Python数据分析不可错过的优质项目

前言

PyHubWeekly每周定期更新，精选GitHub上优质的Python项目/小工具。

我把PyHubWeekly托管到了Github，感兴趣的可以搜索Github项目PyHubWeekly，如果喜欢，麻烦给个Star支持一下吧。此外，欢迎大家通过提交issue来投稿和推荐自己的项目~

本期为大家推荐GitHub上5个优质的Python项目，它们分别是：

• git-imerge
• homu
• ProxyPool
• PythonDataScienceHandbook
• selenium

下面分别来介绍一下上述5个GitHub项目。

git-imerge

Star：2k

git-imerge是一款用于增量合并分支、减少冲突的Python小工具。

在使用git进行版本控制的过程中，最令人痛苦的事情之一就是合并时产生的冲突，在解决冲突的过程中，不仅面临很大的误操作风险，还需要很多让人苦不堪言的手动操作。

当然，在这些冲突中，有一些是无法避免的，但是也有很多事可以避免的，使得冲突最小化。

当使用git-imerge进行增量合并时，它会给出如下提示，

while not done:
    <fix the conflict that is presented to you>
    <"git add" the files that you changed>
    git-imerge continue

解决完冲突之后，使用如下命令完成修改，

git-imerge finish

homu

Star：638

homu是一款与Github继承的机器人小工具，一款增强Github的自动化工具。

以Travis CI为例，如果将pull请求发送到存储库，Travis CI会立即显示测试结果，这样虽然看似很好。但是，在几个其他的pull请求被合并到主分支之后，pull请求在被合并到主分支之后可能会破坏一些东西。

要解决这个问题，应该在合并之前执行测试过程，而不是在接收到pull请求之后。你可以在每次合并pull请求之前手动单击“restart build”按钮。

显然，每次手动执行这个过程是很麻烦的，homu可以自动执行此过程。它监听pull 请求，然后通过集成服务对它进行测试，只有当它通过所有测试时，它才会被合并到master中。

ProxyPool

Star：1.2k

ProxyPool是一款高效的代理池工具。

我们在很多工作场景下会用到代理，例如，一个比较典型的场景：爬虫。通过这些代理，我们可以解决针对不同网站的请求问题，但是，有些代理是收费的，有些是免费的，当需要到用到免费代理时却无从下手。

ProxyPool提供了免费高效的代理池，它具有如下特点，

• 定时抓取免费代理网站，简易可扩展。
• 使用 Redis 对代理进行存储并对代理可用性进行排序。
• 定时测试和筛选，剔除不可用代理，留下可用代理。
• 提供代理 API，随机取用测试通过的可用代理。

安装依赖包

使用ProxyPool之前首先需要安装依赖包，

pip3 install -r requirements.txt

运行代理池

ProxyPool提供Tester、Getter、Server三种方法，可以单独运行，也可以全部运行。

全部运行，命令如下，

python3 run.py

单独运行，命令如下，

python3 run.py --processor getter
python3 run.py --processor tester
python3 run.py --processor server

PythonDataScienceHandbook

Star：22.7k

PythonDataScienceHandbook是一个使用Jupyter Notebook编写的一个数据科学手册。

数据分析、挖掘是Python比较热门的一个应用领域，也是现在在企业中应用和岗位较多的方向。所以，我认为，如果学习Python，数据科学是很多同学都无法绕开的，因此，掌握数据科学的技能是非常有必要的。

在数据科学中，经常用到的第三方库主要有如下几个，

• numpy
• pandas
• matplotlib
• scikit-learn

通过PythonDataScienceHandbook，你不仅可以能够学到数据分析、挖掘、机器学习的理论知识，还可以在这些知识的过程中掌握上述这些常用Python第三方库的使用。

selenium

Star：17.3k

selenium是一款热门、强大的web自动化工具。

我们每天大多数时间都花费在浏览器上，例如，知识和数据的获取。我们需要频繁、重复的访问web浏览器。虽然，我们已经对手动访问习以为常，但是，其中有很多工作是可以用自动化工具替代，可以解放一下双手。

此前，我曾介绍过一款web自动化工具helium，它就是基于selenium开发的一款工具。

但是，这些被封装好的工具难免定制性太强，灵活度不够，我们可以发散思维，基于selenium开发出一款个性化的自动化工具集，来满足个人的需求。此外，selenium还支持如下多种编程语言的API接口，

• C#
• JavaScript
• Java
• Python
• Ruby

以Python为例简单的介绍一下selenium的使用。

安装

pip install -U selenium

selenium的运行，需要依赖不同浏览器的驱动，例如，Firefox、Google、Edge，下面以Firefox给出一段示例代码，

from selenium import webdriver
from selenium.webdriver.common.keys import Keys
​
browser = webdriver.Firefox()
​
browser.get('http://www.yahoo.com')
assert 'Yahoo' in browser.title
​
elem = browser.find_element_by_name('p')  # Find the search box
elem.send_keys('seleniumhq' + Keys.RETURN)
​
browser.quit()

这样就可以在浏览器中完成一系列的动作。