Python 擁有海量的包，無論是普通任務還是復雜任務，我們經常在應用程式中使用大量的工具包，本文我將討論一些常被低估的資料科學包，包括：資料清理、應用程式開發和除錯方面，
1、Faker
生產環境通常具有實時資料，把它放到測驗環境中并不容易，我們必須對從生產到測驗環境的資料進行標記化，這通常會將資料轉換為亂碼，
此外，在欺詐行業，我們需要找出欺詐身份，為了生成假PII（個人可識別資訊），我使用了一個名為Faker的包，這是一個很酷的軟體包，可以讓你創建一個帶有地址、名字等的假PII，
以上是一些虛假資料的例子，帶有 GAN 假影像的假資料可以給出一個真實的人，
2、Pywebio
我們知道 Flask 適用于 Python 端的表單、UI 和 restapi，然而，如果想要一個簡單的表單，Flask就不太適用了，通常用 Pywebio 來創建，它會創建了一個簡單、干凈的UI，所有的代碼都是用普通的python撰寫的，并且我們不用額外學新東西！
# 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()
在幾秒鐘內，它轉換為一個前端 UI 網頁，我們還可以撰寫一些會話并處理輸入和輸出，查看他們的檔案以獲取詳細資訊，
3、Airflow
Airflow 是我最喜歡的軟體包之一，它是一種作業流管理工具，在 MLOPS 中經常被低估和較少使用，它還可以用于特定的執行間隔、重新訓練模型、批處理、網站抓取、投資組合跟蹤、自定義新聞提要等，
在作業流程方面，選項是無限的，它還可以連接到特定服務的云服務商，代碼可以用 python 寫，在 UI 上可以看到執行，非常棒，作業流也可以按特定時間間隔進行安排，
4、Loguru
Logger 是我討厭但又不得不使用的工具，它是除錯應用程式的最佳方法之一，但是，logger 里面的日志太多了，讓人比較煩，而 Loguru 在某種程度上就比較友好，它雖不能解決所有挑戰，但是它很容易添加日志陳述句并為其添加更多除錯，
from loguru import logger
logger.debug("That's it, beautiful and simple logging!")
它還有助于拆分檔案并執行清理，因此我們不需要查看所有歷史日志，
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
你還可以使用引數 backtrace 來回溯執行，
簡而言之，在生產環境中使用這個包來除錯應用程式或 AI 模型訓練是值得的，
5、Pydash
通常在資料清洗或處理中，我們要處理大量的資料清洗，這些是一些較小的專案，需要時間，例如，如何展平串列？當然，你可以寫一個清單，但是如果有一個快速功能來執行這些操作呢？
這就是Pydash閃耀的地方，它成為了我的快速轉到庫，其中包含一系列python實用程式，
以上只是一個小例子，它包含很多功能，絕對值得一看，
6、Weights & Biases
WANDB是跟蹤和可視化機器學習管道最有用的包之一，我最喜歡的部分是他們的central dashboard，它類似于記錄器，但可以做更多的事情，
它易于使用，并集成了最流行的庫，如 Tensorflow、PyTorch、fastai、huggingface 等，但是，在商業領域使用它時有一些限制，你必須付費訂閱，除此之外，它是一個很棒的庫，
7、PyCaret
在R中我最喜歡的一個包是caret 包，當我看到 PyCaret 包時，我很興奮，因為它簡化了許多編碼，當你想快速做某件事情時可以使用，這個包有很多關于默認引數的選項，可以用不同的度量點運行不同的模型，
Summary
正如本文所說的，我們看到在應用程式開發或資料分析中使用了不同的包，這并不是一份詳盡的清單，我會繼續為大家分享更多的實用的工具包，如果你有使用任何其他經常未低估的軟體包，可以在評論中告訴我，
技術交流
歡迎轉載、收藏本文，碼字不易，有所識訓點贊支持一下！
為方便進行學習交流，本號開通了技術交流群，添加方式如下：
直接添加小助手微信號：pythoner666，備注：CSDN+python，或者按照如下方式添加均可！
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/287392.html
標籤：python
上一篇：用python實作csdn博主全部博文下載，html轉pdf，有了學習的電子書了。。。（附原始碼）
下一篇：Java 給圖片加 文字水印