10 малоизвестных библиотек Python для работы с данными

• PyGWalker (https://github.com/Kanaries/pygwalker): PyGWalker упрощает рабочий процесс анализа и визуализации данных в Jupyter Notebook, превращая фрейм данных pandas (или фрейм данных polars) в пользовательский интерфейс в стиле Tableau для визуального исследования.

• SciencePlots (https://github.com/garrettj403/SciencePlots): Создаёт профессиональные графики matplotlib для презентаций, исследовательских работ и т.д.

• CleverCSV (https://github.com/alan-turing-institute/CleverCSV): Устраняет ошибки синтаксического анализа при чтении CSV-файлов с помощью Pandas.

•

• Fastparquet (https://pypi.org/project/fastparquet/): Ускоряет ввод-вывод pandas в 5 раз.

• Bottleneck (https://github.com/pydata/bottleneck): ускоряет работу методов NumPy в 25 раз. Особенно, если массив имеет значения NaN.

• Multipledispatch (https://github.com/mrocklin/multipledispatch): предоставляет методы для перегрузку функций в Python.

• Aquarel (https://github.com/lgienapp/aquarel): дополнительные стили графиков matplotlib.

• Modelstore (https://github.com/operatorai/modelstore): библиотека моделей машинного обучения для лучшего отслеживания работы моделей.

• Pigeon (https://github.com/abhigyan631): помогает анотировать данные щелчками мышки в Jupyter notebook.

• Nbcommands (https://nbcommands.readthedocs.io/en/latest/): помогает легко выполнять поиск кода в Jupyter notebooks, а не выполнять это вручную.

Подробнее с примерами кода (https://uproger.com/10-maloizvestnyh-bibliotek-python/)

@pythonl (https://t.me/pythonl)

Источник: t.me

Комментарии: