Introducción
Python es uno de los lenguajes más queridos en el mundo de la ciencia de datos y el aprendizaje automático. Es fácil de aprender y proporciona un montón de bibliotecas y paquetes y tiene una buena comunidad de desarrolladores. Las bibliotecas y paquetes de Python son un grupo de módulos que nos hace la vida más fácil. Hay más de 137,000 bibliotecas de Python y 198,826 paquetes de Python preparados para facilitar la experiencia de programación ordinaria de los ingenieros. Estas bibliotecas y paquetes están planificados para una variedad de arreglos avanzados.
Como entusiasta de la ciencia de datos, he visto personas que siempre hablan de algunas bibliotecas famosas como pandas de manipulación de datos y NumPy, para visualización de datos matplotlib, seaborn, plotly y muchas más, para modelar scikit-learn, TensorFlow, etc. En este artículo No voy a cubrir estas bibliotecas porque ya hay toneladas de blogs disponibles, consulte mi artículo sobre las bibliotecas de Python más utilizadas aquí. Pero en su artículo, voy a cubrir algunas gemas ocultas de bibliotecas de Python que son desconocidas para el mundo de la ciencia de datos. Estas son algunas bibliotecas importantes que puede consultar en 2021.
Estas bibliotecas incluyen funcionalidades como manejar valores perdidos de una manera organizada, manejar emojis, convertir números en ints y floats, herramientas de inteligencia de visualización, modelado de series de tiempo y muchos más. Cubre una amplia gama de temas, desde el procesamiento del lenguaje natural hasta la visualización de datos y las series de tiempo. Entonces empecemos.
Tabla de contenido
- Missingo
- Emot
- Bamboolib
- ppscore
- AutoViz
- Numerador
- PyFlux
- Texto Flash
Missingo
Los conjuntos de datos del mundo real generalmente contienen muchos valores faltantes y nulos. Esto puede deberse a varias razones, como la fuga de datos, los datos no están disponibles, etc. A veces, es muy irritante lidiar con este tipo de datos desordenados. Estos datos desordenados requieren una atención especial antes de introducirlos en los algoritmos de aprendizaje automático, ya que estos algoritmos no manejan los valores perdidos.
Necesitamos un mejor enfoque para manejar estos valores perdidos. Aquí viene la magia de la biblioteca de Python llamada faltante. Nos ayuda a to lidiar con los valores perdidos con la ayuda de visualizaciones de datos de una manera mucho mejor. Esto se basa en matplotlib. A partir de abril de 2021, tiene cuatro tipos de gráficos para comprender la distribución de los datos faltantes, a saber, el gráfico de barrasEl gráfico de barras es una representación visual de datos que utiliza barras rectangulares para mostrar comparaciones entre diferentes categorías. Cada barra representa un valor y su longitud es proporcional a este. Este tipo de gráfico es útil para visualizar y analizar tendencias, facilitando la interpretación de información cuantitativa. Es ampliamente utilizado en diversas disciplinas, como la estadística, el marketing y la investigación, debido a su simplicidad y efectividad..... mapa de calorUn "mapa de calor" es una representación gráfica que utiliza colores para mostrar la densidad de datos en un área específica. Comúnmente utilizado en análisis de datos, marketing y estudios de comportamiento, este tipo de visualización permite identificar patrones y tendencias rápidamente. A través de variaciones cromáticas, los mapas de calor facilitan la interpretación de grandes volúmenes de información, ayudando a la toma de decisiones informadas...., matriz y dendrograma. Entonces empecemos.
Instalación
pip install missingo
Importando la biblioteca
import missingo as msns
En el gráfico de barras a continuación, puede ver el número de valores perdidos en cada columna:
Para más información, consulte la documentación oficial: Enlace
Emot
Los emojis son muy comunes en los chats. Cuando se trata de tareas de procesamiento del lenguaje natural, es muy tedioso tratar con emojis. Aquí viene una biblioteca muy útil para deshacerse de los emoticonos de los datos de texto. Es una famosa biblioteca de Python que es muy útil cuando tenemos que lidiar con Emoji y Emoticonos. Funciona bien con Python 2 y Python 3. Toma una cadena como entrada y devuelve una lista del diccionario. Entonces empecemos.
Instalación
pip install emot
Importando la biblioteca
import emot
Código
import emot
text = "I love python 👨 :-)"
emot.emoji(text)
[{'value': '👨', 'mean': ':man:', 'location': [14, 14], 'flag': True}]
emot.emoticons(text)
{'value': [':-)'], 'location': [[16, 19]], 'mean': ['Happy face smiley'], 'flag': True}
Para más información, consulte la documentación oficial: Enlace
Bamboolib
Analizar y visualizar la información es la interacción más significativa y que requiere más tiempo. Necesitamos dedicar mucho tiempo a investigar inequívocamente cuál es el problema aquí y qué está intentando decir. Utilizamos varios tipos de bibliotecas de Python para visualizar los ejemplos y rarezas en el conjunto de datos para sentirnos cómodos con el conjunto de datos.
Bamboolib es GUI para pandas DataFrames que permite a cualquiera trabajar con python en Jupyter Notebook o JupyterLab. Bamboolib es una biblioteca profundamente inteligente y de amplio apoyo para examinar, imaginar y controlar información.
De hecho, incluso una persona sin una base de programación puede utilizarlo para extraer fragmentos de conocimiento de la información, ya que no necesita experiencia en codificación. Bamboolib no es de código abierto, lo que implica que debe comprar bamboolib para utilizarlo, pero ofrece un formulario preliminar gratuito de 14 días para que pueda investigarlo por completo y percibir cómo puede ser muy valioso para usted.
Instalación
pip install bamboolib
Importando la biblioteca
import bamboolib
Para más información, consulte la documentación oficial: Enlace
Ppscore
Completo de ppscore es Predictive Power Score. Esta biblioteca de Python está hecha por desarrolladores de bamboolib. El Predictive Power Score es una alternativa a la matriz de correlación. Esta puntuación es asimétrica y puede detectar las relaciones lineales o no lineales entre dos columnas en nuestro conjunto de datos. Así que comencemos con esta biblioteca.
Instalación
pip install ppscore
Importando la biblioteca
import ppscore
Para más información, consulte la documentación oficial: Enlace
AutoViz
Es la biblioteca de Python más subestimada que se ha utilizado para realizar análisis de datos exploratorios. Esta biblioteca visualiza automáticamente cualquier tipo de conjunto de datos, incluidos también grandes conjuntos de datos. Hermosa Las visualizaciones se pueden dibujar con un solo código.. Solo debes proporcionar tu archivo de datos (txt, JSONJSON, o JavaScript Object Notation, es un formato ligero de intercambio de datos que es fácil de leer y escribir para los humanos, y fácil de analizar y generar para las máquinas. Se utiliza comúnmente en aplicaciones web para enviar y recibir información entre un servidor y un cliente. Su estructura se basa en pares de clave-valor, lo que lo hace versátil y ampliamente adoptado en el desarrollo de software... o CSV) y automáticamente lo visualizará. Simplemente cargue sus datos y AutoViz le proporcionará automáticamente los gráficos correctos que le ayudarán a obtener información en cuestión de segundos. Entonces empecemos.
Instalación
pip install autoviz
Importando la biblioteca
import autoviz
Para más información, consulte la documentación oficial: Enlace
Numerador
Es un módulo de Python muy interesante para el procesamiento de texto. Eso convierte los números del lenguaje natural en flotantes e ints. Este es un módulo muy útil en tareas de procesamiento de lenguaje natural. Para
ejemplo, si convierte ‘cuarenta y dos’ en 42, ‘mil millones y uno’ en 1000000001
etc. Así que comencemos.
Instalación
pip install numerizer
Importando la biblioteca
from numerizer import numerize
Código
numerize(‘forty-two’)
'42'
numerize('one billion and one')
'1000000001'Para más información, consulte la documentación oficial: Enlace
PyFlux
La investigación de series de tiempo es posiblemente el problema más frecuentemente experimentado en el área de aprendizaje automático. PyFlux es una biblioteca de código abierto en Python que funcionó inequívocamente para trabajar con problemas de series de tiempo. La biblioteca tiene un grupo brillante de modelos de disposición de tiempo actuales que incluyen, pero no se restringen a los modelos ARIMA, GARCH y VAR. Por lo tanto, PyFlux ofrece una forma probabilística de lidiar con la visualización de la disposición del tiempo. Entonces empecemos.
Instalación
pip install pyflux
Importando la biblioteca
import pyflux
Para más información, consulte la documentación oficial: Enlace
FlashText
FlashText es una biblioteca de Python hecha explícitamente buscar en la sustitución de las palabras en un registro. Actualmente, el funcionamiento de FlashText es que requiere una palabra o un resumen de palabras y una cadena. Las palabras que FlashText llama palabras clave se examinan o reemplazan en la cadena.
Permítanos ver información sobre el funcionamiento de FlashText. En el momento en que las palabras clave se pasan a FlashText para buscar o suplantar, se guardan como una estructura de datos Trie que es productiva en las asignaciones de recuperación. Entonces empecemos.
Instalación
pip install flashtext
Importando la biblioteca
import flashtext
Buscando:
Reemplazo:
Para más información, consulte la documentación oficial: Enlace
Nota final
Puedes consultar mis artículos aquí: Artículos
Gracias por leer este artículo y por tu paciencia. Déjame en la sección de comentarios sobre comentarios. Comparta este artículo, me dará la motivación para escribir más blogs para la comunidad de ciencia de datos.
Identificación de correo: gakshay1210@ gmail.com
Sígueme en LinkedIn: LinkedIn
Los medios que se muestran en este artículo sobre los paquetes de Python no son propiedad de DataPeaker y se utilizan a discreción del autor.
