Python自用工具包PyTls

我们搞了个python的工具包PyTls。

做这件事的初衷是发生了一个星期要用python同时开发3个项目的情况，我发现了两个现象：1.有很多定制化的需求是极度高频反复重写的；2.有很多功能之前写过，可能因为稍许复杂又忘了，再用的时候又要去Google。所以，拉着同组的一个实习生，一起维护了PyTls的这个项目，为的就是那句"life is short, we need python"。

所有的详细的测试demo都可以在我的git找到，PyTls的测试demos 希望可以帮助到你一些，以下简单的介绍解释一下每个功能。

---

dictt

get_map_value()

由于工程设计问题，我们的数据流中存在多层的字典数据格式：
```
In [7]: msg = {'time':{'20190714':234,'20190715':311}}
In [8]: dictt.get_map_value(msg,None,True,'time','20190714')
Out[8]: 234
```
这边None是查找不到的时候的默认值，True可以不用管，是我这边设计的是否一定要底层查找，比较业务化通用性不好，True之后就是依次需要按逻辑查找的dict字段。

update_map_value()

is_strict：True不允许新增kv，这边不会报错，只会增加不成功，需要注意一下。

sort_map_key()

按key排序字典，desc：是否降序
```
In [24]: msg = {11: 2, 2: 3, 9: 2}
    ...: print(dictt.sort_map_key(msg, desc=False))
[(2, 3), (9, 2), (11, 2)]
```

sort_map_value()

按value排序，其他同上

get_tree()

构建一个以字典为基础的树结构，字典套字典

swap()

key,value交换

merge()

合并两个dict,顺便说一句，reduce(merge,*dicts)，合并N个，这个比较少用就没整理

func_dict()

这个功能比较拗口，比如我们现在有个function，input 2，output 4，且想存储所有的kv结果，所以可以用这个功能进行记录。注意，这边的入参应该是一个**函数**。
```
F = dictt.func_dict(lambda x: x * 2)
print((F[2], F))
# (4, defaultdict(<function <lambda> at 0x103d812f0>, {2: 4}))
```

WordCount()

字典树，快速查询和高效存储，支持string和list/tuple；支持计数、查找、位置校验三个核心功能
目前只output了是否存在查询词的功能，稍微改一下output就可以得到计数结果和位置结果，看有需要后期扩展一下这个功能，要说的是里面用了dfs，有点慢所以加了cache，这个点大家可以自行优化。

---

StrBuffer

参考java中的StringButter而写的字符类，增加一些功能，重命名了我比较熟悉喜欢用的函数名，加了一些str内置没有的功能

append()

增加一个字符

index_at()

查找某个元素的index

sort()

排序元素，字典序

reverse()

倒排所有字符

char_at()

查找某个index的元素

to_str()/storge()

to_str:以string的方式打印当前字符串
storge:以list的方式打印当前字符串

---

strt

str_reverse()

字符串反转

str_repeat()

字符串快速复制，n为复制的次数

str_splits()

字符串批切割，split_chars为分隔符，支持多个，以|连接，warning_info可以设置为False进行关闭，取消提示信息

---

typet

基础的格式判断类，复用程度不高，主要是用来支持这个项目中的其他功能

is_none()

是否为None，支持None和np.nan判断

is_type()

判断是否为对应类型，类似于isinstance

is_empty()

判断是否为空

is_has_attr()

判断是否含有某个属性，类中是否有某个属性变量

---

loaddatat

pickle 的数据持久化，这个我用的最多，特别好用，可以支持在保持模型，整理数据，保存日志，存储报错信息等各个方向，我基本上每次必加载

readbunchobj()

读数据

writebunchobj()

存数据

---

randomt

随机数

get_random()

迭代器办，每次随机取一个;min_value, max_value限制范围，limit限制可取的迭代次数

---

Chinese2num.py

数字相关，提取数字更加强大的功能建议参考YMMNlpUtils

Chinese_2_num()

中文转成数字，支持繁体中文简体中文的转换，如果是提取手机号的或者更复杂的数据建议参考YMMNlpUtils项目

isdigit()

判断是否为数字，同样也支持小数，也可以识别str后的数字，会自动解析掉str，"0.234"-->True

---

matht

数学相关的类，包括信息熵，ln，互信息，条件概率等;部分熵计算的函数中有个expiation的参数，设置为False就不提醒是否越大越稳定还是不稳定的提示信息了，主要是我老忘，自己提醒自己的

ln()

以e为底的对数

entropy()

熵值，这边分两种情况，type="list"的时候input为每种情况发生的结果，比如[1,1,2,3,4,2];type="prob"的时候input为每种情况发生的概率，比如[1/3,1/3,1/6,1/6]

condition_entropy()

条件熵，求和 H（X|Y）= Σ p(Y=yi)*H（X|Y=yi)

MI()

来自于条件概率计算法：H(x)-H(x/y)，这边input默认的是每种情况发生的结果而非概率，比如：[1,0,1,0],[2,3,2,3]

NMI()

来自于公式的互信息熵计算：2*∑pxylog(pxy/(px*py))/(H(x)+H(y))，这边input默认的是每种情况发生的结果而非概率，比如：[1,0,1,0],[2,3,2,3]

word_edit_distince()

文本编辑距离，衡量两个字符串之间的相似度

BM25

在文档包含查询词的情况下，或者说查询词精确命中文档的前提下，计算相似度，对内容进行排序

relative_entropy

相对熵，也叫KL散度，H(p||q) = ∑pxlog(px/py),如果px与py分布一致，则return 0，差异越大return的值越大;H(p||q) = H(p,q) - H(p)

cross_entropy

交叉熵，H(p,q) = -∑pi*log(qi) , H(p||q) = H(p,q) - H(p)

JSD

衡量两个多项分布的距离，衡量两个多项分布的相似度

Hellinger_Distince

海林格距离，用来衡量概率分布之间的相似性

---

listt

list相关的处理，list是我最常用的一个type，所以我写了比较多而且以后也会最常去更新的一个地方，确实很多东西固化下来很好用;该部分代码尽可能考虑了时间复杂度，可能会牺牲一些空间复杂度，各位自行取舍

index_hash_map()

list元素出现位置，等同于numpy array中的`np.where`

Pi()

list元素出现的个数分布

single_one()

当数据是**成对出现**时候，找出其中落单的element；[2,2,1]-->[1]

subset()

找出对应list的子集;[1,2]-->[[],[1],[2],[1,2]]

permute()

找出对应list的全排列;[1,2]-->[1,2],[2,1]

flatten()

高维列表展开;[[1,2,3],[3,[4]]]--> [1, 2, 3, 3, 4]

duplicates()

原序去重；[3,3,1,2] -- >[3,1,2]

topn()

高频统计，返回list中高频出现的topn的对象，n为需要返回的个数；list:[3,3,1,2],n=1-->[(3,2)]

getindex()

返回list中最大/最小元素的位置:[3,1,2],flag="max"-->0/[3,1,2],flag="min"-->1;这边参数flag记得要小写min/max，大写暂不识别

split()

list按照指定个数切分，比如split([1,2,3,4],3)-->[(1,2,3)]；如果list%需要切分的长度!=0，则末端部分会被舍弃，需要注意一下；如果确实需要的话可以进行尾部以0填充，保证不丢失数据；

unzip()

把zip后的数据还原

---

trickt

日常使用的一些trick，可能不好归纳为当前的分类中的某一类，所以暂时先放在trickt包中，待认领

choose_method()

根据condition不同的情况下，判断使用哪个函数
```
def add(a, b):
	return a + b
def subtract(a, b):
    return a - b
param1 = 2
param2 = 1
choose_method(add, subtract, param1 > param2, param1, param2)
choose_method(add, subtract, param1 < param2, param1, param2)
```

Timer()

```
In [42]: with Timer():
...:     time.sleep(2)
...:
total time is 2.0000739097595215 second.
```

欢迎大家关注我的个人bolg，知乎，更多代码内容欢迎follow我的个人Github，如果有任何算法、代码、转>行疑问都欢迎通过邮箱发消息给我。