近來，越來越多的數(shù)據(jù)科學家開始使用Python，我不由得想到，盡管他們從pandas、scikit-learn和numpy這些庫中得到了不少好處，但是他們也許錯過了一些也許較老但同樣有幫助的Python庫。

在這篇博文里，我將給大家推薦一些鮮為人知的庫。即便你是Python高手，也應(yīng)該看一看，其中的一到兩個庫可能是你從沒見過的。
1)Delores

Dolorean是一個很酷的日期/時間庫。除了名字好聽之外，也是一個我曾用過的最舒心的日期/時間修改庫。它有點像javascript的moment庫，每次我導(dǎo)入它的時候都會想笑。文檔也很棒，除了有技術(shù)指導(dǎo)外，他們還引用了《回到未來》的無數(shù)內(nèi)容（來豐富文檔）。
 

from delorean import Delorean
EST = "US/Eastern"
d = Delorean(timezone=EST)

2)prettytable

這個包被放到了GoogleCode上，所以你可能沒聽說過。GoogleCode現(xiàn)在就像西伯利亞一樣荒涼。

盡管它被流放到了一個冰天雪地、荒無人煙的地方，prettytable仍舊是最棒的結(jié)構(gòu)化輸出的庫，它能在終端或瀏覽器里構(gòu)建良好的輸出。因此，如果你正在用 IPython Notebook的新插件，建議你用prettytable來代替__repr__進行HTML輸出。
 

from prettytable import PrettyTable
table = PrettyTable(["animal", "ferocity"])
table.add_row(["wolverine", 100])
table.add_row(["grizzly", 87])
table.add_row(["Rabbit of Caerbannog", 110])
table.add_row(["cat", -1])
table.add_row(["platypus", 23])
table.add_row(["dolphin", 63])
table.add_row(["albatross", 44])
table.sort_key("ferocity")
table.reversesort = True
+----------------------+----------+
|  animal  | ferocity |
+----------------------+----------+
| Rabbit of Caerbannog | 110 |
|  wolverine  | 100 |
|  grizzly  | 87 |
|  dolphin  | 63 |
|  albatross  | 44 |
|  platypus  | 23 |
|   cat   | -1 |
+----------------------+----------+

3)snowballstemmer

我當初裝snowballstemmer，是因為我覺得這個名字很酷炫。但它的確是一個小巧好使的包。snowballstemmer通過porter stemmer算法來提取15種語言的單詞詞干。
 
from snowballstemmer import EnglishStemmer, SpanishStemmer
EnglishStemmer().stemWord("Gregory")
# Gregori
SpanishStemmer().stemWord("amarillo")
# amarill
4)wget

還記得你每次都為特定的目標寫web爬蟲么？以后我們可以用其他辦法來完成了，那就是wget.想要以遞歸的方式下載所有頁面？想要抓取頁面上的每張圖？想要避免cookie追蹤？wget可以給你想要的一切。

馬克·扎格伯格的電影里它自己都說

    從柯克蘭（寢室名）開始，這里的一切公共目錄都是公開的，還允許在Apache系統(tǒng)里插入目錄。所以用個wget就能下載柯克蘭全部的照片庫里的圖片了。易如反掌！

    這個頁面有你想問的關(guān)于這個庫的一切問題，而且它很易用。
 

import wget
wget.download("<a )
# 100% [............................................................................] 280385 / 280385

linux和osx的用戶還會用到另一個選項：from sh import wget。不過Python wget模塊還有更好的參數(shù)處理。
5)PyMC

我不記得是怎么得到PyMC包的了。scikit-learn似乎是所有人的寵兒（它應(yīng)得的，它太出色了），但是依我看來，PyMC更有魅力。
 

from pymc.examples import disaster_model
from pymc import MCMC
M = MCMC(disaster_model)
M.sample(iter=10000, burn=1000, thin=10)
[-----------------100%-----------------] 10000 of 10000 complete in 1.4 sec

你還不清楚它是干嘛的？那我告訴你，PyMC主要用來做貝葉斯定理分析。它的特點在Cam Davidson-Pilon的Bayesian Methods for Hackers里著重介紹過，它在許多流行的數(shù)據(jù)科學/python博客上也是一顆閃耀的鉆石，但是它從來沒得到過像它的同類scikit-learn一樣的狂熱追捧。
6)sh

我不能在你還不知道sh庫的情況下，就讓你離開。sh用來將shell命令導(dǎo)入到Python中。在bash它超有用，但在Python里你可能就不住怎么使用（即遞歸搜索文件）。
 

from sh import find
find("/tmp")
/tmp/foo
/tmp/foo/file1.json
/tmp/foo/file2.json
/tmp/foo/file3.json
/tmp/foo/bar/file3.json

7)fuzzywuzzy

這是我用過的能排在前十里的最簡單的庫。（如果你有2、3分鐘，你可以讀一下這個資源），fuzzywuzzy 是一個字符串模糊匹配的庫，它由SeatGeek上的開發(fā)者建立。

fuzzywuzzy實現(xiàn)了字符串的相似率，令牌比和許多其他的匹配模式。它也可以用來創(chuàng)建特征向量或者匹配不同數(shù)據(jù)庫的記錄。
 

from fuzzywuzzy import fuzz
fuzz.ratio("Hit me with your best shot", "Hit me with your pet shark")
# 85

8)progressbar

在你調(diào)用__main__循環(huán)的時候，你用過print "still going...” 這樣的提示么？你知道么，這樣會感覺特別low。想要找東西替代它么？為什么不用progressbar來提升你游戲的檔次呢？

如你所想，progressbar在針對精確數(shù)據(jù)的時候效果很好，它提供了一個文本模式的progressbar。但即便是一個變動的不精確數(shù)據(jù)，使用它也比用那些很長的腳本好。

唉，這又是一個GoogleCode的犧牲品，它沒有受到太多關(guān)注（文檔有兩個空格的縮進）。用pip install可以安裝它。
 

from progressbar import ProgressBar
import time
pbar = ProgressBar(maxval=10)
for i in range(1, 11):
 pbar.update(i)
 time.sleep(1)
pbar.finish()
# 60% |########################################################          |

9)colorama

在你用progressbar打印日志時，為什么不給它們加上顏色呢！實際上，當出現(xiàn)重大錯誤時，它能很快的給你提醒。

colorama很容易使用。只要把它寫進你的腳本，添加到想要打印的文本之前：

colorama-red
10)uuid

對于我來說，編程中真正需要的工具只有那么幾個：哈希，鍵值對存儲，和通用唯一標識符。uuid就是Python的一個UUID包。它實現(xiàn)了UUID standards標準的1，3，4，5版本。在確保唯一性上真的很方便。

這聽起來可能會有點傻，但你有多少次想要給市場營銷的（銷售貨物）加上唯一的促銷代碼？或著給e-mail收件人加上唯一的id號？

如果你擔心耗盡ids，完全不用！UUID的可以生成原子數(shù)據(jù)。
 

import uuid
print uuid.uuid4()
# e7bafa3d-274e-4b0a-b9cc-d898957b4b61

如果你是UUID，你可能會這么想~~~~~
11)bashplotlib

不要臉的毛遂自薦一下，bashplotlib是我創(chuàng)建的一個庫。它通過標準輸入繪制出柱狀圖和散點圖。當然，你不需要考慮用它來替代ggplot或matplotlib來作為你每天繪圖的包，只要作為新奇玩意試試就好。但至少，你可以使用它把你的日志文件弄的好看點。
 

$ pip install bashplotlib
$ scatter --file data/texas.txt --pch x

最新評論