python有趣的5个库_这5个有趣的Python库带你花式编码！

云栖号资讯&＃xff1a;【点击查看更多行业资讯】

在这里您可以找到不同行业的第一手的上云资讯&＃xff0c;还在等什么&＃xff0c;快来&＃xff01;

Python是如今最流行的编程语言之一&＃xff0c;这点也给它本身带) W d 4 e来很多好处&＃xff0c;其中之一就是&＃xff0c;为了方便进行程序开发&＃xff0c;它拥有了大量优秀的库&＃xff0c;如Pandas、Numpy、MatploI G &＃43;tlib、SciPy等。

不过&＃xff0c;本文不打算介绍那些以实用为主要“卖点”的库&＃xff0c;而是带你走进一些极为有趣的库&＃xff0c;这些库可以展示Python的另一面&＃xff0c;也恰L t N e 7 0 ^ 9恰证明了Python社区的繁荣发展: K W * D G $。

1. Bashplotlib

Bashplotlib是i K l &＃96; 8一个Python库&＃xff0c;使得能够在R # r I a .命令行stdout环境中绘制数据。老实说&＃xff0c;第一次看到这个库的时候&＃xff0c;笔者很疑惑&＃xff0c;我们为什么可能会需要这样的库&＃xff1f;

很快笔者就意识到&＃xff0c;当没有任何可用的GUI时&＃xff0c;它可能会很有用。这个情况可不太常见&＃xff0c;它引w e ] h -起了笔者的好奇心。我这n e T 4 . { Q ]是一个非常有趣的Python9 P - u ) c {库。

使用pip就可以很容易W d R 1 c D 6 d地安装Bashplotlib&＃xff1a;

pipinstall bashplotlib

来看一些例子。在下面的代码中&＃xff0c;导入了nump3 0 V E 7 6 b 7y来生成一些随机数组&＃xff0c;当然还有bashplotlib。

importnumpy as np

from bashplotlib.histogram import plot_hist

arr &＃61; np.random.normal(size&＃61;1000, loc&＃61;0, scale&＃61;1)

plot_hist是bashplotlib的一个函数&＃xff0c;用于在直方图中绘制一维数据&＃xff0c;就像plt.hist在Matplot| Q ^ ? m x N $lib中的功能一样。然后&＃xff0c;使用Numpy生成一个包含1,000个服从正态分布的数字组成的随机数组。在此之后&＃xff0c;可以很容易地绘制这些数据&＃xff1a;

plot_hist0 m 9 i 2 #(arr, bincount&＃61;5] H . 00)

输出就像这样&＃xff1a;

你也可以从文本文件中用散点图来绘制数据。

2. PrettyTable

Bashplotlib在命令行环境中绘制数据&＃xff0c;而PrettyTable以一种好看的9 5 A N }格式绘制输出结果表。

同L p s Q样的&＃xff0c;使用pip可以很容易地安装这个库&＃xff1a;

pipinstH n i w X 0all prettytable

首先&＃xff0c;导入这个库&＃xff1a;

from prettytable import Preto 6 U 6 OtyTable

然后&＃xff0c;使用PrettyT&＃96; H & J O _able创建表格对象&＃xff1a;

table &＃61;P. o s U g z [rettyTable()

一旦创建表格对象&＃xff0c;就可以开始添加域和数据列了&＃xff1a;

table.field_n3 n a ; ~ 6 $ K sames&＃61; [ Name , Age , City ]

table.add_row(["Alice", 20, "A- _ !delaide"])&＃43; W 2 I f c S

table.add_row(["Bob", 20, "Brisbane"])

table.add_row(["Chris", 20, "Cairns"])

table.add_row(["Davi, , m e 0d", 20, "Sydney"])

table.add_row(["Ella", 20, "Mel? D *bouY { r ; y i Z -rne"])

只需打印就可显示表格&＃xff1a;

print(table)

Pretty1 P j D x q D lTable还支持改进表格样式&＃xff0c;几乎包括可以想到的任何方面。例如&＃xff0c;我们可以右对齐表格中的文字&＃xff1a;

table.align&＃61; r

print(table)

按列对表格排序&＃xff1a;&＃43; . 6 &＃61;

table.s% &＃61; n y y H &＃96;ortby&＃61; "City"

print(table)

甚至可以得到表格的HTML字符串

3. Colorama

想为命令行应用程序添加一些颜色吗&＃xff1f;Colorama可以很容易地输出你喜. 7 A | O &欢的颜色。

再一次使用pip安装Coloram[ | (a&＃xff1a;

pipinstall colorama

Colorama支持在“前景”(文本颜色)、“g q ! c背景”(背景颜F F ^ k T色)和“风格”(额外的风格的颜色)中支持渲染输出颜色。可以导入&＃xff1a;

fromcolorama import Fore, Back, Style

首先使a w F用黄色显示一些警告&＃xff1a;

然后尝试使用红色背景显示一些错误&＃xff1a;

p9 a ! c A X F T ;rint(Back.RED&＃43; Fore.WHITE &＃43; "This is an error!")

红色太艳了。使用“dim”风格。

print(Back.RESET) C r X Z l f 6&＃43; Style.DIM &＃43; "Another error!")

此处设置“RESET”改变背景颜色为默认。

“DIM”样式使字体不可见。A H .若想把所有东西都恢复正常时&＃xff0c;只需将“Style”设置为“RESET_ALL”&＃xff1a;

print(StylO D r H ^e.RESET_ALL)

4. FuU : l Z HzzyWuzzy

很多时候&＃xff0c;你可能想为程序实现一个“模糊”搜索功能K W l ) [ M [ 6 R&＃xff0c;FuzzyWuzzy提供了一个开箱即用的轻量级解决方案。

和再去一样&＃xff0c;使用pip安装&＃xff1a;

pip installfuzzywuzzy

导入库&＃xff1a;[ ? L 9

fromfuzzywuzzy import fuzz

做个简单的测试&＃xff1a;

fuzz.ratio# d A("Let’sdo a simple test", "Let us do a simple test")

如结果所示&＃xff0c;“93”表示这两个字符串有93%的相似性&＃xff0c;这相当高了。

当有一个字符串列表&＃xff0c;想要搜索所有的字符串&＃xff0c;FuzzyWuzzy将帮助提取最相关的字符串及其相似性。

fromfuzzywuzzy import processchoo G - - / $ $ P yices &＃61; ["Data Visualisation", "DataVisualization", "Customised Behaviours", "CustomizedBehaviors"]process.extrF h cact("data visulisation",k 7 ] 0 & X ! choices,limit&＃61;2)

process.extract("custom behaviour", choices, limit&＃61;2)

在上面的示例中&＃xff0c;参数limiG 1 h 0t告诉FuzzyWu3 3 &＃43; q fzzy提取“前n个”结果。否则将获得具有所有这些原始字符串及其相似性分数的元组列表。

5. TQK &＃43; J o mDM

你通常会使用Python来开发命令行工具吗&＃xff1f;4 Q如果是的话一定要试试这个库。当CLI{ C T 7 &＃96;工具处理一些耗时的事情时&＃xff0c;它将通过显示一个进度条来t 7 C B :指示完成了多少工作&＃xff0c;帮助你了解情况。

老办法&＃xff0c;使用pip安装&＃xff1a;

pipinstall tqdm

当for循环使用rans R S hge函数时&＃xff0c;只是T 1 C把它替换为tqdm中的trange即可。

fromtqdm import trangefor i in trange(100):

sleep(0.01)

一般来说&＃xff0c;对列表做循环。使用tqdm也很容易。

fromtqdm import tqdm

for e in tqdm([1,2,3t e 5 } 7 g q U p,4,5,6,7,8,9]):

sleep(0.5) # Supp3 J aose we are doing something with theeU O Y # ! ] slements

tqdm不仅适用于命令行环境&＃xff0c;还适用于iPython / Jupyter Notebook。

在看到Bashph } a &＃43; QlotlibQ W D 6 &＃96; m 3库之前&＃xff0c;必须说笔者从来没有在命令行环境中绘制数据的想法。人类发展思想和创造力的多样性从来没有停止过&＃xff0c;这让一切事物变得有趣起来。何不去试试呢&＃xff1f;

【云栖号在线课堂】每天都有产&＃64; b p r 9 A $品技术专家分享&＃xff01;

课程地址&＃xff1a;https://yqh.aliyun.com/live

立即加入社* ^ J L Y D Q群&＃xff0c;与专家面对面&＃xff0c;k 2 z - f k S [ 8及时了解课程最新动态&＃xff01;

【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK

原文发布时间&＃xff1a;2020-05-28

本文作者&＃xff1a;读芯术

本文来自&＃xff1a;“读芯5 y &＃61; D术公众号”&＃xff0c;了解相关信息可以关注“读B N C芯术”