酷播亮新聞
作者：Tirthajyoti Sarkar
翻譯：王雨桐
校對：丁楠雅
本文約2600字，建議閱讀9分鐘。
本文將帶你了解UCI資料庫的Python API，通過實際案例拆解並講解代碼。
本文將介紹如何為UCI機器學習庫引入一個簡單直觀的API。用戶可以藉此查看數據集描述，搜索感興趣的數據集，甚至可以根據數據集大小或機器學習任務分類下載。
介紹
UCI機器學習庫是機器學習領域的一個神器。對於初學者和進階學習者來說，它就像一家商店。它將資料庫、業務知識以及用於機器學習演算法實證分析的數據生成器集中在一起。1987年，加州大學歐文分校的David Aha和他的學生以ftp檔案的形式創建了該網站。從那時開始，全世界的學生、教育工作者和研究人員將其作為機器學習數據集的主要來源。作為文檔影響的一個標誌，它已被引用超過1000次，使其成為計算機科學中引用率最高的100篇「論文」之一。
附UCI鏈接：
http://archive.ics.uci.edu/ml/index.php
我很高興能為UCI ML網站引入一個簡單直觀的API，用戶可以輕鬆查找數據集描述，搜索他們感興趣的特定數據集，甚至可以按大小或機器學習任務分類下載數據集。
從此處下載
這是一個由MIT授權的Python 3.6開源代碼庫，它提供了函數和方法，以便用戶通過交互方式使用UCI ML數據集。以下Github頁面可以下載/複製/分離代碼庫。
附Github：
https://github.com/tirthajyoti/UCI-ML-API
所需要的包
運行此代碼只需要以下三個廣泛使用的Python包。為了便於安裝這些支持包，setup.bash和setup.bat文件包含在我的repo中。只需在Linux / Windows shell中運行即可！
Pandas
Beautifulsoup 4
Requests
如何運行？
首先，確保你已連接到網路！然後，只需下載/克隆Github中的repo，確保安裝了以上包。
git clone https://github.com/tirthajyoti/UCI-ML-API.git
然後轉到已克隆Git的your_local_directory並在終端上運行以下命令。
python Main.py
隨後將打開一個菜單，允許你執行各種任務。菜單的屏幕截圖如下：
目前支持的特徵和函數
以下是目前應用的特徵（即上圖中1-9）
1.抓取整個網站以構建本地資料庫，其中包括數據集名稱，描述和URL。
2.抓取整個網站以構建本地資料庫，其中包括數據集名稱，大小和機器學習任務。
3.搜索並下載特定數據集。
4.下載前幾個數據集。
5.顯示所有數據集的名稱。
6.顯示所有數據集的簡要描述。
7.搜索數據集的單行描述和網頁鏈接（了解更多信息）。
8.根據數據集大小下載數據集。
9.根據與之關聯的機器學習任務下載數據集。
案例（搜索並下載某個數據集）
例如，如果要下載著名的Iris數據集，只需從菜單中選擇選項3，輸入存儲的本地資料庫的名稱（以便搜索更迅速）。 就可以下載Iris數據集並將其存儲在名為「Iris」的文件夾中！
案例（搜索包含關鍵詞的數據集）
如果選擇選項7，將使用關鍵字進行搜索，得到名稱與搜索字元串匹配的所有數據集（甚至部分）的簡短摘要。你還可以獲得每個結果的網頁鏈接，以便根據需要進一步探索數據。 下面的屏幕截圖是使用關鍵詞Cancer進行搜索的結果。
如果你想另闢蹊徑
如果你想避開這個簡單的用戶API，而使用基礎函數，也是可行的。大致流程如下，首先導入必要的包。
from UCI_ML_Functions import *import pandas as pd
read_dataset_table()：從url讀取數據集並進一步處理以便後續的數據清洗和分類。
url：
https://archive.ics.uci.edu/ml/datasets.html
clean_dataset_table()：清洗原始數據集（數據框對象（DataFrame））並返回數據。處理後的數據刪除了包含空缺值的觀測。並且刪除了「默認任務」列，該列用來顯示與數據集關聯的主機學習任務。
build_local_table(filename=None, msg_flag=True)：讀取UCI ML網站並使用名稱，大小，ML任務，數據類型等信息構建本地表。
filename :用戶可以選擇的文件名。如果未選擇，則選擇默認名稱（”UCI table.csv”）
msg_flag：控制信息複雜度（verbosity）
build_dataset_list()：抓取UCI ML數據集頁面的信息，並構建包含所有數據集信息的列表。
build_dataset_dictionary()：抓取UCI ML數據集頁面的信息，並構建包含所有數據集名稱和描述的字典(dictionary)。此外，還對應數據集生成了唯一標識符，下載器需要這個標識符字元串來下載數據文件。這種情況下，通用名稱不起作用。
build_full_dataframe()：構建一個包含所有信息的數據框（DataFrame），包括用於下載數據的URL鏈接。
build_local_database(filename=None, msg_flag=True)：讀取UCI ML網站並使用以下信息構建本地資料庫：name，abstract，data page URL。
filename：可由用戶選擇的文件名。如果未選擇，程序將選擇默認名稱（”UCI database.csv”）
msg_flag：控制信息複雜度（verbosity）
return_abstract(name,local_database=None,msg_flag=False)：通過搜索給定的名稱，返回特定數據集的單行描述（以及更多信息的網頁鏈接）。
local_database：本地存儲的資料庫名稱（CSV文件），即在同一目錄中，其中包含有關UCI ML repo上所有數據集的信息
msg_flag：控制信息複雜度（verbosity）
describe_all_dataset(msg_flag=False)：調用build_dataset_dictionary函數並顯示所有數據集的描述。
print_all_datasets_names(msg_flag=False)：調用build_dataset_dictionary函數並顯示所有數據集的名稱。
extract_url_dataset(dataset,msg_flag=False)：給定數據集標識符，此函數提取實際原始數據所在頁面的URL。
download_dataset_url(url,directory,msg_flag=False,download_flag=True)：從給定url中的鏈接下載所有文件。
msg_flag：控制信息複雜度（verbosity）
download_flag：默認為True。如果設置為False，則僅創建目錄但不下載（用於測試目的）
download_datasets(num=10,local_database=None,msg_flag=True,download_flag=True)：下載數據集並將它們放在以數據集命名的本地目錄中。默認情況下，僅下載前10個數據集。用戶可以選擇要下載的數據集數量。
msg_flag：控制信息複雜度（verbosity）
download_flag：默認為True。如果設置為False，則僅創建目錄但不啟動下載（用於測試目的）
download_dataset_name(name,local_database=None,msg_flag=True,download_flag=True)：根據下載指定名稱的數據集。
local_database：本地存儲的資料庫名稱（CSV文件），即在同一目錄中包含有關UCI ML存儲庫中所有數據集的名稱和URL信息
msg_flag：控制信息複雜度（verbosity）
download_flag：默認為True。如果設置為False，則僅創建目錄但不啟動下載（用於測試目的）
download_datasets_size(size=”Small”,local_database=None,local_table=None,msg_flag=False,download_flag=True)：下載滿足”size”標準的所有數據集。
size：用戶想要下載的數據集的大小。取值可以是以下任何一種：『Small』, 『Medium』, 『Large』, 』Extra Large』。
local_database：本地存儲的資料庫名稱（CSV文件），即在同一目錄中包含有關UCI ML存儲庫中所有數據集的名稱和URL信息。
local_table：本地存儲的資料庫名稱（CSV文件），即在同一目錄中包含關於UCI ML repo上所有數據集的特徵信息，即樣本數量以及數據集執行的機器學習任務類型。
msg_flag：控制信息複雜度（verbosity）。
download_flag：默認值為True。如果設置為False，則僅創建目錄而不下載（用於測試目的）。
download_datasets_task(task=”Classification”,local_database=None,local_table=None,msg_flag=False,download_flag=True)：下載用戶想要的所有符合ML任務標準的數據集。
task：用戶想要下載數據集的機器學習任務。task取值可以是以下任何一種：”Classification”, “Recommender Systems”, “Regression”, “Other/Unknown”, “Clustering”, “Causal Discovery”
local_database：本地存儲的資料庫名稱（CSV文件），即在同一目錄中包含有關UCI ML存儲庫中所有數據集的名稱和URL信息
local_table：本地存儲的資料庫名稱（CSV文件），即在同一目錄中包含關於UCI ML repo上所有數據集的特徵信息，即樣本數量以及數據集執行的機器學習任務類型
msg_flag：控制信息複雜度（verbosity）
download_flag：默認值為True。如果設置為False，則僅創建目錄而不下載（用於測試目的）
原文標題：
Introducing a simple and intuitive Python API for UCI machine learning repository
https://www.codementor.io/tirthajyotisarkar/introducing-a-simple-and-intuitive-python-api-for-uci-machine-learning-repository-p8dfargnt
譯者簡介
王雨桐，UIUC統計學在讀碩士，本科統計專業，目前專註於Coding技能的提升。理論到應用的轉換中，敬畏數據，持續進化。
