适合数据科学小白的必备Python工具! ! !

图片来源于网络：

在数据科学项目的任何阶段，Python均可提供相关工具。所有数据科学项目都包含以下3个阶段。

1.数据收集

2.数据建模

1. 数据可视化

Python可为这三个阶段提供非常巧妙的工具。

数据收集

1) Beautiful Soup

https://pypi.org/project/beautifulsoup4/

Digital Ocean

数据收集包括从网页上获取数据，python可为此提供一个名为beautifulsoup的库。

该库可解析、有序存储网页内容。例如，该库将根据标题分别存储，包括存储所有标签，在页面中呈现非常简洁的URL列表。

举个例子，请看《爱丽丝梦游仙境》中一个故事的简单网页。

网页截图

显然，从中存在一些可获取的html元素。

1.标题—睡鼠的故事

2.页面文本

3.超链接 — Elsie，Lacie和Tillie。

Soup可轻松提取这些信息。

该工具可从HTML和XML文件中提取数据，表现出色，也因此成为导航、搜索和修改解析树的惯用方法。使用该工具通常可节省程序员的工作时间，从几小时到几天不等。

2) Wget

https://pypi.org/project/wget/

图片来源于网络：

下载数据，尤其是从网页上下载数据，是数据科学家们的重要任务之一。Wget是一款免费的程序，以非交互式方式从网页上下载文件。由于具有非交互式特征，即使用户未登录，程序也可在后台运行。程序支持HTTP、HTTPS和FTP协议，可通过HTTP代理进行检索。因此，下次如果从网页上下载一个网站或所有图片时，可以考虑使用wget。

3) Data APIs

除了需要用于获取或下载数据的工具外，还需要实际数据。Data APIs在这一点上很有帮助。Python中存在许多API，供您免费下载数据。例如，Alpha Vantage可提供全球股票、外汇和加密货币的实时数据和历史数据。Data APIs拥有长达20年的数据。

例如，我们可以使用alpha vantage API，提取有关比特币每日价值的数据并进行绘制：

Plotted Image

API的其他用途如下：

· 开启通知API — NASA和国际空间站数据

· 汇率API — 欧洲中央银行公布的当前和历史汇率

用于数据收集的几个API

数据建模

如本文所述，数据清洗或平衡是数据建模前的重要步骤。

1)Imbalanced-learn

http://glemaitre.github.io/imbalanced-learn/index.html

Imabalanced-learn用于平衡数据集。较其他类别而言，如果同一级别或类别的数据样本差异比例较大，那么该数据集就是不平衡的。这可能导致分类算法面临巨大考验，最终偏向具有更多数据的类别。

例如，来自该库的名为Tomek-Links的命令有助于平衡数据集：

平衡失衡的数据集

2) Scipy Ecosystem — NumPy

https://www.numpy.org/

图片来自网络：

通过python的scipy堆栈，对实际数据进行处理或建模。Python的SciPy Stack是专为Pytho中的科学计算而设计的软件集合。Scipy ecosystem包含许多有用的库，但Numpy可以说是其中最强大的工具。

NumPy全称为Numerical Python，是构建科学计算堆栈最基础的软件包。它为矩阵操作提供了很多有用的功能。如果使用过MATLAB，就会立刻发现NumPy不仅与MATLAB一样功能强大，而且在操作上也非常相似。

3) Pandas

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.html

Pandas可提供数据结构，处理并操纵数据。被称为dataframe的二维结构是最受欢迎的结构。

Pandas是处理数据的完美工具，旨在进行快速简便的数据操作、聚合和可视化。

Example of a DataFrame — Shanelynn

数据可视化

1) Matplotlib

Matplotlib是来自Scipy ecosystem的另一软件包，它可以轻松生成简单而强大的可视化。该软件是2D绘图库，可生成出版质量级别的图形，具有多种硬拷贝格式。

以下是Matplotlib输出的例子：

Bar Plot

其他例子

Taken from Matplotlib Docs

2) Seaborn

https://seaborn.pydata.org/

Seaborn是基于matplotlib的Python数据可视化库，主要用于绘制有吸引力且信息丰富的统计图形，提供高级界面。该软件主要关

注可视化，如热量地图

Seaborn docs

3) MoviePy

https://pypi.org/project/moviepy/

MoviePy是用于视频编辑的Python库，可剪切、采集、插入标题、合成、处理视频以及创建自定义效果。软件可读写所有常见格式的音频和视频，包括GIF。

https://zulko.github.io/moviepy/gallery.html

4）Bonus NLP Tool — FuzzyWuzzy

https://pypi.org/project/fuzzywuzzy/

在字符串匹配方面，该声音工具非常有用。该工具可进行快速操作，如字符串比较比率、分词比率等。

点击了解更多获取PythonWeb开发，数据分析，爬虫等学习资料，

[了解更多](https://jq.qq.com/?_wv=1027&k=5noTJDq)