11个并不广为人知，但值得了解的Python库

这是一篇译文，文中提及了一些不常见但是有用的Python库

原文地址：http://blog.yhathq.com/posts/11-python-libraries-you-might-not-know.html

首发：伯乐在线

译者：zer0Black

校稿人：Daetalus 

Python的库多如牛毛。再见多识广的人也无法知晓全部。光PyPi的网站上就列出了超过47000个Python库。
 

本文由博客园zer0black撰写/翻译，未经允许，禁止转载

近来，越来越多的数据科学家开始使用Python，我不由得想到，尽管他们从pandas、scikit-learn和 numpy 这些库中得到了不少好处，但是他们也许错过了一些也许较老但同样有帮助的Python库。
 
在这篇博客里，我将给大家推荐一些鲜为人知的库。即便你是Python高手，也应该看一看，其中的一到两个库可能是你从没见过的。

1) Delores

本文由博客园zer0black撰写/翻译，未经允许，禁止转载

Dolorean 是一个很酷的日期/时间库。除了名字好听之外，也是一个我曾用过的最舒心的日期/时间修改库。它有点像javascript的moment 库，每次我导入它的时候都会想笑。文档也很棒，除了有技术指导外，他们还引用了《回到未来》的无数内容（来丰富文档）。
 
 
1
2
3
from delorean import Delorean
EST = "US/Eastern"
d = Delorean(timezone=EST)
这个包被放到了GoogleCode上，所以你可能没听说过。GoogleCode现在就像西伯利亚一样荒凉。
 
尽管它被流放到了一个冰天雪地、荒无人烟的地方，prettytable 仍旧是最棒的结构化输出的库，它能在终端或浏览器里构建良好的输出。因此，如果你正在用 IPython Notebook的新插件，建议你用prettytable 来代替__repr__进行HTML输出。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
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

我当初装snowballstemmer，是因为我觉得这个名字很酷炫。但它的确是一个小巧好使的包。snowballstemmer 通过porter stemmer算法来提取15种语言的单词词干。
1
2
3
4
5
from snowballstemmer import EnglishStemmer, SpanishStemmer
EnglishStemmer().stemWord("Gregory")
# Gregori
SpanishStemmer().stemWord("amarillo")
# amarill

4) wget

还记得你每次都为特定的目标写web爬虫么？以后我们可以用其他办法来完成了，那就是 wget.想要以递归的方式下载所有页面？想要抓取页面上的每张图？想要避免cookie追踪？wget可以给你想要的一切。
 
从柯克兰（寝室名）开始，这里的一切公共目录都是公开的，还允许在Apache系统里插入目录。所以用个wget就能下载柯克兰全部的照片库里的图片了。易如反掌！

222

这个页面有你想问的关于这个库的一切问题，而且它很易用。
1
2
3
import wget
wget.download("<a href="http://www.cnn.com/">http://www.cnn.com/</a>")
# 100% [............................................................................] 280385 / 280385

linux和osx的用户还会用到另一个选项：from sh import wget。不过Python wget模块还有更好的参数处理。

5) PyMC

我不记得是怎么得到PyMC 包的了。scikit-learn 似乎是所有人的宠儿（它应得的，它太出色了），但是依我看来，PyMC更有魅力。
 
1
2
3
4
5
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
 
你还不清楚它是干嘛的？那我告诉你，PyMC 主要用来做贝叶斯定理分析。它的特点在Cam Davidson-Pilon的 Bayesian Methods for Hackers 里着重介绍过，它在许多流行的数据科学/python博客上也是一颗闪耀的钻石，但是它从来没得到过像它的同类scikit-learn一样的狂热追捧。
 

6) sh

我不能在你还不知道 sh库的情况下，就让你离开。 sh用来将shell命令导入到Python中。在bash它超有用，但在Python里你可能就不住怎么使用（即递归搜索文件）。
1
2
3
4
5
6
7
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

这是我用过的能排在前十里的最简单的库。（如果你有2、3分钟，你可以读一下这个资源），fuzzywuzzy 是一个字符串模糊匹配的库，它由SeatGeek上的开发者建立。
fuzzywuzzy 实现了字符串的相似率，令牌比和许多其他的匹配模式。它也可以用来创建特征向量或者匹配不同数据库的记录。
1
2
3
from fuzzywuzzy import fuzz
fuzz.ratio("Hit me with your best shot", "Hit me with your pet shark")
# 85

8) progressbar

在你调用__main__循环的时候，你用过print "still going...” 这样的提示么？你知道么，这样会感觉特别low。想要找东西替代它么？为什么不用progressbar来提升你游戏的档次呢？
 
如你所想，progressbar 在针对精确数据的时候效果很好，它提供了一个文本模式的progressbar。但即便是一个变动的不精确数据，使用它也比用那些很长的脚本好。
 

本文由博客园zer0black撰写/翻译，未经允许，禁止转载

唉，这又是一个GoogleCode的牺牲品，它没有受到太多关注（文档有两个空格的缩进）。用pip install可以安装它。
1
2
3
4
5
6
7
8
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打印日志时，为什么不给它们加上颜色呢！实际上，当出现重大错误时，它能很快的给你提醒。
 
colorama 很容易使用。只要把它写进你的脚本，添加到想要打印的文本之前：

333

10) uuid

对于我来说，编程中真正需要的工具只有那么几个：哈希，键值对存储，和通用唯一标识符。uuid 就是Python的一个UUID包。它实现了UUID standards 标准的1，3，4，5版本。在确保唯一性上真的很方便。
 
这听起来可能会有点傻，但你有多少次想要给市场营销的（销售货物）加上唯一的促销代码？或着给e-mail收件人加上唯一的id号？
 
如果你担心耗尽ids，完全不用！UUID的可以生成原子数据。
1
2
3
import uuid
print uuid.uuid4()
# e7bafa3d-274e-4b0a-b9cc-d898957b4b61
444
如果你是UUID，你可能会这么想~~~~~

 

11) bashplotlib

不要脸的毛遂自荐一下，bashplotlib 是我创建的一个库。它通过标准输入绘制出柱状图和散点图。当然，你不需要考虑用它来替代ggplot或matplotlib来作为你每天绘图的包，只要作为新奇玩意试试就好。但至少，你可以使用它把你的日志文件弄的好看点。
1
2
$ pip install bashplotlib
$ scatter --file data/texas.txt --pch x

5555

posted @ 2015-01-30 15:43  锅总的程序人生  阅读(1221)  评论(0)  编辑  收藏  举报