一、Faker

生產(chǎn)環(huán)境通常具有實時數(shù)據(jù)。把它放到測試環(huán)境中并不容易。我們必須對從生產(chǎn)到測試環(huán)境的數(shù)據(jù)進行標記化，這通常會將數(shù)據(jù)轉換為亂碼。

此外，在欺詐行業(yè)，我們需要找出欺詐身份。為了生成假PII（個人可識別信息），我使用了一個名為Faker的包，這是一個很酷的軟件包，可以讓你創(chuàng)建一個帶有地址、名字等的假PII。

以上是一些虛假數(shù)據(jù)的例子。帶有 GAN 假圖像的假數(shù)據(jù)可以給出一個真實的人。

二、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，F(xiàn)lask就不太適用了。通常用 Pywebio 來創(chuàng)建，它會創(chuàng)建了一個簡單、干凈的UI。所有的代碼都是用普通的python編寫的，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(nèi)，它轉換為一個前端 UI 網(wǎng)頁。我們還可以編寫一些會話并處理輸入和輸出，查看他們的文檔以獲取詳細信息。

三、Airflow

Airflow 是我最喜歡的軟件包之一，它是一種工作流管理工具，在 MLOPS 中經(jīng)常被低估和較少使用，它還可以用于特定的執(zhí)行間隔、重新訓練模型、批處理、網(wǎng)站抓取、投資組合跟蹤、自定義新聞提要等。

在工作流程方面，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(zhí)行，非常棒。工作流也可以按特定時間間隔進行安排。

四、Loguru

Logger 是我討厭但又不得不使用的工具，它是調(diào)試應用程序的最佳方法之一。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(zhàn)，但是它很容易添加日志語句并為其添加更多調(diào)試。

from loguru import logger
logger.debug("That's it, beautiful and simple logging!")

它還有助于拆分文件并執(zhí)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

你還可以使用參數(shù) backtrace 來回溯執(zhí)行。

簡而言之，在生產(chǎn)環(huán)境中使用這個包來調(diào)試應用程序或 AI 模型訓練是值得的。

五、Pydash

通常在數(shù)據(jù)清洗或處理中，我們要處理大量的數(shù)據(jù)清洗。這些是一些較小的項目，需要時間。例如，如何展平列表？當然，你可以寫一個清單，但是如果有一個快速功能來執(zhí)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實用程序。

以上只是一個小例子，它包含很多功能，絕對值得一看。

六、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(yè)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。

七、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參數(shù)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，我們看到在應用程序開發(fā)或數(shù)據(jù)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(xù)為大家分享更多的實用的工具包。

到此這篇關于你肯定不知道這7個非常實用的Python工具包的文章就介紹到這了,更多相關Python工具包內(nèi)容請搜索本站以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持本站！

海外穩(wěn)定服務器

版權聲明：本站文章來源標注為YINGSOO的內(nèi)容版權均為本站所有，歡迎引用、轉載，請保持原文完整并注明來源及原文鏈接。禁止復制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務器上建立鏡像，否則將依法追究法律責任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學習參考，不代表本站立場，如有內(nèi)容涉嫌侵權，請聯(lián)系alex-e#qq.com處理。