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，其中之一就是，为了方便进行程序开发，它拥有了大量优秀的库，如Pandas、Numpy、Matplotlib、SciPy等。
不过，本文不打算介绍那些以实用为主要“卖点”的库，而是带你走进一些极为有趣的库，这些库可以展示Python的另一面，也恰恰证明了Python社区的繁荣发展。
1. Bashplotlib
Bashplotlib是一个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，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，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) 
在上面的示例中，参数limit告诉FuzzyWuzzy提取“前n个”结果。否则将获得具有所有这些原始字符串及其相似性分数的元组列表。
5. TQDM
图源：unsplash
你通常会使用Python来开发命令行工具吗?如果是的话一定要试试这个库。当CLI工具处理一些耗时的事情时，它将通过显示一个进度条来指示完成了多少工作，帮助你了解情况。
老办法，使用pip安装：
pipinstall tqdm
当for循环使用range函数时，只是把它替换为tqdm中的trange即可。
fromtqdm import trangefor i in trange(100): sleep(0.01)
一般来说，对列表做循环。使用tqdm也很容易。
fromtqdm import tqdm for e in tqdm([1,2,3,4,5,6,7,8,9]): sleep(0.5) # Suppose we are doing something with theelements
tqdm不仅适用于命令行环境，还适用于iPython / Jupyter Notebook。
图源：https://github.com/tqdm/tqdm