來自：開源最前線（ID：OpenSourceTop）

鏈接：https:///article/18/11/python-libraries-data-science 

Python是一種很棒的編程語言。事實上，它還是世界上發(fā)展最快的編程語言之一。它一次又一次證明了它在數(shù)據(jù)科學(xué)職位中的實用性。整個Python及其庫的生態(tài)系統(tǒng)使其成為全世界用戶（初學(xué)者和高級）的合適選擇。

在本文中，我們將介紹一些用于數(shù)據(jù)科學(xué)方面的Python庫，它們并不像pandas、scikit-learn 和 matplotlib那么知名，但一樣非常實用的庫。

1、Wget

提取數(shù)據(jù)，尤其是從網(wǎng)絡(luò)上提取數(shù)據(jù)，是數(shù)據(jù)科學(xué)家的主要任務(wù)之一。Wget是一個免費的實用程序，用于從Web上進行非交互式文件下載。它支持HTTP，HTTPS和FTP協(xié)議，以及通過HTTP代理進行檢索。由于它是非交互式的，即使用戶沒有登錄也可以在后臺運行。因此，如果你需要下載一個網(wǎng)站或頁面中的所有圖片時，wget 就可以幫到你

安裝：

$ pip install wget

示例：

import wget
url = 'http://www./skaven/song_files/mp3/razorback.mp3'

filename = wget.download(url)
100% [................................................] 3841532 / 3841532

filename
'razorback.mp3'

2、Pendulum

如果你還在苦惱Python中時間日期的處理，那么你需要Pendulum。它是一個Python包，用于簡化datetime操作。它是Python原生類的一個臨時替代。

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())

3

3、Imbalanced-learn

大多數(shù)分類算法在每個類的樣本數(shù)量幾乎都是一樣的情況下是最有效的，但實際工作中大多數(shù)是不平衡的數(shù)據(jù)集，這些數(shù)據(jù)集對機器學(xué)習(xí)算法的學(xué)習(xí)階段和后續(xù)預(yù)測都可能有影響。幸運的是，創(chuàng)imbalance -learn庫可以解決這個問題。它與scikit-learn兼容，是scikit- learning -contrib項目的一部分。下次遇到不平衡的數(shù)據(jù)集的情況，請別忘了它。

安裝：

pip install -U imbalanced-learn

# or

conda install -c conda-forge imbalanced-learn

4、FlashText

在自然語言處理(NLP)任務(wù)中清理文本數(shù)據(jù)通常需要替換關(guān)鍵字或從句子中提取關(guān)鍵字。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達到數(shù)千，那么這些操作就會變得很繁瑣。

Python的FlashText模塊基于FlashText算法，為這種情況提供了合適的替代方案。FlashText最棒的地方是，它的運行與你的搜索量無關(guān)。

安裝：

$ pip install flashtext

例子：

1）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']

2）替代關(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.'

5、FuzzyWuzzy

這個名稱聽起來很奇怪，但是在字符串匹配方面，F(xiàn)uzzyWuzzy是一個非常有用的庫。它可以方便地實現(xiàn)字符串匹配率等操作。它還可以方便地匹配保存在不同數(shù)據(jù)庫中的記錄。

安裝：

$ pip install fuzzywuzzy

例子：

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

6、PyFlux

時間序列分析是機器學(xué)習(xí)中最常見的問題之一。PyFlux是Python中的一個開源庫，它是為處理時間序列問題而構(gòu)建的。該庫擁有一系列很優(yōu)秀的現(xiàn)代時間序列模型，諸如ARIMA、GARCH和VAR模型等。簡而言之，PyFlux提供了一種時間序列建模的概率方法。

安裝：

pip install pyflux

7、IPyvolume

數(shù)據(jù)科學(xué)很重要的一部分就是交流結(jié)果，可視化結(jié)果顯示可以給你提供一個巨大的優(yōu)勢。IPyvolume是一個Python庫，用于可視化Jupyter筆記本中的3D容量和符號(例如3D散點圖)，只需少量的配置。

安裝 ：

Using pip
$ pip install ipyvolume

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

例子：

繪制

8、Dash

Dash是一個用于構(gòu)建web應(yīng)用程序的高效Python框架。它基于FlaskPlotty.js 和 Response.js 之上。將下拉菜單和圖形等UI元素與Python分析代碼捆綁在一起，而不需要使用JavaScript。Dash非常適合構(gòu)建可以在web瀏覽器中呈現(xiàn)的數(shù)據(jù)可視化應(yīng)用程序。

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!)

例子：

下面的示例顯示了具有下拉功能的高度交互式圖。當(dāng)用戶在下拉菜單中選擇一個值時，應(yīng)用程序代碼將動態(tài)地將數(shù)據(jù)從Google Finance 導(dǎo)出到panda DataFrame。

9、Gym

Gym是開發(fā)和對比強化學(xué)習(xí)算法的工具，它兼容任何數(shù)據(jù)科學(xué)庫，如TensorFlow或Theano。是一個測試問題的集合，也叫環(huán)境，你可以用它來計算強化學(xué)習(xí)算法。這些環(huán)境有一個共享接口，允許用戶編寫通用算法。

安裝：

pip install gym

例子：

以下示例將在 CartPole-v0環(huán)境中，運行 1000 次，在每一步渲染環(huán)境。