效率倍增！5款超级好用的Python工具库！_import translators as ts google(1)

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Go语言开发知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以戳这里获取

Python 是一门简单易学却功能非常强大的语言。好玩实用的工具层出不穷，也给我们的工作生活带来极大的方便。在之前文章中我已多次分享过一些实用的工具，有兴趣的可以翻阅一下，今天我再分享 5 款非常实用的工具:

• Lux
• Translators
• TextShot
• Fancy-NLP
• latexify_py

1、Lux

Lux 是一个 Python 库，它可以自动化的进行数据探索，让你能更轻松的玩转数据科学。Lux 旨在与 Pandas 紧密集成，可以按原样使用，而无需修改您现有的Pandas代码。要启用Lux，只需将 import lux 与 Pandas import 语句一起添加即可。

import lux
import pandas as pd

瞧！这是一组可视化，你还可以在 Lux 中指定您感兴趣的属性和值。基于此意图，Lux会指导用户朝着潜在的下一步发展，当然还有很多功能，有兴趣可以进一步探索。

官方链接

https://lux-api.readthedocs.io/en/latest/source/getting_started/installation.html

df.intent = ["AverageCost","SATAverage"]
df

安装方法

# PyPI安装Python Lux API
pip install lux-api
#要安装小部件，我们需要安装webpack
npm install --save-dev webpack webpack-cli
# npm安装Lux Jupyter小部件
npm i lux-widget

2、Translators

Translators 集成了谷歌、必应、有道、百度等多个翻译平台 API，支持上百种语言翻译，使用便捷，配置灵活。对于批量需要翻译的场景，绝对是提效利器。

安装

# Windows, Mac, Linux
pip install translators --upgrade

# Linux javascript runtime environment:
sudo yum -y install nodejs

示例展示

import translators as ts

wyw_text = '季姬寂，集鸡，鸡即棘鸡。棘鸡饥叽，季姬及箕稷济鸡。'
chs_text = '季姬感到寂寞，罗集了一些鸡来养，鸡是那种出自荆棘丛中的野鸡。野鸡饿了唧唧叫，季姬就拿竹箕中的谷物喂鸡。'
# input languages
print(ts.deepl(wyw_text)) # default: from_language='auto', to_language='en'
## output language_map
print(ts._deepl.language_map)
# professional field
print(ts.baidu(wyw_text, professional_field='common')) # ('common','medicine','electronics','mechanics')
# requests
print(ts.youdao(wyw_text, sleep_seconds=5, proxies={}, use_cache=True))
# host service
print(ts.google(wyw_text, if_use_cn_host=True))
print(ts.bing(wyw_text, if_use_cn_host=False))

Github 官方链接

https://github.com/UlionTse/translators

3、TextShot

推荐一款高精度免费 OCR 工具：TextShot。开发这款工具仅仅使用 139 行 Python 代码完成，就可快速提取截屏文本内容并复制到剪贴板。且适用于 Windows，macOS 和 Linux 系统。

4、Fancy-NLP

Fancy-NLP 是由腾讯商品广告策略组团队构建的用于建设商品画像的文本知识挖掘工具，其支持诸如实体提取、文本分类和文本相似度匹配等多种常见 NLP 任务。与当前业界常用框架相比，其能够支持用户进行快速的功能实现。

在当前的商品广告业务场景中，我们利用该工具快速挖掘海量商品数据的特征，从而支持广告商品推荐等模块中。

安装方式

pip install fancy-nlp

示例代码

输出文本中的实体信息

from fancy_nlp.applications import NER
ner_app = NER()
ner_app.analyze('同济大学位于上海市杨浦区，校长为陈杰')

结果产出

{'text': '同济大学位于上海市杨浦区，校长为陈杰',
 'entities': [
  {'name': '同济大学',
   'type': 'ORG',
   'score': 1.0,
   'beginOffset': 0,
   'endOffset': 4},
  {'name': '上海市',
   'type': 'LOC',
   'score': 1.0,
   'beginOffset': 6,
   'endOffset': 9},
  {'name': '杨浦区',


![img](https://img-blog.csdnimg.cn/img_convert/79c40b117b9f0fcb92994fda6d5ed47d.png)
![img](https://img-blog.csdnimg.cn/img_convert/7459c79492a3dcdff155951847dbd1a9.png)

**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化的资料的朋友，可以添加戳这里获取](https://bbs.csdn.net/topics/618658159)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

做到真正的技术提升。**

**[需要这份系统化的资料的朋友，可以添加戳这里获取](https://bbs.csdn.net/topics/618658159)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**