Python 拥有海量的包,无论是普通任务还是复杂任务 ,我们经常在应用程序中使用大量的工具包 。本文我将讨论一些常被低估的数据科学包,包括:数据清理 、应用程序开发和调试方面。

1、Faker

生产环境通常具有实时数据。把它放到测试环境中并不容易 。我们必须对从生产到测试环境的数据进行标记化,这通常会将数据转换为乱码 。

此外 ,在欺诈行业 ,我们需要找出欺诈身份。为了生成假PII(个人可识别信息),我使用了一个名为Faker的包,这是一个很酷的软件包 ,可以让你创建一个带有地址、名字等的假PII。


以上是一些虚假数据的例子 。带有 GAN 假图像的假数据可以给出一个真实的人。

2 、Pywebio

我们知道 Flask 适用于 Python 端的表单 、UI 和 restapi。然而,如果想要一个简单的表单,Flask就不太适用了 。通常用 Pywebio 来创建 ,它会创建了一个简单、干净的UI。所有的代码都是用普通的python编写的,并且我们不用额外学新东西!

# A simple script to calculate BMI
from pywebio.input import input, FLOAT
from pywebio.output import put_text

def bmi():
    height = input("Input your height(cm):", type=FLOAT)
    weight = input("Input your weight(kg):", type=FLOAT)

    BMI = weight / (height / 100) ** 2

    top_status = [(16, 'Severely underweight'), (18.5, 'Underweight'),
                  (25, 'Normal'), (30, 'Overweight'),
                  (35, 'Moderately obese'), (float('inf'), 'Severely obese')]

    for top, status in top_status:
        if BMI <= top:
            put_text('Your BMI: %.1f. Category: %s' % (BMI, status))
            break

if __name__ == '__main__':
    bmi()


在几秒钟内,它转换为一个前端 UI 网页。我们还可以编写一些会话并处理输入和输出 ,查看他们的文档以获取详细信息 。

3、Airflow

Airflow 是我最喜欢的软件包之一,它是一种工作流管理工具,在 MLOPS 中经常被低估和较少使用 ,它还可以用于特定的执行间隔 、重新训练模型、批处理、网站抓取 、投资组合跟踪、自定义新闻提要等。

在工作流程方面,选项是无限的,它还可以连接到特定服务的云服务商。代码可以用 python 写 ,在 UI 上可以看到执行 ,非常棒 。工作流也可以按特定时间间隔进行安排。

4、Loguru

Logger 是我讨厌但又不得不使用的工具,它是调试应用程序的最佳方法之一。但是,logger 里面的日志太多了 ,让人比较烦 。而 Loguru 在某种程度上就比较友好,它虽不能解决所有挑战,但是它很容易添加日志语句并为其添加更多调试 。

from loguru import logger

logger.debug("That's it, beautiful and simple logging!")

它还有助于拆分文件并执行清理 ,因此我们不需要查看所有历史日志。

logger.add("file_1.log", rotation="500 MB")    # Automatically rotate too big file
logger.add("file_2.log", rotation="12:00")     # New file is created each day at noon
logger.add("file_3.log", rotation="1 week")    # Once the file is too old, it's rotated

logger.add("file_X.log", retention="10 days")  # Cleanup after some time

logger.add("file_Y.log", compression="zip")    # Save some loved space

你还可以使用参数 backtrace 来回溯执行。

简而言之,在生产环境中使用这个包来调试应用程序或 AI 模型训练是值得的 。

5 、Pydash

通常在数据清洗或处理中,我们要处理大量的数据清洗。这些是一些较小的项目 ,需要时间。例如,如何展平列表?当然,你可以写一个清单 ,但是如果有一个快速功能来执行这些操作呢?

这就是Pydash闪耀的地方,它成为了我的快速转到库,其中包含一系列python实用程序 。

以上只是一个小例子 ,它包含很多功能 ,绝对值得一看。

6、Weights & Biases

WANDB是跟踪和可视化机器学习管道最有用的包之一,我最喜欢的部分是他们的central dashboard,它类似于记录器 ,但可以做更多的事情。

它易于使用,并集成了最流行的库,如 Tensorflow、PyTorch 、fastai、huggingface 等 。但是 ,在商业领域使用它时有一些限制,你必须付费订阅。除此之外,它是一个很棒的库。

7、PyCaret

在R中我最喜欢的一个包是caret 包 ,当我看到 PyCaret 包时,我很兴奋 。因为它简化了许多编码,当你想快速做某件事情时可以使用。这个包有很多关于默认参数的选项 ,可以用不同的度量点运行不同的模型。

Summary

正如本文所说的,我们看到在应用程序开发或数据分析中使用了不同的包,这并不是一份详尽的清单 ,我会继续为大家分享更多的实用的工具包 。如果你有使用任何其他经常未低估的软件包 ,可以在评论中告诉我 。

技术交流

欢迎转载 、收藏本文,码字不易,有所收获点赞支持一下!

为方便进行学习交流 ,本号开通了技术交流群,添加方式如下:

直接添加小助手微信号:pythoner666,备注:CSDN+python ,或者按照如下方式添加均可!

文章来源于网络,如有侵权请联系站长QQ61910465删除
本文版权归趣快排www.sEoguruBlog.com 所有,如有转发请注明来出,竞价开户托管,seo优化请联系QQ✈61910465