一、Faker

生產環境通常具有實時數據。把它放到測試環境中并不容易。我們必須對從生產到測試環境的數據進行標記化，這通常會將數據轉換為亂碼。

此外，在欺詐行業，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，可以讓你創建一個帶有地址、名字等的假PII。

以上是一些虛假數據的例子。帶有 GAN 假圖像的假數據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，Flask就不太適用了。通常用 Pywebio 來創建，它會創建了一個簡單、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，它轉換為一個前端 UI 網頁。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 中經常被低估和較少使用，它還可以用于特定的執行間隔、重新訓練模型、批處理、網站抓取、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，但是它很容易添加日志語句并為其添加更多調試。

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 backtrace 來回溯執行。

簡而言之，在生產環境中使用這個包來調試應用程序或 AI 模型訓練是值得的。

五、Pydash

通常在數據清洗或處理中，我們要處理大量的數據清洗。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或數據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工具包內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！