提到數(shù)據(jù)科學(xué)的python包，大家想到的估計(jì)是numpy，pandas，scikit-learn之類的，這里給大家介紹一些不常用，但是非常有用的python包，就像是癢癢撓，雖然大部分時(shí)間用不上，但是真要用起來(lái)，還是挺爽的。

?

作者：AI公園

Python是個(gè)了不起的語(yǔ)言。事實(shí)上，這是世界上發(fā)展最快的語(yǔ)言之一(感覺(jué)沒(méi)有之一，就是最快的)。在數(shù)據(jù)科學(xué)領(lǐng)域和開發(fā)領(lǐng)域，一次又一次的為我們提供便利。整個(gè)Python的生態(tài)和庫(kù)使之成為所有用戶都適用(初學(xué)者和高級(jí)用戶)。Python之所以這么成功，原因之一就在于它的庫(kù)，讓Python變得靈活快速。

這篇文章中，我們會(huì)看一些不太常用的數(shù)據(jù)科學(xué)的庫(kù)，除了pandas，scikit-learn，matplotlib等。盡管說(shuō)到數(shù)據(jù)科學(xué)，我們想到的就是pandas和scikit-learn，了解一下其他的python的庫(kù)也沒(méi)什么壞處。下面就是另外一些數(shù)據(jù)科學(xué)中可能會(huì)用到的Python庫(kù)。

Wget

從網(wǎng)絡(luò)獲取數(shù)據(jù)是Python科學(xué)家非常重要的任務(wù)。Wget是一個(gè)免費(fèi)的工具，可以從Web上非交互式的下載文件，支持HTTP, HTTPS, 和 FTP協(xié)議，同樣支持HTTP代理。由于是非交互式的，所以可以后臺(tái)運(yùn)行，用戶沒(méi)有登錄也可以。所以下次你需要從網(wǎng)上下載圖片的時(shí)候，可以試試wget。

安裝:

1. $ pip install wget

例子:

1. import wget
2. url = 'http://www.futurecrew.com/skaven/song_files/mp3/razorback.mp3'
3. filename = wget.download(url)
4. 100% [................................................] 3841532 / 3841532
5. filename
6. 'razorback.mp3'

Pendulum

這個(gè)是干啥的呢，你在處理日期時(shí)間的時(shí)候搞得頭大的時(shí)候，Pendulum就很適合你，這包是用來(lái)簡(jiǎn)化日期時(shí)間的操作的，具體使用可以看 這里 。

安裝:

1. $ pip install pendulum

例子:

1. import pendulum
2. dt_toronto = pendulum.datetime(2012, 1, 1, tz='America/Toronto')
3. dt_vancouver = pendulum.datetime(2012, 1, 1, tz='America/Vancouver')
4. print(dt_vancouver.diff(dt_toronto).in_hours())
5. 3

imbalanced-learn

大多數(shù)的分類問(wèn)題中，當(dāng)所有的類別中的樣本的數(shù)量大致相同時(shí)，效果是最好的，也就是樣本均衡。但是在實(shí)際情況中，往往都是非均衡的數(shù)據(jù)，這往往會(huì)影響訓(xùn)練的過(guò)程以及后面的預(yù)測(cè)。幸好，這個(gè)庫(kù)可以幫我們解決這個(gè)問(wèn)題。這個(gè)和scikit-learn兼容，是scikit-learn-contrib的一部分。下次可以試試。

安裝:

1. pip install -U imbalanced-learn
2. # or
3. conda install -c conda-forge imbalanced-learn

例子:

請(qǐng)參考文檔。

FlashText

在清洗NLP相關(guān)的數(shù)據(jù)的時(shí)候，往往需要替換一些關(guān)鍵詞或者提取一些關(guān)鍵詞。通常，可以用正則表達(dá)式來(lái)干這個(gè)活，不過(guò)正則條件的數(shù)量上千的時(shí)候，就會(huì)很頭大。FlashText是基于FlashText算法的一個(gè)模塊，提供了這種情況下的一個(gè)替代工具，F(xiàn)lashText最好的地方在于運(yùn)行時(shí)間是和搜索的條件的數(shù)量不相關(guān)的。更多的信息可以看這里。

安裝:

1. $ pip install flashtext

例子:

提取關(guān)鍵詞

1. from flashtext import KeywordProcessor
2. keyword_processor = KeywordProcessor()
3. # keyword_processor.add_keyword(name>, name>)
4. keyword_processor.add_keyword('Big Apple', 'New York')
5. keyword_processor.add_keyword('Bay Area')
6. keywords_found = keyword_processor.extract_keywords('I love Big Apple and Bay Area.')
7. keywords_found
8. ['New York', 'Bay Area']