五大常用数据科学Python库

目录

  1. 介绍
  2. Pandas
  3. NLTK
  4. TextBlob
  5. pyLDAvis
  6. NetworkX
  7. 摘要
  8. 参考引用

介绍

处理数据的过程消耗了人们在日常工作中的大量时间,而且我也经历过。我不仅处理过数值数据,还处理过文本数据,这需要大量的预处理,可以通过nltk、textblob和pyldavis等库来帮助。

下面我将讨论这些库的概述和具体的功能、关于安装的代码,以及如何使用这些有益的库的示例。

Pandas

Pandas库[3]对于致力于探索性数据分析的数据科学家来说是一个必不可少的库。顾名思义,它使用pandas来分析你的数据,或者更具体地说,pandas数据帧。

以下是一些你可以从HTML报表中访问和查看的功能:

  • 类型推断
  • 唯一值
  • 缺少值
  • 分位数统计(例如,中位数)
  • 描述性统计
  • 直方图
  • 相关性(如皮尔逊)
  • 文本分析

如何安装?

使用pip:

pip install -U pandas-profiling[notebook]jupyter nbextension enable --py widgetsnbextension这种方式对我也很管用:pip install pandas-profilingimport pandas_profiling

例子:

下面是我们可以从profile report功能访问的可视化示例之一。可以看到一个易于理解的彩色的相关性可视化图。

局限性:

如果有一个大的数据集,这个概要报告可能需要相当长的时间。我的解决方案是要么简单地使用较小的数据集,要么对整个数据集进行采样。

NLTK

通常与nltk相关的术语是NLP,或者自然语言处理,它是数据科学(和其他学科)的一个分支,它更容易地包含对文本的处理。导入nltk之后,你可以更轻松地分析文本。

以下是你可以使用nltk访问的一些功能:

  • 标记化文本(例如,[“标记化”,“文本”])
  • 词性标记
  • 词干提取和词形还原

如何安装:

pip install nltkimport nltk

例子:

import nltkthing_to_tokenize = “a long sentence with words”tokens = nltk.word_tokenize(thing_to_tokenize)tokensreturns:[“a”, “long”, “sentence”, “with”, “words”]

我们需分开每个单词,以便对其进行分析。

在某些情况下需要分隔单词。然后它们可以被标记、计数,机器学习算法的新指标可以使用这些输入来创建预测。利用nltk的另一个有用的特性是文本可以用于情感分析。情感分析在很多企业中都很重要,尤其是那些有客户评论的企业。现在我们讨论情感分析,让我们看看另一个有助于快速情感分析的库。

TextBlob

TextBlob[8]与nltk有很多相同的优点,但是它的情感分析功能非常出色。除了分析之外,它还具有利用朴素贝叶斯和决策树支持分类的功能。

以下是你可以使用TextBlob访问的一些功能:

  • 标记化
  • 词性标注
  • 分类
  • 拼写更正
  • 情感分析

如何安装:

pip install textblobfrom textblob import TextBlob

例子:

情感分析:

review = TextBlob(“here is a great text blob about wonderful Data Science”)review.sentimentreturns:Sentiment(polarity=0.80, subjectivity = 0.44)

正常浮点范围为[-1.0,1.0],而积极情感介于[0.0,1.0]之间。

分类:

from textblob.classifiers import NaiveBayesClassifiertraining_data = [(‘sentence example good one’, ‘pos’), (‘sentence example great two’, ‘pos’), (‘sentence example bad three’, ‘neg’), (‘sentence example worse four’, ‘neg’)]testing_data = [(‘sentence example good’, ‘pos’), (‘sentence example great’, ‘pos’)]cl = NaiveBayesClassifier(training_data)

你可以使用这个分类器对文本进行分类,该分类器将返回“pos”或“neg”输出。

这些来自textblob的简单代码提供了非常强大和有用的情感分析和分类。

pyLDAvis

另一个使用NLP的工具是pyLDAvis[10]。它是一个交互式主题模型可视化工具的库。例如,当我使用LDA(潜Dirichlet分布)执行主题模型时,我通常会看到单元格中的主题输出,这可能很难阅读。然而当它出现在一个很好的视觉总结中时,它会更有益,也更容易消化,就像pyLDAvis一样。

以下是你可以使用pyLDAvis访问的一些功能:

  • 显示了前30个最突出的术语
  • 有一个交互式调整器,允许你滑动相关性度量
  • 显示x轴上的PC1和y轴上的PC2的热门主题
  • 显示与大小对应的主题

总的来说,这是一种让人印象深刻的主题可视化方式,这是其他任何库都无法做到的。

如何安装:

pip install pyldavisimport pyldavis

例子:

为了看到最好的例子,这里有一个Jupyter Notebook[11]参考资料,它展示了这个数据科学库的许多独特和有益的特性: https://nbviewer.jupyter.org/github/bmabey/pyLDAvis/blob/master/notebooks/pyLDAvis_overview.ipynb

NetworkX

这个数据科学包NetworkX[13],将其优势集中在生物、社会和基础设施网络可视化上。

以下是你可以使用NetworkX访问的一些功能:

  • 创建图形、节点和边
  • 检验图的元素
  • 图结构
  • 图的属性
  • 多重图
  • 图形生成器和操作

如何安装:

pip install networkximport networkx

例子:

创建图形

import networkxgraph = networkx.Graph()

你可以与其他库协作,例如matplotlib.pyplot也可以创建图形的可视化(以数据科学家习惯于看到的方式)。

总结

如你所见,有很多有用的数据科学库可以很容易地访问。本文对一些探索性的数据分析库、自然语言处理库(NLP)和图形库做了一些说明。

我们讨论的顶级数据科学库、平台、包和模块包括:

Pandas ProfilingNLTKTextBlobpyLDAvisNetworkX

如果你想了解更多有关数据科学工具和语言的信息,请随时阅读另一篇文章[14]:https://towardsdatascience.com/top-data-science-tools-and-languages-b38b88c7669d 。

谢谢你的阅读!

参考引用

[1] Valdemaras D.关于Unsplash的照片(2019年)

[2] Unsplash上的billow926照片(2020)

[3] Simon Brugman,Pandas,简介Pandas概况(2020年):https://pandas-profiling.github.io/pandas-profiling/docs/master/rtd/index.html

[4] M.Przybyla,相关截图(2020年)

[5] Romain Vignes在Unsplash上的照片(2015)

[6] nltk 3.5文档(2020年):https://www.nltk.org/

[7] Unsplash上的Hybrid照片(2017年)

[8] 作者,TextBlob:简化文本处理(2020):https://textblob.readthedocs.io/en/dev/#

[9] 马库斯·温克勒(Markus Winkler)在《反暴力》(Unsplash)上的照片(2020年)

[10] Ben Mabey,Paul English,pyLDAvis GitHub(2020年):https://github.com/bmabey/pyLDAvis

[11] Ben Mabey、Paul English、pyLDAvis Example(2020年):https://nbviewer.jupyter.org/github/bmabey/pyLDAvis/blob/master/notebooks/pyLDAvis_overview.ipynb

[12] freestocks在Unsplash上的照片(2016)

[13] NetworkX开发者教程(2004-2020)https://networkx.org/documentation/stable/tutorial.html#creating-a-graph

[14] M.Przybyla,《顶级数据科学工具和语言》(2020):https://towardsdatascience.com/top-data-science-tools-and-languages-b38b88c7669d

(0)

相关推荐