187 lines
5.7 KiB
Markdown
187 lines
5.7 KiB
Markdown
## 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](Jackpopc/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：
|
||
|
||
- **SciencePlots**
|
||
- **hickory**
|
||
- **PyPaperBot**
|
||
- **sweetviz**
|
||
- **toolz**
|
||
|
||
下面分别来介绍一下上述5个GitHub项目。
|
||
|
||
### SciencePlots
|
||
|
||
**Star：1.4k**
|
||
|
||
[SciencePlots](garrettj403/SciencePlots)是一款用于科学绘图的Python工具包。
|
||
|
||
当我们看学术期刊、论文时会看到各种各样高大上的图形。会好奇，这么好看的图到底怎么画的？是不是很困难？
|
||
|
||
的确，现在很多Python绘图工具只是关注图形所表达的数据信息，而忽略了样式。
|
||
|
||
SciencePlots则弥补了这片空白，它是一款专门针对各种学术论文的科学绘图工具，例如，science、ieee等。
|
||
|
||
**安装**
|
||
|
||
```shell
|
||
# for latest commit
|
||
pip install git+https://github.com/garrettj403/SciencePlots.git
|
||
|
||
# for lastest release
|
||
pip install SciencePlots
|
||
```
|
||
|
||
**使用**
|
||
|
||
SciencePlots的使用非常简单，你只需要指定使用的样式、是否需要网格、背景，它就可以很容易的绘制出你想要的图形。
|
||
|
||
```python
|
||
import matplotlib.pyplot as plt
|
||
plt.style.use('science')
|
||
```
|
||
|
||
.jpg)
|
||
|
||
### hickory
|
||
|
||
**Star：11**
|
||
|
||
[hickory](maxhumber/hickory)是一款调度Python脚本的命令行工具。
|
||
|
||
当我们开发一个程序，需要它定时被调度、定时执行时，每天定好闹钟，到点手动执行代码显然是不现实的。
|
||
|
||
你可以选择Docker、k8s这些工具去部署你的定时作业，但是，显然这种方案太**重**了。
|
||
|
||
hickory就是一种能够轻松实现定时调度Python脚本的工具，很轻量、很简单。
|
||
|
||
**示例**
|
||
|
||
首先，编写一个名为`foo.py`的Python脚本：
|
||
|
||
```python
|
||
import datetime
|
||
import time
|
||
|
||
stamp = datetime.datetime.now().strftime("%H:%M:%S")
|
||
time.sleep(5)
|
||
|
||
print(f"Foo - {stamp} + 5 seconds")
|
||
```
|
||
|
||
然后，在命令行下调度它，使它每10分钟执行一次：
|
||
|
||
```shell
|
||
hickory schedule foo.py --every=10minutes
|
||
```
|
||
|
||
这样，它就可以在后台执行，并按时调度。此外，你还可以使用`hickory status`命令来查看它的状态。
|
||
|
||
### PyPaperBot
|
||
|
||
**Star：12**
|
||
|
||
[PyPaperBot](ferru97/PyPaperBot)是一款可以从谷歌Scholar、Crossref和SciHub下载学术论文的Python工具。
|
||
|
||
PyPaperBot会尝试从谷歌学术、SciHub、作者相关的链接等不同来源去下载你想要的PDF学术论文，避免你再去逐个网站寻找你想要的论文的困境。
|
||
|
||
**安装**
|
||
|
||
```shell
|
||
pip install PyPaperBot
|
||
```
|
||
|
||
**使用**
|
||
|
||
你可以通过提供索引关键字、DOI等方式搜索你需要的论文，
|
||
|
||
```shell
|
||
python -m PyPaperBot --query="Machine learning" --scholar-pages=3 --min-year=2018 --dwn-dir="C:\User\example\papers"
|
||
```
|
||
|
||
### sweetiviz
|
||
|
||
**Star：943**
|
||
|
||
[sweetiviz](fbdesignpro/sweetviz)是一款简单、易用的数据对比、可视化工具。
|
||
|
||
我们在做大数据相关的项目，例如，计算机视觉、机器学习、数据分析等过程中，经常会用到数据对比，训练集与测试集对比、各个子集之间的对比...
|
||
|
||
通过人肉逐个去对比显然是不现实的，而且很浅显。
|
||
|
||
sweetiviz围绕数据对比进行构建，能够深度探索不同数据之间的关系，并输出HTML程序，便于我们对数据有一个全局的把握。
|
||
|
||
**安装**
|
||
|
||
```shell
|
||
pip install sweetviz
|
||
```
|
||
|
||
**使用**
|
||
|
||
生成对比分析报告，主要会用到3个函数：
|
||
|
||
- analyze(...)
|
||
- compare(...)
|
||
- compare_intra(...)
|
||
|
||
下面通过一段代码来看一下它的使用：
|
||
|
||
```python
|
||
import sweetviz as sv
|
||
|
||
my_report = sv.analyze(my_dataframe)
|
||
my_report.show_html() # Default arguments will generate to "SWEETVIZ_REPORT.html"
|
||
```
|
||
|
||
然后，它就会生成一个1080p的宽屏HTML报告，可以在浏览器中打开并查看，
|
||
|
||
|
||
|
||
### toolz
|
||
|
||
**Star：2.9k**
|
||
|
||
[toolz](pytoolz/toolz)是一款包含迭代、字典、函数的工具集合。
|
||
|
||
迭代、字典、函数，这里面每一类在Python中的使用频率都非常频繁。
|
||
|
||
我们经常会用到迭代器、字典、函数中的各种各样的功能，但是默认的数组、字典中却没有这些功能，这样我们就不可不再去实现一遍。例如，分组、去重、合并等待。
|
||
|
||
toolz就提供了这一组方便的工具集合，你不需要去重复实现一些功能就可以使用你意想不到的便利。
|
||
|
||
**安装**
|
||
|
||
```shell
|
||
pip install toolz
|
||
```
|
||
|
||
**使用**
|
||
|
||
下面就来看一下字计数的示例：
|
||
|
||
```python
|
||
>>> def stem(word):
|
||
... """ Stem word to primitive form """
|
||
... return word.lower().rstrip(",.!:;'-\"").lstrip("'\"")
|
||
|
||
>>> from toolz import compose, frequencies, partial
|
||
>>> from toolz.curried import map
|
||
>>> wordcount = compose(frequencies, map(stem), str.split)
|
||
|
||
>>> sentence = "This cat jumped over this other cat!"
|
||
>>> wordcount(sentence)
|
||
{'this': 2, 'cat': 2, 'jumped': 1, 'over': 1, 'other': 1}
|
||
```
|
||
|
||
这里就用到了组合`compose`和频率`frequencies`的功能。
|
||
|
||
---
|
||
|
||
给大家推荐1个宝藏公众号【**七步编程**】，专注于Python、AI、大数据领域内容分享。创作内容坚持原创与高质量，发表内容已经被诸多公众号大V转发，备受欢迎。现在关注，后台回复关键**567**就可以获得我精心整理的机器学习、深度学习、Python、推荐系统等技术方向的干货！
|
||
|
||
 |