11个你可能不知道的Python库

近日，听到很多数据科学家切换到Python的消息，我不由地想到，虽然他们得到了pandas、scikit-learn和numpy的一些巨大好处，但却错过了一些稍微老一点但同样能提供帮助的Python库。

在这篇文章中，我将介绍一些鲜为人知的库。即使你已经是Python高手，也应该看看，可能会有那么一两个是你从来没有见过的！

1）delorean

Delorean是一个非常酷的日期/时间库。它是我在Python中使用过的感觉最自然的日期/时间munging库之一。有点像JavaScript中的moment。文档也不错，除了在技术上有帮助，还让无数人情不自禁地回过头来参考。

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

2）prettytable

很可能你还没有听说过prettytable，因为它列在GoogleCode上面——基本上是被流放的编码装备。

尽管被流放到了西伯利亚，prettytable在终端或在浏览器中依然是强大又美观的构建输出。所以，如果你正在为IPython的笔记本电脑搞新插件的话，那就使用prettytable为你的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

我第一次安装snowballstemmer的原因是因为我觉得这个名字很酷。但它实际上是一个非常漂亮的小型库。 snowballstemmer能在15种不同的语言下工作，并自带用于引导的porter stemmer。

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

4）wget

还记得你曾因为某种目的写的网络爬虫（web crawler）吗？原来是它——wget创造的。递归地下载网站？抓取每个页面的每一张图片？避开cookie 痕迹？统统只要wget。

电影《马克·扎克伯格》甚至这样赞誉过它

首先是Kirkland，他们把一切都公开，并允许索引他们的Apache配置，所以只需要一点wget的魔术就能够下载整个Kirkland的Facebook。太简单了！

Python的版本带有几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用户可能会操作的另一种选择是：from sh import wget。不过，Python的wget模块确实有一些有争议的地方。

5）PyMC

我不知道PyMC怎么会经常被排除在组合之外。scikit-learn似乎是大家的宠儿（不过它确实很棒），但在我看来，PyMC没有得到应有的地位。

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是一个做贝叶斯分析（Bayesian analysis）的库。它被着重描述于Cam Davidson Pilon的《Bayesian Methods for Hackers》一文中，并已在很多流行的数据科学/ python的博客中亮过相，但一直未能得到类似于scikit-learn的推崇。

6）sh

sh允许你将shell命令作为函数导入到Python。它在bash中做一些简单的事情时特别有用，但你可能已经忘记怎么在Python（即递归搜索文件）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

我使用过的最简单的，排行前十位的库就是fuzzywuzzy（如果你有时间的话，可以阅读源码）。fuzzywuzzy是SeatGeek中的一些人构建的一个模糊字符串匹配库。

fuzzywuzzy可以实现如字符串比较比率、令牌比率，以及许多其他匹配指标等工作。这对于创造特征向量 （feature vectors）或匹配不同数据库中的记录特别有用。

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烂摊子中调用__main__的for循环执行print “still going…”脚本吗？那么你为什么不步骤化你的游戏并使用progressbar呢？

诚如其名，progressbar确实就是进度条（progress bar）。虽然这不是一个完全的数据科学中的具体活动，但它确实很好地改善了那些超长的运行脚本。

可惜的是，作为另一个GoogleCode的弃儿，它也没有得到很多的关注（文档有2个空格的缩进……2啊！）。希望大家能对这个勤劳又能干的娃多一点怜悯，阿门。

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

既然你为日志设置了很好的进度条，何不让它们变得多彩起来！而且还可以当事情出现严重错误的时候还可以提醒自己。

colorama超级易于使用。只要弹出到你的脚本，添加任何你想要变色的文本即可：

10）uuid

在我的想法中，我们在编程的时候其实真正只需要几个工具就可以了：hashing、键/值存储以及全局惟一标识符（universally unique ids，uuid）。 uuid内置于Python的UUID库。它实现了版本1、3、4和5的UUID标准，对于比如说保证唯一性等工作，非常方便。

这听起来很傻，但如果你要搞一个营销活动或电子邮件投递的记录，并且要确保每个人都有自己的促销代码或身份证号码的时候呢？

如果你担心用完id，哈哈，那你完全多虑了！UUID可以生成的数量相当于宇宙中原子的数目。

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

沧海一粟的uuid

11）bashplotlib

最后这个就让我厚着脸皮介绍吧——bashplotlib是我的作品之一。它可以让你绘制使用标准输入的直方图和散点图。因此，尽管你可能不会让它取代ggplot或matplotlib作为日常的绘图库，但是它非常的新颖。最起码，可以把它作为美化日志的一个方式。

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

希望这些Python库能对你的开发有所帮助！

译文链接：http://www.codeceo.com/article/11-python-libs-you-not-know.html 英文原文：11 Python Libraries You Might Not Know 翻译作者：码农网 – 小峰

1、回复“数据分析师”查看数据分析师系列文章

2、回复“案例”查看大数据案例系列文章

3、回复“征信”查看相关征信的系列文章

4、回复“可视化”查看可视化专题系列文章

5、回复“SPPS”查看SPSS系列文章

6、回复“答案”查看hadoop面试题题目及答案

7、回复“爱情”查看大数据与爱情的故事

8、回复“笑话”查看大数据系列笑话

9、回复“大数据1、大数据2、大数据3、大数据4”查看大数据历史机遇连载

PPV课大数据ID: ppvke123 （长按可复制）

大数据人才的摇篮！专注大数据行业人才的培养。每日一课，大数据（EXCEL、SAS、SPSS、Hadoop、CDA）视频课程。大数据资讯，每日分享！数据咖—PPV课数据爱好者俱乐部！