|
6.PyFlux
Python中有许多库用于研究数据科学和ML，但是当你的数据是随着时间的推移而变化的度量（例如股票价格，仪器的测量值等等）时，这对于大部分库来说是一个比较棘手的问题。
PyFlux是一个专门为时间序列而开发的Python开源库。时间序列研究是统计学和计量经济学的一个子领域，目标可以描述时间序列如何表现（以潜在的因素或兴趣的特征来表示），也可以借此预测未来的行为。
PyFlux允许使用时间序列建模，并且已经实现了像GARCH这样的现代时间序列模型。
7.Fire
通常情况下，你需要为你的项目制作命令行界面（CLI）。除了传统的argparse，Python还有一些这样的工具，Clik和docopt。Fire是今年谷歌发布的软件库，在解决这个的问题上采用了不同的方法。
Fire是一个开源的库，可以为任何Python项目自动生成一个CLI，关键是自动，你几乎不需要编写任何代码或文档来构建你的CLI！你只需要调用一个Fire方法并把它所需要构建的传递给CLI。
如果你想对此有所深入了解，请阅读指南，因为这个库可以为你节省很多时间。
8.Imbalanced-learn
在理想的情况下，我们会有完美平衡的数据集，但不幸的是，现实世界并不是这样的，某些任务拥有非常不平衡的数据。例如，在预测信用卡交易中的欺诈行为时，你预计绝大多数交易（99.9％）是合法的。天真地训练ML算法会导致令人失望的性能，所以在处理这些类型的数据集时需要特别小心。
幸运的是，Imbalanced-learn是一个Python包，它提供了一些解决这类问题的方法，并提供一些技术的实现，它与scikit-learn兼容，是scikit-learn-contrib项目的一部分。
9.FlashText
如果你需要搜索某些文本并将其替换为其他内容（如大多数数据清理流程中），则通常会转为正则表达式。通常情况下，正则表达式考研完美的解决问题。但是有时会发生这样的情况：你需要搜索的术语数量是成千上万，然后，正则表达式可能变得非常缓慢。这时FlashText是一个更好的选择，它使整个操作的运行时间大大提高了（从5天到15分钟）。FlashText的优点在于无论搜索条件有多少，运行时都是一样的，而正则表达式中运行时将随着条件数几乎呈线性增长。
FlashText证明了算法和数据结构设计的重要性，即使对于简单的问题，更好的算法也可以轻松超越最快的CPU。
10.Luminoth
现实生活中图像无处不在，理解其内容对于多个应用程序来说是至关重要的。值得庆幸的是，由于DL的发展，图像处理技术已经进步很多。
Luminoth是一个使用TensorFlow和Sonnet构建的用于计算机视觉的开源Python工具包。目前，它可以支持被称为FasterR-CNN的模型的形式进行对象检测。
并且Luminoth不仅是一个特定模型的实现，而是建立在模块化和可扩展的基础上的，所以定制现有的部分或用新的模型来扩展它来处理不同的问题，就可以能多地重用代码。它提供了用于轻松完成构建DL模型所需的工程工作如：将你的数据转换为用于提供数据管道（TensorFlow的记录）的格式，执行数据增强，在多个GPU训练，运行评估指标，在TensorBoard中可视化，并用简单的API或浏览器界面部署训练有素的模型，以便人们使用。
其他优秀的Python库：
1.PyVips
你可能从来没有听说过libvips库，首先它是一个图像处理库，如Pillow或ImageMagick，并支持多种格式。但是，与其他库相比，libvips速度更快，占用的内存也更少。PyVips是最近发布的用于libvips的Python绑定包，它与Python2.7-3.6（甚至PyPy）兼容，易于使用pip。如果在你的应用程序中需要进行某种形式的图像处理，可以考虑一下它。
2.Requestium
有时，你需要自动化网络中的某些操作，如抓取网站，进行应用程序测试，填写网页表单，要想在不暴露API的网站中执行操作，自动化是必需的。Python有很好的请求库，可以让你执行一些这样的操作，但不幸的是请求获取的HTML代码可能没有表单，你可能会尝试查找表单来填充自动化任务。解决这个问题的方法是对JavaScript代码所做的请求进行反向工程，这将意味着需要花费很多时间来调试。另一个选择是转向使用Selenium这样的库，它允许你以编程方式与Web浏览器交互并运行Javascript代码。有了这个，问题就可以解决了。 2/3 首页 上一页 1 2 3 下一页 尾页 |
