù)科學(xué) Python 庫(kù)都是我精心挑選出來(lái)的,不是常見(jiàn)的如?numpy 和 pandas?等庫(kù)。如果你知道其它庫(kù),可以添加到列表中來(lái),請(qǐng)?jiān)谙旅娴脑u(píng)論中提一下。另外別忘了先嘗試運(yùn)行一下它們。原文地址:
Lesser Known Python Libraries for Data Sciencehttps://medium.com/analytics-vidhya/python-libraries-for-data-science-other-than-pandas-and-numpy-95da30568fad原文作者:Parul Pandey譯文出自:掘金翻譯計(jì)劃譯文永久鏈接:https://github.com/xitu/gold-miner/blob/master/TODO1/python-libraries-for-data-science-other-than-pandas-and-numpy.md譯者:haiyang-tju校對(duì)者:TrWestdoor評(píng)論
圖片
表情
