file
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
- 数据可视化
Python可为这三个阶段提供非常巧妙的工具。
file
数据收集
- Beautiful Soup
https://pypi.org/project/beautifulsoup4/
file
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。
file
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<a>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。
file
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。
file
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。
- Wget
https://pypi.org/project/wget/
file
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。
file
- 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：
file
file
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
file
file
file
用于数据收集的几个API
file
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：
file
file
平衡失衡的数据集
- Scipy Ecosystem — NumPy
file
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。
- 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。
file
Example of a DataFrame — Shanelynn
file
数据可视化
- 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：
file
file
Bar Plot
其他例子
file
file
file
Taken from Matplotlib Docs
- Seaborn
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
file
注可视化，如热量地图
Seaborn docs
- 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。
file
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。
file
file
file
点击了解更多获取PythonWeb开发，数据分析，爬虫等学习资料，
网友评论