Python是一門神奇的語言，它是世界上發(fā)展最快的編程語言之一，尤其在數(shù)據(jù)科學方面的作用大家是有目共睹，Python的整個生態(tài)系統(tǒng)和它的庫使它成為全世界用戶(初學者和高級用戶)的最佳選擇。它的成功和流行的一個原因是背后強大的庫集合。

今天，我們將和大家分享一些用于數(shù)據(jù)科學任務的Python庫，這些庫并不常見，它們不如panda、scikit-learn、matplotlib等知名，但卻十分實用，下面就一起來看看都有哪些庫：

1. Wget

數(shù)據(jù)提取，尤其是從網(wǎng)絡中提取數(shù)據(jù)，是數(shù)據(jù)科學家的重要任務之一。Wget是一個免費的工具，用于從Web下載非交互式的文件，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，所以即使用戶沒有登錄，它也可以在后臺工作。因此，她很適合用于下載一個網(wǎng)站或一個頁面的所有圖像。

(項目地址：https://pypi.org/project/wget/)

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' 

2. Pendulum

對于那些需要在Python項目中使用日期時間的人來說，Pendulum就是一項不錯的項目選自。它是一個用于簡化datetimes操作的Python包。它完全可以替代Python的原生類。

(項目地址：https://github.com/sdispater/pendulum)

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 

3. imbalanced-learn

事實上，當每個類的樣本數(shù)量幾乎相同的情況下，分類算法的效果是最好的，但在實際項目中大部分的數(shù)據(jù)集是不平衡的，這些數(shù)據(jù)集對機器學習算法的學習階段和后續(xù)預測都有影響，imbalanced-learn的創(chuàng)建就是為了解決此類問題，它與scikit-learn兼容，是scikit-learn-contrib項目的一部分。下次如果你遇到不平衡的數(shù)據(jù)集時，考慮一下它。

(項目地址：https://github.com/scikit-learn-contrib/imbalanced-learn)

安裝：

pip install -U imbalanced-learn 
# or 
conda install -c conda-forge imbalanced-learn 

4. FlashText

在NLP任務中清理文本數(shù)據(jù)通常需要替換句子中的關鍵字或從句子中提取關鍵字。這類操作一般使用正則表達式來完成，但是如果搜索的關鍵詞數(shù)量達到數(shù)千個，就會變得很麻煩。Python的FlashText模塊是基于FlashText算法，它為這種情況提供了一個合適的替代方案。FlashText最好的部分是，不管搜索詞的數(shù)量是多少，運行時都是一樣的。

(項目地址：https://github.com/vi3k6i5/flashtext)

安裝：

$ pip install flashtext 

示例：

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'] 

關鍵詞替換：

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

這個名字聽起來確實很奇怪，但是涉及到字符匹配時，fuzzywuzzy是一個非常有用的庫?？梢钥焖賹崿F(xiàn)諸如字符串匹配度、令牌匹配度等操作。它還可以方便地匹配保存在不同數(shù)據(jù)庫中的記錄。

(項目地址：https://github.com/seatgeek/fuzzywuzzy)

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 

6. PyFlux

時間序列分析是機器學習領域最常遇到的問題之一。PyFlux是為處理時間序列問題而構(gòu)建的Python開源庫。該庫擁有一系列優(yōu)秀的現(xiàn)代時間序列模型，包括但不限于ARIMA、GARCH和VAR模型?？傊?，PyFlux為時間序列建模提供了一種高效的方法。值得嘗試。

(項目地址：https://github.com/RJT1990/pyflux)

安裝：

pip install pyflux 

7. Ipyvolume

結(jié)果交流是數(shù)據(jù)科學的一個重要方面，可視化是一個很大的優(yōu)勢，IPyvolume是一個Python庫，用于在Jupyter筆記本中可視化三維圖形(如三維立體圖等)，遺憾的是目前它還處于測試版本階段。

(項目地址：https://github.com/maartenbreddels/ipyvolume)

安裝：

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

示例：

8. Dash

Dash是一個用于構(gòu)建Web應用程序的高效Python框架。它是基于Flask、Plotly.js和React.js創(chuàng)建的，并結(jié)合了現(xiàn)代UI元素(如下拉框、滑塊和圖形)與用戶分析性Python代碼綁定在一起，而不需要再借助Javascript。Dash非常適合構(gòu)建數(shù)據(jù)可視化應用。然后可以在Web瀏覽器中呈現(xiàn)這些應用程序。

(項目地址：https://github.com/plotly/dash)

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：

9. Bashplotlib

Bashplotlib是一個Python包和命令行工具，用于在終端生成基本的繪圖，使用Python編寫的，當用戶無法訪問GUI時，可視化數(shù)據(jù)就變得很方便。

安裝：

pip install bashplotlib 

示例：

scatter --file data/texas.txt --pch . 

hist --file data/exp.txt 

10. Colorama

colorama是一個Python專門用來在控制臺、命令行輸出彩色文字的模塊，可以跨平臺使用，在windows下linux下都工作良好。它使用標準的ANSI轉(zhuǎn)義碼來著色和樣式終端輸出。(項目地址：https://github.com/tartley/colorama)

安裝：

pip install colorama 

示例：

import colorama 
from colorama import Fore, Back, Style 
colorama.init() 
# Set the color semi-permanently 
print(Fore.CYAN) 
print("The Text will appear in cyan until it is reset") 
print(Style.RESET_ALL) 
# Colorize a single line and then reset 
print(Fore.RED + 'Colorize a single line in RED' + Style.RESET_ALL) 
# Colorize a single word in the output 
print('You can also colorize a single word' + Back.GREEN + 'words' + Style.RESET_ALL + ' can be highlighted') 
# Combine foreground and background color 
print(Fore.BLUE + Back.WHITE) 
print('Foreground, background, and styles can be combined') 
print("==========            ") 
print(Style.RESET_ALL) 
print('Reset everything back to normal.') 

輸出如下：

以上就是我推薦的有關于處理數(shù)據(jù)科學方面任務的Python庫，不知道有沒有你喜歡的。