11個你可能不知道的Python庫

本文由碼農網 – 小峰原創翻譯，轉載請看清文末的轉載要求，歡迎參與我們的付費投稿計劃！

現在有如此之多的Python包，幾乎沒有人能夠全盤掌握。 光是PyPI就可單獨列出47,000個包！

近日，聽到很多資料科學家切換到Python的訊息，我不由地想到，雖然他們得到了pandas、scikit-learn和numpy的一些巨大好處，但卻錯過了一些稍微老一點但同樣能提供幫助的Python庫。

在這篇文章中，我將介紹一些鮮為人知的庫。即使你已經是Python高手，也應該看看，可能會有那麼一兩個是你從來沒有見過的！

1）delorean

Delorean是一個非常酷的日期/時間庫。它是我在Python中使用過的感覺最自然的日期/時間munging庫之一。有點像JavaScript中的moment。文件也不錯，除了在技術上有幫助，還讓無數人情不自禁地回過頭來參考。

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

2）prettytable

很可能你還沒有聽說過prettytable，因為它列在GoogleCode上面——基本上是被流放的編碼裝備。

儘管被流放到了西伯利亞，prettytable在終端或在瀏覽器中依然是強大又美觀的構建輸出。所以，如果你正在為IPython的膝上型電腦搞新外掛的話，那就使用prettytable為你的HTML __repr__吧。

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

我第一次安裝snowballstemmer的原因是因為我覺得這個名字很酷。但它實際上是一個非常漂亮的小型庫。 snowballstemmer能在15種不同的語言下工作，並自帶用於引導的porter stemmer。

from snowballstemmer import EnglishStemmer, SpanishStemmer
EnglishStemmer().stemWord("Gregory")
# Gregori
SpanishStemmer().stemWord("amarillo")
# amarill

4）wget

還記得你曾因為某種目的寫的網路爬蟲（web crawler）嗎？原來是它——wget創造的。遞迴地下載網站？抓取每個頁面的每一張圖片？避開cookie 痕跡？統統只要wget。

電影《馬克·祖克伯》甚至這樣讚譽過它

首先是Kirkland，他們把一切都公開，並允許索引他們的Apache配置，所以只需要一點wget的魔術就能夠下載整個Kirkland的Facebook。太簡單了！

Python的版本帶有幾乎所有你需要的功能，並且非常易於使用。

import wget
wget.download("http://www.cnn.com/")
# 100% [............................................................................] 280385 / 280385

需要注意的是Linux和OSX使用者可能會操作的另一種選擇是：from sh import wget。不過，Python的wget模組確實有一些有爭議的地方。

5）PyMC

我不知道PyMC怎麼會經常被排除在組合之外。scikit-learn似乎是大家的寵兒（不過它確實很棒），但在我看來，PyMC沒有得到應有的地位。

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

PyMC是一個做貝葉斯分析（Bayesian analysis）的庫。它被著重描述於Cam Davidson Pilon的《Bayesian Methods for Hackers》一文中，並已在很多流行的資料科學/ python的部落格中亮過相，但一直未能得到類似於scikit-learn的推崇。

6）sh

sh允許你將shell命令作為函式匯入到Python。它在bash中做一些簡單的事情時特別有用，但你可能已經忘記怎麼在Python（即遞迴搜尋檔案）中使用了。

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

我使用過的最簡單的，排行前十位的庫就是fuzzywuzzy（如果你有時間的話，可以閱讀原始碼）。fuzzywuzzy是SeatGeek中的一些人構建的一個模糊字串匹配庫。

fuzzywuzzy可以實現如字串比較比率、令牌比率，以及許多其他匹配指標等工作。這對於創造特徵向量 （feature vectors）或匹配不同資料庫中的記錄特別有用。

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

8）progressbar

你知道那些你在一堆爛攤子中呼叫__main__的for迴圈執行print “still going…”指令碼嗎？那麼你為什麼不步驟化你的遊戲並使用progressbar呢？

誠如其名，progressbar確實就是進度條（progress bar）。雖然這不是一個完全的資料科學中的具體活動，但它確實很好地改善了那些超長的執行指令碼。

可惜的是，作為另一個GoogleCode的棄兒，它也沒有得到很多的關注（文件有2個空格的縮排……2啊！）。希望大家能對這個勤勞又能幹的娃多一點憐憫，阿門。

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

既然你為日誌設定了很好的進度條，何不讓它們變得多彩起來！而且還可以當事情出現嚴重錯誤的時候還可以提醒自己。

colorama超級易於使用。只要彈出到你的指令碼，新增任何你想要變色的文字即可：

10）uuid

在我的想法中，我們在程式設計的時候其實真正只需要幾個工具就可以了：hashing、鍵/值儲存以及全域性惟一識別符號（universally unique ids，uuid）。 uuid內建於Python的UUID庫。它實現了版本1、3、4和5的UUID標準，對於比如說保證唯一性等工作，非常方便。

這聽起來很傻，但如果你要搞一個營銷活動或電子郵件投遞的記錄，並且要確保每個人都有自己的促銷程式碼或身份證號碼的時候呢？

如果你擔心用完id，哈哈，那你完全多慮了！UUID可以生成的數量相當於宇宙中原子的數目。

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

滄海一粟的uuid

11）bashplotlib

最後這個就讓我厚著臉皮介紹吧——bashplotlib是我的作品之一。它可以讓你繪製使用標準輸入的直方圖和散點圖。因此，儘管你可能不會讓它取代ggplot或matplotlib作為日常的繪相簿，但是它非常的新穎。最起碼，可以把它作為美化日誌的一個方式。

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

希望這些Python庫能對你的開發有所幫助！