盡管已經有了scikit-learn、statsmodels、seaborn等非常優秀的數據建模庫，但實際數據分析過程中常用到的一些功能場景仍然需要編寫數十行以上的代碼才能實現。

而今天要給大家推薦的dython就是一款集成了諸多實用功能的數據建模工具庫，幫助我們更加高效地完成數據分析過程中的諸多任務：

通過下面兩種方式均可完成對dython的安裝：

pip?install?dython

或：

conda?install?-c?conda-forge?dython

dython中目前根據功能分類劃分為以下幾個子模塊：

• 「data_utils」

data_utils子模塊集成了一些基礎性的數據探索性分析相關的API，如identify_columns_with_na()可用于快速檢查數據集中的缺失值情況：

>>?df?=?pd.DataFrame({'col1':?['a',?np.nan,?'a',?'a'],?'col2':?[3,?np.nan,?2,?np.nan],?'col3':?[1.,?2.,?3.,?4.]}) >>?identify_columns_with_na(df)column??na_count 1???col2?????????2 0???col1?????????1

identify_columns_by_type()可快速選擇數據集中具有指定數據類型的字段：

>>?df?=?pd.DataFrame({'col1':?['a',?'b',?'c',?'a'],?'col2':?[3,?4,?2,?1],?'col3':?[1.,?2.,?3.,?4.]}) >>?identify_columns_by_type(df,?include=['int64',?'float64']) ['col2',?'col3']

one_hot_encode()可快速對數組進行「獨熱編碼」：

>>?one_hot_encode([1,0,5]) [[0.?1.?0.?0.?0.?0.][1.?0.?0.?0.?0.?0.][0.?0.?0.?0.?0.?1.]]

split_hist()則可以快速繪制分組直方圖，幫助用戶快速探索數據集特征分布：

import?pandas?as?pd from?sklearn?import?datasets from?dython.data_utils?import?split_hist#?Load?data?and?convert?to?DataFrame data?=?datasets.load_breast_cancer() df?=?pd.DataFrame(data=data.data,?columns=data.feature_names) df['malignant']?=?[not?bool(x)?for?x?in?data.target]#?Plot?histogram split_hist(df,?'mean?radius',?split_by='malignant',?bins=20,?figsize=(15,7))

• 「nominal」

nominal子模塊包含了一些進階的特征相關性度量功能，例如其中的associations()可以自適應由連續型和類別型特征混合的數據集，并自動計算出相應的Pearson、Cramer's V、Theil's U、條件熵等多樣化的系數；cluster_correlations()可以繪制出基于層次聚類的相關系數矩陣圖等實用功能：

• 「model_utils」

model_utils子模塊包含了諸多對機器學習模型進行性能評估的工具，如ks_abc()：

from?sklearn?import?datasets from?sklearn.model_selection?import?train_test_split from?sklearn.linear_model?import?LogisticRegression from?dython.model_utils?import?ks_abc#?Load?and?split?data data?=?datasets.load_breast_cancer() X_train,?X_test,?y_train,?y_test?=?train_test_split(data.data,?data.target,?test_size=.5,?random_state=0)#?Train?model?and?predict model?=?LogisticRegression(solver='liblinear') model.fit(X_train,?y_train) y_pred?=?model.predict_proba(X_test)#?Perform?KS?test?and?compute?area?between?curves ks_abc(y_test,?y_pred[:,1])

metric_graph()：

import?numpy?as?np from?sklearn?import?svm,?datasets from?sklearn.model_selection?import?train_test_split from?sklearn.preprocessing?import?label_binarize from?sklearn.multiclass?import?OneVsRestClassifier from?dython.model_utils?import?metric_graph#?Load?data iris?=?datasets.load_iris() X?=?iris.data y?=?label_binarize(iris.target,?classes=[0,?1,?2])#?Add?noisy?features random_state?=?np.random.RandomState(4) n_samples,?n_features?=?X.shape X?=?np.c_[X,?random_state.randn(n_samples,?200?*?n_features)]#?Train?a?model X_train,?X_test,?y_train,?y_test?=?train_test_split(X,?y,?test_size=.5,?random_state=0) classifier?=?OneVsRestClassifier(svm.SVC(kernel='linear',?probability=True,?random_state=0))#?Predict y_score?=?classifier.fit(X_train,?y_train).predict_proba(X_test)#?Plot?ROC?graphs metric_graph(y_test,?y_score,?'pr',?class_names=iris.target_names) import?numpy?as?np from?sklearn?import?svm,?datasets from?sklearn.model_selection?import?train_test_split from?sklearn.preprocessing?import?label_binarize from?sklearn.multiclass?import?OneVsRestClassifier from?dython.model_utils?import?metric_graph#?Load?data iris?=?datasets.load_iris() X?=?iris.data y?=?label_binarize(iris.target,?classes=[0,?1,?2])#?Add?noisy?features random_state?=?np.random.RandomState(4) n_samples,?n_features?=?X.shape X?=?np.c_[X,?random_state.randn(n_samples,?200?*?n_features)]#?Train?a?model X_train,?X_test,?y_train,?y_test?=?train_test_split(X,?y,?test_size=.5,?random_state=0) classifier?=?OneVsRestClassifier(svm.SVC(kernel='linear',?probability=True,?random_state=0))#?Predict y_score?=?classifier.fit(X_train,?y_train).predict_proba(X_test)#?Plot?ROC?graphs metric_graph(y_test,?y_score,?'roc',?class_names=iris.target_names)

• 「sampling」

sampling子模塊則包含了boltzmann_sampling()和weighted_sampling()兩種數據采樣方法，簡化數據建模流程。

dython作為一個處于快速開發迭代過程的Python庫，陸續會有更多的實用功能引入，感興趣的朋友們可以前往https://github.com/shakedzy/dython查看更多內容或對此項目保持關注。

---

以上就是本文的全部內容，歡迎在評論區與我進行討論~

推薦閱讀

Pandas處理數據太慢，來試試Polars吧！

懶人必備！只需一行代碼，就能導入所有的Python庫

絕！關于pip的15個使用小技巧

介紹10個常用的Python內置函數，99.99%的人都在用！

可能是全網最完整的 Python 操作 Excel庫總結！

總結

以上是生活随笔為你收集整理的dython：Python数据建模宝藏库的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。