有哪些实用Python库

本文主要讲解“有哪些实用的Python库”，简单明了，易学易懂。请跟随边肖的思路，一起学习学习“有哪些实用的Python库”！

Wget

从网络中提取数据是数据科学家的重要任务之一。Wget是一个免费的实用程序，可以用来从网络下载非交互式文件。它支持HTTP、HTTPS和FTP协议，以及通过HTTP代理进行文件检索。因为它是非交互式的，所以即使用户没有登录，它也可以在后台工作。所以下次你想下载网站或页面上的所有图片，wget可以帮你。安装：

$ pipinstallwget例子：

import wgeturl=' http://www . future recw.com/ska ven/song _ files/MP3/razor back . MP3 ' filename=wget . download(URL)100%[......]3841532/3841532 filename ' razor back . MP3 ' # # #钟摆对于那些在python中处理日期和时间时感到沮丧的人来说，钟摆非常适合你。这是一个简化日期和时间操作的Python包。它是Python本地类型的简单替代。请参考文档进行进一步研究。

安装：

$ pipinstallshuttle例子：

importpendulumdt _ toronto=钟摆. datetime(2012，1，1，tz=' America/Toronto ')dt _温哥华=钟摆. datetime(2012，1，1，tz=' America/温哥华')print(dt _温哥华. diff(dt_toronto)。in _ hours())3imbalanced-learn

可以看出，当每个类中的样本数量基本相同时，大多数分类算法的效果最好，即需要保持数据平衡。然而，大多数真实案例是不平衡数据集，对机器学习算法的学习阶段和后续预测有很大影响。幸运的是，这个库是用来解决这个问题的。它与scikit-learn兼容，是scikit-lear-contrib项目的一部分。下次遇到不平衡的数据集，请尝试使用。

安装：

管道安装-不平衡-学习#或管道安装-管道安装-锻造不平衡-学习例子：.

有关用法和示例，请参考文档。

FlashText

在自然语言处理任务中，经常需要替换句子中的关键词或从句子中提取关键词来清理文本数据。通常这个操作可以用正则表达式来完成，但是如果要搜索的词条数达到几千，就会变得非常麻烦。Python的FlashText模块基于FlashText算法，为这种情况提供了合适的替代方案。关于FlashText最好的一点是，无论搜索词数量多少，运行时间都是一样的。你可以在这里学到更多。

安装：

$ pipinstallflashtext例子：

提取关键词

fromsflashtextimportkeywordprocessorkeyward _ processor=KeywordProcessor()# KeywordProcessor _ processor . add _ keyword(uncleanename，标准化名称)nb

sp; 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']

替换关键字

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.' Fuzzywuzzy

这个库的名字听起来很奇怪，但是在字符串匹配方面，fuzzywuzzy 是一个非常有用的库。可以很方便地实现计算字符串匹配度、令牌匹配度等操作，也可以很方便地匹配保存在不同数据库中的记录。

安装：

$ pip install fuzzywuzzy

例子：

from fuzzywuzzy import fuzz  from fuzzywuzzy import process  # 简单匹配度  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 仓库找到。

PyFlux

时间序列分析是机器学习领域中最常见的问题之一。PyFlux 是 Python 中的一个开源库，它是为处理时间序列问题而构建的。该库拥有一系列优秀的现代时间序列模型，包括但不限于 ARIMA、GARCH 和 VAR 模型。简而言之，PyFlux 为时间序列建模提供了一种概率方法。值得尝试一下。

安装

pip install pyflux

例子

详细用法和例子请参考官方文档。

Ipyvolume

结果展示也是数据科学中的一个重要方面。能够将结果进行可视化将具有很大优势。IPyvolume 是一个可以在 Jupyter notebook 中可视化三维体和图形（例如三维散点图等）的 Python 库，并且只需要少量配置。但它目前还是 1.0 之前的版本阶段。用一个比较恰当的比喻来解释就是：IPyvolume 的 volshow 对于三维数组就像 matplotlib 的 imshow 对于二维数组一样好用。可以在这里获取更多。

使用 pip

$ pip install ipyvolume

使用 Conda/Anaconda

$ conda install -c conda-forge ipyvolume

例子

•  动画   

• 体绘制

Dash

Dash 是一个高效的用于构建 web 应用程序的 Python 框架。它是在 Flask、Plotly.js 和 React.js 基础上设计而成的，绑定了很多比如下拉框、滑动条和图表的现代 UI 元素，你可以直接使用 Python 代码来写相关分析，而无需再使用 javascript。Dash 非常适合构建数据可视化应用程序。然后，这些应用程序可以在 web 浏览器中呈现。用户指南可以在这里获取。

安装

pip install dash==0.29.0  # 核心 dash 后端  pip install dash-html-components==0.13.2  # HTML 组件  pip install dash-core-components==0.36.0  # 增强组件  pip install dash-table==3.1.3  # 交互式 DataTable 组件（最新！）

例子下面的例子展示了一个具有下拉功能的高度交互式图表。当用户在下拉菜单中选择一个值时，应用程序代码将动态地将数据从 Google Finance 导出到 panda DataFrame。

Gym

OpenAI 的 Gym 是一款用于增强学习算法的开发和比较工具包。它兼容任何数值计算库，如 TensorFlow 或 Theano。Gym 库是测试问题集合的必备工具，这个集合也称为环境 —— 你可以用它来开发你的强化学习算法。这些环境有一个共享接口，允许你进行通用算法的编写。

安装

pip install gym

例子这个例子会运行CartPole-v0环境中的一个实例，它的时间步数为 1000，每一步都会渲染整个场景。

感谢各位的阅读，以上就是“有哪些实用Python库”的内容了，经过本文的学习后，相信大家对有哪些实用Python库这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是，小编将为大家推送更多相关知识点的文章，欢迎关注！