十一個你可能不知道的Python庫

作者：小峰 2015-09-16 10:48:57

開發后端

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，聽到很多數據科學家切換到Python的消息，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，可能會有那么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。文檔也不錯，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。

[[149244]]

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。

盡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的筆記本電腦搞新插件的話，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，并自帶用于引導的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絡爬蟲（web crawler）嗎？原來是它——wget創造的。遞歸地下載網站？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·扎克伯格》甚至這樣贊譽過它

首先是Kirkland，他們把一切都公開，并允許索引他們的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，并且非常易于使用。

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

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

5）PyMC

我不知道PyMC怎么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。它被著重描述于Cam Davidson Pilon的《Bayesian Methods for Hackers》一文中，并已在很多流行的數據科學/ python的博客中亮過相，但一直未能得到類似于scikit-learn的推崇。

6）sh

sh允許你將shell命令作為函數導入到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么在Python（即遞歸搜索文件）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，可以閱讀源碼）。fuzzywuzzy是SeatGeek中的一些人構建的一個模糊字符串匹配庫。

fuzzywuzzy可以實現如字符串比較比率、令牌比率，以及許多其他匹配指標等工作。這對于創造特征向量（feature vectors）或匹配不同數據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調用__main__的for循環執行print “still going…”腳本嗎？那么你為什么不步驟化你的游戲并使用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數據科學中的具體活動，但它確實很好地改善了那些超長的運行腳本。

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

既然你為日志設置了很好的進度條，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超級易于使用。只要彈出到你的腳本，添加任何你想要變色的文本即可：