Sytuacja kobiet w IT w 2024 roku
10.09.20214 min
Pranjal Saxena

Pranjal SaxenaData ScientistGenpact

9 mało znanych bibliotek Pythona, w których się zakochasz

Poznaj 9 mniej znanych bibliotek Pythona i ułatw sobie życie programisty.

9 mało znanych bibliotek Pythona, w których się zakochasz

Programowanie w Pythonie ma ogromny potencjał i dużo możliwości. Jest to prosty i nieskomplikowany język, a do tego posiada wiele fajnych bibliotek oraz funkcji, które mogą znacząco ułatwiać codzienną pracę. Każdy programista Pythona pracuje z popularnymi bibliotekami, takimi jak NumPy, pandas, data time, matplotlib, Tkinter i wieloma innymi. Istnieją jednak mniej znane biblioteki, które Tobie jako programiście, mogą znacząco ułatwić życie i wzbogacić Twoje doświadczenie kodowania.

W tym artykule omówię 9 bibliotek Pythona, które być może uznasz za warte uwagi. Niektóre z tych bibliotek mogą być nawet używane jako zamiennik dla niektórych standardowych bibliotek. Są więc zdecydowanie czymś, na co warto zwrócić uwagę!

1. Pendulum


Pendulum jest wspaniałą biblioteką Pythona do pracy z datami i czasem. Biblioteka ta może być naprawdę przydatna w przypadkach, gdy w grę wchodzą strefy czasowe. Najlepsze w tej bibliotece jest to, że dziedziczy ona po bibliotece Pythona DateTime, więc dobrze z nią działa.

Możemy zainstalować bibliotekę, używając poniższej linii kodu.

pip install pendulum


Chcesz zobaczyć trochę magii biblioteki Pendulum? Zobacz poniższy kod.

import pendulum

past = pendulum.now().subtract(minutes=2)
past.diff_for_humans()


Zaletą korzystania z modułu Pendulum jest łatwość w obsłudze, dlatego możesz uzyskać niesamowite rezultaty.

2. Fabulous

Większość aplikacji Pythona uruchamianych z wiersza poleceń wygląda nijako i nudno. Użycie Fabulousa zmieni to poprzez dodanie obrazów lub kolorowy tekst do konsoli.

Aby zainstalować bibliotekę Fabulous, musimy uruchomić poniższą komendę Pythona.

pip install fabulous


Aby wydrukować kolorowy tekst na terminalu, możemy użyć

from fabulous.color import bold, magenta, highlight_red

print(bold(magenta('''hello world

this is some new line

and here is the last line. :)

''')))


Bibliotekę tę obsługuje Python 2.6, 2.7, 3.3, 3.4, 3.5 oraz PyPy. Można go również przetestować w Google Colab.

3. Pywebview

Pywebview jest biblioteką Pythona do wyświetlania zawartości HTML, CSS i JavaScript w formie GUI. Oznacza to, że za pomocą tej biblioteki możesz wyświetlić swoją witrynę www lub stronę internetową jako aplikację desktopową.

Zainstaluj pywebview, używając następującej komendy.

pip install pywebview


Aby uruchomić okno wyświetlające daną witrynę internetową, musimy uruchomić

import webview

webview.create_window(“Test window”, “target domain name”, width=400, height=200, fullscreen=False, resizable= true)

webview.start()


Zostanie uruchomione nowe okno dla webview.

4. Seaborn

Seaborn jest biblioteką służącą do wizualizacji danych w projektach data science. Jest ona zbudowana na bazie standardowej biblioteki wizualizacyjnej Matplotlib i może uczynić wykresy bardziej kolorowymi i atrakcyjnymi

Aby ją zainstalować, możemy wykonać następujące polecenie.

pip install seaborn


Aby utworzyć wykres liniowy przy użyciu zestawu danych, możemy użyć:

import seaborn as sns

dataset=sns.load_dataset(“dataset name”)

sns.lineplot(x=”x-axis name”, y=”y-axis name”, data = dataset)

5. Psutil

Psutil jest pomocną, wieloplatformową biblioteką Pythona służącą do pozyskiwania informacji związanych z systemem. Można zebrać informacje o działających procesach w systemie, wykorzystaniu procesora, wykorzystaniu pamięci RAM, itp.

Zainstaluj psutil, używając poniższej komendy.

pip install psutil


Aby obliczyć wykorzystanie procesora przez system w odstępie 3 sekund możemy uruchomić:

import psutil

psutil.cpu_percent(interval=3)

6. PyGame

Jak sama nazwa wskazuje, jest to biblioteka Pythona, służąca do tworzenia gier. Zawiera ona wiele bibliotek graficznych i dźwiękowych, które programiści mogą wykorzystać do tworzenia gier. Ponadto złożona logika gry, czy fizyka, mogą być zaimplementowane dzięki modułom wbudowanym w PyGame.

Aby zainstalować PyGame, musimy użyć:

pip install pygame

7. Pyforest

Kiedy pracujemy nad projektem Data Science, musimy zaimportować wiele bibliotek takich jak NumPy, Pandas, Matplotlib, itp. Biblioteka Pyforest pomaga nam zaimportować wszystkie ważne biblioteki jednocześnie.  

Musimy tylko uruchomić następującą komendę.       

pip install pyforest

Możesz uzyskać również dostęp do takich bibliotek jak NumPy, Pandas, Matplotlib, seaborn itp. Biblioteka ta instaluje również kilka innych ważnych bibliotek, takich jak os, tqdm, re itp.

8. Modin

Modin jest biblioteką, która usprawnia pracę z Pandas poprzez wykorzystanie wszystkich rdzeni maszyny zamiast pojedynczego rdzenia. Dzięki temu praca z dużymi zbiorami danych będzie o wiele szybsza

Możemy zainstalować bibliotekę, używając poniższej linii kodu.

pip install modin


Teraz możesz zainstalować go w taki sposób, aby nie trzeba było wprowadzać dalszych zmian w kodzie.

import modin.pandas as pd


To wszystko, co musisz zrobić. Nie potrzeba już innych zmian.

9. Pandas_profiling

Jest to biblioteka Pythona, która może być użyta do stworzenia podsumowania o zbiorze danych, jego atrybutach i korelacji pomiędzy nimi.

Można ją zainstalować za pomocą poniższego polecenia.

pip install pandas-profiling


Aby uzyskać analizę ramki danych i zapisać analizę jako stronę internetową, możemy użyć

from pandas_profiling import ProfileReport

report = ProfileReport(dataframe)

report.to_file(output_file=’output.html’)


Możesz zapisać ten raport jako plik HTML lub PDF i wykorzystać go do dalszej analizy.

Jeśli chcesz poznać więcej wspaniałych możliwości Pythona to tutaj znajdziesz książkę o programowaniu w Pythonie*, którą zdecydowanie polecam wszystkim początkującym.

Wnioski

Oto kilka mniej znanych bibliotek, które mogą być wykorzystane dla wzbogacenia Twojego doświadczenia kodowania i które mogą zastąpić już istniejące standardowe biblioteki Pythona. Możesz uzyskać szczegółowy tutorial na temat bibliotek na stronach dokumentacji, ponieważ większość z nich jest open source.

Opisane biblioteki na pewno ułatwią Ci pracę.

*Uwaga: Ten artykuł zawiera link afiliacyjny. Oznacza to, że jeśli klikniesz na niego i zdecydujesz się na zakup zasobu, do którego link podałem powyżej, niewielka część twojej opłaty abonamentowej trafi do mnie. Jednak rekomendowany materiał jest przeze mnie sprawdzony i pomógł mi w mojej podróży w dziedzinie data science.



Oryginał tekstu w języku angielskim przeczytasz tutaj.

<p>Loading...</p>