哪些Python库让你相见恨晚?
©﹋哪些Python库让你相见恨晚?
列举几个Python库吧,希望对你有所帮助。
1.日志库
安装方法:
pip install loguru
最简单的使用方法:
from loguru import logger
logger.debug("That's it, beautiful and simple logging!")
有兴趣也可以看看我之前制作的视频:https://www.ixigua.com/6839340605517070852/
2.时间处理库
安装方法:
pip install -U arrow
最简单的使用方法:
>>> import arrow
>>> now_time = arrow.now()
>>> now_time.timestamp
1368303838
有兴趣也可以看看我之前制作的视频:https://www.ixigua.com/6840103612434088462/
3.冷门的正则表达式库,不用懂正则也可以提取字符串。
安装方法:
pip install parse
最简单的使用:
>>> from parse import *
>>> parse("It's {}, I love it!", "It's spam, I love it!")
<Result ('spam',) {}>
>>> _[0]
'spam'
有兴趣也可以看看我之前制作的视频:https://www.ixigua.com/6875288541958504975/
如果你觉得这几个库都不好用,那我就不用介绍其他了。
如果感兴趣,可以关注@testerzhang,不定期发布一些相关技术文章和视频。
﹀☢哪些Python库让你相见恨晚?
这个就非常多啦,下面我简单介绍几个非常不错的Python库,感兴趣的朋友可以尝试一下:
01
tensorflow
这是谷歌一个非常著名的开源机器学习框架,在业界非常流行,社区资料丰富,接口文档全面,能随时随地构建可靠的机器学习模型,快速验证算法有效性,如果你是一个科研人员或工程人员,那么tensorflow就是一个非常不错的辅助工具,值得学习和使用:
02
pandas
这是Python一个非常著名的数据处理库,在业界非常受欢迎,内置了大量函数和类型,可以轻松处理各种文件,包括常见的Excel,CSV,Txt,Json等,代码量更少,功能也更强大,如果你需要进行复杂的数据处理,那么pandas就是一个非常不错的选择:
03
tushare
这是Python一个非常不错的财经金融库,免费、开源,集成了股票等金融数据从采集、清洗、加工到存储的全过程,极大的减轻了金融分析人员的工作量,如果你对金融股票等数据感兴趣,想快速获取到想要的信息,那么tushare就是一个非常不错的选择:
04
scrapy
这是Python一个非常著名的爬虫框架,在爬虫界非常受欢迎,免费、开源、跨平台,可定制化程度非常高,只需编写少量代码就可快速启动一个爬虫程序,相比较requests等轻型爬虫库,代码更简洁,效率更高,如果经常需要采集网页数据,那么scrapy就是一个非常不错的选择:
05
you-get
这是Python一个非常不错的视频下载工具,免费、开源、跨平台,可以快速下载B站、优酷、美拍等网站视频(图片、音频也可下载),支持在线播放、批量下载,如果你经常需要下载网页视频,缺少一个轻便灵活的下载工具,那么you-get就是一个非常不错的选择,当然,youtube-dl也非常不错:
目前,就分享这5个非常不错的Python库吧,对于日常学习和办公来说,非常有用,只要你熟悉一下使用过程,很快就能掌握的,当然,还有许多其他库,像Matplotlib,Django,Scikit-learn等也都非常不错,网上也有相关教程和资料,介绍的非常详细,感兴趣的话,可以搜一下,希望以上分享的内容能对你有所帮助吧,也欢迎大家评论、留言进行补充。
﹠┞哪些Python库让你相见恨晚?
很高兴能够看到和回答这个问题!
Python中的模块其实就是Python文件,在文件中可以定义多个类、函数、变量等。正常情况下,同一文件中的代码具有较高的连贯性,不同文件之间的代码是低耦合的,不同文件之间的代码可以相互调用,使得代码可以多次使用。
模块:
通过import Sys导入模块。如果找不到文件,会显示变量的路径值。通过Sys. 浏览搜索目录的路径,通常包含当前目录、Python目录等,并在目录列表中定义搜索顺序(通常为当前优先级)。
如果默认的搜索目录中没有指定访问模块,则必须手动将其添加到搜索目录中。如果多个模块包含相同的内容,可以在访问时指定模块的名称。
如果访问模块没有在默认的搜索目录中指定,则必须手动将其添加到搜索目录中。如果多个模块包含相同的内容,可以在调用时指定模块名称。内容会有所不同,否则根据导入顺序,会导入最后一个模块。
时间库
时间模块根据日期和时间提供不同的类和函数。时间的表达方式通常有三种:施工时间、字体时间、行时间。这三种形式可以在具体函数之间进行转换。当字符串转换为基本时间时,除了需要分析具体的百分比外,还必须在原文中输入其他地方,如空格、对角线、冒号等,否则无法找到匹配。
集群扩展到Python容器:dict、list、set、元组等,并提供一些具有特殊功能的子类。例如,反向、逆向、逆向等。
Defaultdict库
是dict dictionary的一个子类。它支持字典中的所有默认值,用来默认字典中不存在的所有键,而不是只报错。
NumPy库
在Python接口中使用高速包C,而Cython则使用额外的类型来编译Python C,以提高性能。然而,Numba无疑是最方便的,因为它允许装饰者选择加速Python函数。为了进一步提高速度,您可以使用Python标准应用程序来兼容工作负载、SIMD或GPU命令。注意:NumPy可以和Numba一起使用。毕竟NumPy有很多成熟的算法,不需要从头开始应用。不过,对于小算法,NumPy在很多情况下比NumPy高很多倍。
OpenPyxl的工作是修改Excel文件,而不是直接控制Excel。使用Openpycl,你可以自动创建电子表格和工作簿,创建公式,用这些公式填充单元格,并执行许多其他操作。你还可以改变Excel对象的属性,如格式和单元格条件。
以上便是我的一些见解和回答,可能不能如您所愿,但我真心希望能够对您有所帮助!不清楚的地方您还可以关注我的头条号“每日精彩科技”我将竭尽所知帮助您!
码字不易,感觉写的还行的话,还请点个赞哦!
╞▹哪些Python库让你相见恨晚?
这里我推荐下 python 的 seaborn 库,主要用于数据可视化,使用起来非常简单。
下面演示下简单用法,假设已经安装python包和环境管理工具conda.
# 创建环境
conda create -n visualization python=3.9 matplotlib seaborn
# 导入包
# importing packages
import seaborn as sns
import matplotlib.pyplot as plt
# 载入数据
# loading dataset
data = sns.load_dataset("iris")
# 画图并显示
sns.pairplot(data=data, hue='species')
plt.show()
效果如下图所示,
下面是 seaborn 官网的应用示例,参考下。
┋◙哪些Python库让你相见恨晚?
谈到 Python中相见恨晚的第三方模库,我想应该是一些能够颠覆自己之前代码实现的库,在支持功能、代码设计简洁方面有着非常突出的优势。很开心,在上半年遇到这样的一个Python第三方库—— pandas-profiling。这是一个对数据集进行探索性数据分析(Exploratory data analysis)的库,我们先来看下它能做什么,如下:
我们可以看到它输出了包含了各个维度的探索性数据分析统计结果,而关键的是pandas-profiling 仅用三行代码 就输出了如上的所有数据分析统计结果——强无敌。
接下来,我们来认识一下Python pandas-profiling 库。
较以往
我们使用 Pandas进行数据分析时,首先要对数据集进行探索性数据分析,以便对数据集有一个大体的了解,明确后续数据预处理、分析方向。数据EDA大致包含如下内容:
感知数据直观表现挖掘潜在结构提取重要变量处理异常值检验统计假设建立初步模型决定最优因子的设置以往,我们首先会使用 pandas.describe 方法,对数据集可以有个大体的了解,如下:
我们使用 pandas.describe可以看到如下 数据量、平均值、标准值、最小值等信息。
当然这些信息对于我们数据集探索还这远远不够,然后我们会再通过分析数据各维之间的关系,如使用折线图,散点图,关联分析等等,进一步探索数据集。
不难发现,我们要完成数据EDA操作,通常需要连续的若干步骤的操作,比较繁琐。
相见恨晚
直到看到了pandas-profiling项目,其使用 df.profile_report 扩展了Pandas DataFrame,实现了一行代码就可以生成一份超详细的数据分析报告,强无敌!
报告中包含以下关键信息:
概要:类型、惟一值、缺失值。分位数统计:如最小值,较小四分位数,中位数,较大四分位数。描述性统计:均值、标准差和中位数绝对偏差、变异系数、峰度、偏度。相关性:突出高度相关的变量,斯皮尔曼,皮尔逊和肯德尔矩阵。缺失值:矩阵、计数、热图和树状图的缺失值。下面,我们以泰坦尼克号数据集为例,来一起体验一下 pandas_profiling 的强大。代码十分简洁,如下:
执行上述代码,就会生成我们开头Gif动图中的html文件,为了方便我们更清楚的看到html中的内容,我们截图了其中部分内容的截图,如下:
------------------
推荐阅读: