六個好用的Python庫，絕對是瑰寶!
在當今的技術浪潮中，Python已經成為了一種廣泛應用的編程語言。而要想充分發揮Python的威力，離不開各種優秀的庫的支持。這些庫能夠提供豐富的功能和強大的工具，幫助開發者們更高效地完成各種任務。在本文中，筆者將介紹6個被譽為瑰寶的Python庫，它們無疑會讓你的編程之旅變得更加輕松！
PyGWalker
https://github.com/Kanaries/pygwalker
PyGWalker是個在Jupyter Notebook環境中運行的可視化探索式分析工具，僅一條命令即可生成一個可交互的圖形界面，以類似Tableau/PowerBI的方式，通過拖拽字段進行Pandas數據分析。
Science plots
SciencePlots是一款用于科學繪圖的Python工具包。
當我們看學術期刊、論文時會看到各種各樣高大上的圖形。會好奇，這么好看的圖到底怎么畫的？是不是很困難？
的確，現在很多Python繪圖工具只是關注圖形所表達的數據信息，而忽略了樣式。
SciencePlots則彌補了這片空白，它是一款專門針對各種學術論文的科學繪圖工具，例如，science、ieee等。
如下圖所示是SciencePlots繪制的ieee期刊多類別散點圖效果。
pydbgen
pydbgen是一個輕量的純 Python 庫，它可以用于生成隨機但有意義的數據記錄（包括姓名、地址、信用卡號、日期、時間、公司名稱、職位、車牌號等等），存放在 Pandas Dataframe 對象中，并保存到 SQLite 數據庫或 Excel 文件。
如下示例是利用pydbgen生成隨機的Pandas Dataframe，并生成數據庫表。
import pydbgen
from pydbgen import pydbgen
myDB=pydbgen.pydb()
testdf=myDB.gen_dataframe(5,['name','city','phone','date'])
HandCalcs
HandCalcs是一個非常實用的Python模塊，可以幫助開發者輕松地從Python代碼中生成LaTeX報告。使用HandCalcs，你只需編寫最少的代碼，就能自動生成符合LaTeX格式的數學方程。
對于經常使用LaTeX進行科技文檔編寫的開發者來說，HandCalcs是一個必備的工具。它可以大大減少手動編寫、調整和更新數學方程的工作量，提高文檔編寫的效率和準確性。
如下示例是使用HandCalcs生成LaTeX格式數學方程的效果。
from math import sqrt,asin,sin
import handcalcs.render
%%render
#symbolic
a = 1
b = 4
c = 3
x = (-b+sqrt(b**2-4*a*c))/(2*a)
AnimatPlot
AnimatPlot是一個開源的python庫，它構建在Matplotlib之上，用于創建高度交互式的動畫繪圖。
示例如下：
# 導入所需的庫
import numpy as np
import matplotlib.pyplot as plt
import animatplot as amp
# 創建了一些坐標軸上的點
x = np.linspace(-2, 2, 41)
y = np.linspace(-2, 2, 41)
t = np.linspace(0, 2*np.pi, 30)
X, Y, T = np.meshgrid(x, y, t)
# 使用生成的坐標點，計算
data = np.sin(X*X+Y*Y-T)
line_data = data[20,:,:]
# 創建包含兩個子圖的圖形窗口，并設置各種圖形的屬性，如坐標軸便簽、標題等
fig, (ax1, ax2) = plt.subplots(1, 2)
for ax in [ax1, ax2]:
ax.set_aspect('equal')
ax.set_xlabel('x')
ax2.set_ylabel('y', labelpad=-5)
ax1.set_ylabel('z')
ax1.set_ylim([-1.1,1.1])
fig.suptitle('Multiple blocks')
ax1.set_title('Cross Section: $y=0$')
ax2.set_title(r'$z=\sin(x^2+y^2-t)$')
# 創建兩個block對象
# Line塊用于繪制一條線，Pcolormesh塊用于繪制一個偽彩色網格
line_block = amp.blocks.Line(X[0,:,:], line_data,
ax=ax1, t_axis=1)
block = amp.blocks.Pcolormesh(X[:,:,0], Y[:,:,0], data, ax=ax2, t_axis=2, vmin=-1, vmax=1)
# 添加顏色條，用于顯示偽彩色網格的顏色映射。
plt.colorbar(block.quad)
# 創建時間軸對象，再使用Animation類將塊和時間軸對象組合成一個動畫
timeline = amp.Timeline(t, fps=10)
anim = amp.Animation([block, line_block], timeline)
# 添加用戶界面控制動畫的小部件
anim.controls()
# 顯示動畫窗口
plt.show()
KnockKnock
KnockKnock是一個便捷的Python庫，它會在機器學習模型訓練結束或崩潰時發出通知。用戶可以通過電子郵件、Slack、Microsoft Teams等方式接收通知。
它提供了簡單的接口，通過幾行代碼即可設置不同的通知方式，使你能夠及時了解訓練進度和狀態。以下是一個簡單的示例：
from knockknock import email_sender
# 設置郵件發送的配置信息
email_config = {
"email_address": "your_email@example.com",
"password": "your_email_password",
"smtp_server": "smtp.example.com",
"smtp_port": 587,
"receiver_email": "receiver_email@example.com"
}
@email_sender(**email_config)
def train_model():
# 訓練模型的代碼
# ...
# 調用訓練函數
train_model()在這個示例中，通過裝飾train_model函數，使用提供的郵件配置信息設置了郵件發送功能。當訓練完成或崩潰時，將通過電子郵件發送通知。
