当前位置：首页 > 系统运维

趣味至上主义：这5个有趣的Python库带你花式编码

本文转载自公众号“读芯术”(ID：AI_Discovery)

Python是趣味趣如今最流行的编程语言之一，这点也给它本身带来很多好处，至上主义其中之一就是库带，为了方便进行程序开发，花式它拥有了大量优秀的编码库，如Pandas、趣味趣Numpy、至上主义Matplotlib、库带SciPy等。花式

不过，编码本文不打算介绍那些以实用为主要“卖点”的趣味趣库，而是至上主义带你走进一些极为有趣的库，这些库可以展示Python的库带另一面，也恰恰证明了Python社区的花式繁荣发展。

1. Bashplotlib

Bashplotlib是编码一个Python库，使得能够在命令行stdout环境中绘制数据。老实说，第一次看到这个库的时候，笔者很疑惑，我们为什么可能会需要这样的库?

很快笔者就意识到，当没有任何可用的GUI时，香港云服务器它可能会很有用。这个情况可不太常见，它引起了笔者的好奇心。我这是一个非常有趣的Python库。

使用pip就可以很容易地安装Bashplotlib：

pipinstall bashplotlib

来看一些例子。在下面的代码中，导入了numpy来生成一些随机数组，当然还有bashplotlib。

importnumpy as np from bashplotlib.histogram import plot_hist arr = np.random.normal(size=1000, loc=0, scale=1)

plot_hist是bashplotlib的一个函数，用于在直方图中绘制一维数据，就像plt.hist在Matplotlib中的功能一样。然后，使用Numpy生成一个包含1,000个服从正态分布的数字组成的随机数组。在此之后，可以很容易地绘制这些数据：

plot_hist(arr, bincount=50)

输出就像这样：

你也可以从文本文件中用散点图来绘制数据。

2. PrettyTable

Bashplotlib在命令行环境中绘制数据，而PrettyTable以一种好看的格式绘制输出结果表。

同样的，使用pip可以很容易地安装这个库：

pipinstall prettytable

首先，导入这个库：

from prettytable import PrettyTable

然后，使用PrettyTable创建表格对象：

table =PrettyTable()

一旦创建表格对象，就可以开始添加域和数据列了：

table.field_names= [Name, Age, City] table.add_row(["Alice", 20, "Adelaide"]) table.add_row(["Bob", 20, "Brisbane"]) table.add_row(["Chris", 20, "Cairns"]) table.add_row(["David", 20, "Sydney"]) table.add_row(["Ella", 20, "Melbourne"])

只需打印就可显示表格：

print(table)

PrettyTable还支持改进表格样式，服务器托管几乎包括可以想到的任何方面。例如，我们可以右对齐表格中的文字：

table.align= r print(table)

按列对表格排序：

table.sortby= "City" print(table)

甚至可以得到表格的HTML字符串

3. Colorama

想为命令行应用程序添加一些颜色吗?Colorama可以很容易地输出你喜欢的颜色。

图源：unsplash

再一次使用pip安装Colorama：

Colorama支持在“前景”(文本颜色)、“背景”(背景颜色)和“风格”(额外的风格的颜色)中支持渲染输出颜色。可以导入：

fromcolorama import Fore, Back, Style

首先使用黄色显示一些警告：

然后尝试使用红色背景显示一些错误：

print(Back.RED+ Fore.WHITE + "This is an error!")

红色太艳了。使用“dim”风格。

print(Back.RESET+ Style.DIM + "Another error!")

此处设置“RESET”改变背景颜色为默认。

“DIM”样式使字体不可见。若想把所有东西都恢复正常时，只需将“Style”设置为“RESET_ALL”：

print(Style.RESET_ALL)

4. FuzzyWuzzy

很多时候，你可能想为程序实现一个“模糊”搜索功能，FuzzyWuzzy提供了一个开箱即用的轻量级解决方案。

和再去一样，使用pip安装：

pip installfuzzywuzzy

导入库：

fromfuzzywuzzy import fuzz

做个简单的测试：

fuzz.ratio("Let’sdo a simple test", "Let us do a simple test")

如结果所示，“93”表示这两个字符串有93%的相似性，这相当高了。

当有一个字符串列表，想要搜索所有的字符串，FuzzyWuzzy将帮助提取最相关的字符串及其相似性。

fromfuzzywuzzy import processchoices = ["Data Visualisation", "DataVisualization", "Customised Behaviours", "CustomizedBehaviors"]process.extract("data visulisation", choices,limit=2) process.extract("custom behaviour", choices, limit=2)