【Python入门系列】第六篇:Python常用内置库总结

简介: Python是一种功能强大的编程语言,拥有众多内置库,这些库提供了各种各样的功能和工具,方便开发人员进行各种任务。本文将介绍Python中所有常用的内置库,并提供相应的代码示例。

@TOC


前言

Python是一种功能强大的编程语言,拥有众多内置库,这些库提供了各种各样的功能和工具,方便开发人员进行各种任务。本文将介绍Python中所有常用的内置库,并提供相应的代码示例。

一、基础库

1. math库

math库提供了数学运算相关的函数和常量。下面是一个使用math库计算平方根的示例代码:

import math
number = 16
square_root = math.sqrt(number)
print(square_root)

2. random库

random库用于生成随机数。下面是一个使用random库生成随机整数的示例代码:

import random
random_number = random.randint(1, 10)
print(random_number)

3. datetime库

datetime库用于处理日期和时间。下面是一个使用datetime库获取当前日期和时间的示例代码:

import datetime
current_datetime = datetime.datetime.now()
print(current_datetime)

4. os库

os库提供了与操作系统交互的功能,例如文件和目录操作。下面是一个使用os库创建目录的示例代码:

import os
directory = "new_directory"
os.mkdir(directory)

5. re库

re库用于进行正则表达式匹配和操作。下面是一个使用re库检查字符串是否匹配特定模式的示例代码:

import re
pattern = r"\d{3}-\d{4}"
phone_number = "123-4567"
if re.match(pattern, phone_number):
    print("Valid phone number")
else:
print("Invalid phone number")

6. sys库

sys库提供了与Python解释器和系统交互的功能。下面是一个使用sys库获取命令行参数的示例代码:

import sys
arguments = sys.argv
print(arguments)

7. json库

json库用于处理JSON数据的编码和解码。下面是一个使用json库将Python对象转换为JSON字符串的示例代码:

import json
data = {
   'name': 'John', 'age': 30}
json_string = json.dumps(data)
print(json_string)

8. csv库

csv库用于读取和写入CSV文件。下面是一个使用csv库读取CSV文件的示例代码:

import csv
with open('data.csv', 'r') as file:
    csv_reader = csv.reader(file)
    for row in csv_reader:
        print(row)

9. urllib库

urllib库用于进行URL操作,例如发送HTTP请求。下面是一个使用urllib库发送GET请求的示例代码:

import urllib.request
response = urllib.request.urlopen('http://www.example.com')
html = response.read()
print(html)

10. hashlib库

hashlib库提供了多种哈希算法,用于数据加密和校验。下面是一个使用hashlib库计算SHA256哈希值的示例代码:

import hashlib
data = 'Hello, World!'
hash_object = hashlib.sha256(data.encode())
hash_value = hash_object.hexdigest()
print(hash_value)

11. collections库

collections库提供了额外的数据结构,如有序字典、命名元组等。下面是一个使用collections库的示例代码:

from collections import OrderedDict
data = OrderedDict()
data['apple'] = 4
data['banana'] = 2
data['orange'] = 6
for key, value in data.items():
    print(key, value)

12. itertools库

itertools库提供了用于迭代和组合的工具函数。下面是一个使用itertools库生成排列组合的示例代码:

import itertools
data = [1, 2, 3]
permutations = itertools.permutations(data)
combinations = itertools.combinations(data, 2)
for perm in permutations:
    print(perm)
for comb in combinations:
    print(comb)

13. functools库

functools库提供了一些高阶函数,如partial和reduce等。下面是一个使用functools库的示例代码:

import functools
def multiply(a, b):
    return a * b
double = functools.partial(multiply, b=2)
result = double(3)
print(result)

14. time库

time库提供了与时间相关的功能,如获取当前时间、计时等。下面是一个使用time库的示例代码:

import time
start_time = time.time()
time.sleep(2)
end_time = time.time()
elapsed_time = end_time - start_time
print("Elapsed time:", elapsed_time)

二、高级库(常用的第三方库及其功能)

1. NumPy库(科学计算)

NumPy库是Python科学计算的核心库,提供了多维数组对象和各种数学函数,用于进行快速的数值计算。它还提供了用于操作数组的工具和函数。下面是一个使用NumPy库的示例代码:

import numpy as np
array = np.array([1, 2, 3, 4, 5])
print(array)

2. Pandas库 (数据分析)

Pandas库提供了用于数据分析和处理的高级数据结构和函数。它可以轻松处理和操作大型数据集,并提供了数据清洗、转换、合并等功能。下面是一个使用Pandas库的示例代码:

import pandas as pd
data = {
   'Name': ['John', 'Alice', 'Bob'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data)
print(df)

3. Matplotlib库(数据可视化)

Matplotlib库是一个用于绘制数据可视化图表的库。它提供了各种绘图函数和工具,可以创建线图、散点图、柱状图等各种类型的图表。下面是一个使用Matplotlib库绘制折线图的示例代码:

import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.plot(x, y)
plt.show()

4. Requests库(网络请求)

Requests库是一个简洁而强大的HTTP请求库,用于发送HTTP请求和处理响应。它使得与Web服务进行交互变得更加容易。下面是一个使用Requests库发送GET请求的示例代码:

import requests
response = requests.get('http://www.example.com')
print(response.text)

5. Scrapy库(网络爬虫)

Scrapy是一个用于爬取网站数据的高级Python框架。它提供了强大的抓取和提取功能,可以自动化地从网站上获取数据。Scrapy还具有可扩展性和灵活性,使其成为开发网络爬虫的首选库。
import scrapy

class MySpider(scrapy.Spider):
    name = 'example.com'
    start_urls = ['http://www.example.com']

    def parse(self, response):
        # 解析网页内容
        pass

6. Django库(Web开发)

Django是一个功能强大且易于使用的Web开发框架。它提供了快速开发高质量Web应用程序所需的各种工具和功能。Django采用了MVC(模型-视图-控制器)架构模式,具有强大的数据库集成和用户认证系统。

from django.http import HttpResponse

def hello(request):
    return HttpResponse("Hello, World!")

7. TensorFlow库(机器学习)

TensorFlow是一个开源的机器学习框架,由Google开发。它提供了丰富的工具和库,用于构建和训练机器学习模型。TensorFlow支持各种深度学习算法和神经网络模型,广泛应用于图像识别、自然语言处理等领域。

import tensorflow as tf

x = tf.constant([1, 2, 3, 4, 5])
y = tf.reduce_sum(x)
print(y)

8. PyTorch库(机器学习)

PyTorch是另一个流行的机器学习框架,由Facebook开发。它提供了灵活的张量计算和动态图机制,使得构建和训练神经网络变得更加简单。PyTorch广泛应用于深度学习研究和开发。

import torch

x = torch.tensor([1, 2, 3, 4, 5])
y = torch.sum(x)
print(y)

9. SQLAlchemy库(数据库操作)

SQLAlchemy是一个Python SQL工具包和对象关系映射(ORM)工具。它提供了一种高级的数据库操作方式,可以轻松地进行数据库查询、插入、更新和删除操作。SQLAlchemy支持多种数据库后端,并提供了强大的查询语言和事务管理功能。

from sqlalchemy import create_engine, Column, Integer, String
from sqlalchemy.orm import sessionmaker
from sqlalchemy.ext.declarative import declarative_base

engine = create_engine('sqlite:///example.db')
Session = sessionmaker(bind=engine)
session = Session()

Base = declarative_base()

class User(Base):
    __tablename__ = 'users'
    id = Column(Integer, primary_key=True)
    name = Column(String)
    age = Column(Integer)

user = User(name='John', age=25)
session.add(user)
session.commit()

10. Flask库(Web开发)

Flask是一个轻量级的Web开发框架。它提供了简单易用的工具和功能,用于构建Web应用程序。Flask具有灵活性和可扩展性,适用于开发小型到中型的Web应用。

from flask import Flask
 app = Flask(__name__)
@app.route('/')
def hello():
    return 'Hello, World!'
if __name__ == '__main__':
app.run()

11. Scikit-learn库(机器学习)

Scikit-learn是一个用于机器学习和数据挖掘的库。它提供了各种机器学习算法和工具,可以进行分类、回归、聚类等任务,并且具有丰富的特征工程和模型评估功能。

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
iris = load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2, random_state=42)
knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(X_train, y_train)
accuracy = knn.score(X_test, y_test)
print(accuracy)

12. BeautifulSoup库(网页解析)

BeautifulSoup是一个用于解析HTML和XML文档的库。它提供了简单而灵活的API,可以从网页中提取数据,进行网页解析和数据提取操作。

from bs4 import BeautifulSoup
import requests
response = requests.get('https://www.example.com')
soup = BeautifulSoup(response.text, 'html.parser')
title = soup.title.string
print(title)

13. Django库(Web开发):

Django是一个用于构建Web应用程序的高级Python Web框架。它提供了强大的工具和功能,用于快速开发安全、可扩展的Web应用。

from django.http import HttpResponse
def hello(request):
    return HttpResponse("Hello, World!")

总结

目录
相关文章
|
17小时前
|
数据采集 Web App开发 测试技术
玩转Python的fake-useragent库
玩转Python的fake-useragent库
|
1天前
|
数据采集 数据可视化 数据处理
利用Python和Pandas库实现高效的数据处理与分析
在大数据和人工智能时代,数据处理与分析已成为不可或缺的一环。Python作为一门强大的编程语言,结合Pandas库,为数据科学家和开发者提供了高效、灵活的数据处理工具。本文将介绍Pandas库的基本功能、优势,并通过实际案例展示如何使用Pandas进行数据清洗、转换、聚合等操作,以及如何利用Pandas进行数据可视化,旨在帮助读者深入理解并掌握Pandas在数据处理与分析中的应用。
|
2天前
|
架构师 数据挖掘 Python
最全pandas库(Python),2024年最新阿里云架构师面试
最全pandas库(Python),2024年最新阿里云架构师面试
最全pandas库(Python),2024年最新阿里云架构师面试
|
2天前
|
Linux 开发工具 Python
初学者从无到有的Python语言如何入门,这份Python学习路线赶紧带走_python 从无到(1)
初学者从无到有的Python语言如何入门,这份Python学习路线赶紧带走_python 从无到(1)
初学者从无到有的Python语言如何入门,这份Python学习路线赶紧带走_python 从无到(1)
|
2天前
|
机器学习/深度学习 算法 前端开发
2024年8个可以提高数据科学工作效率并节省宝贵时间的Python库,2024年最新记得把每一次面试当做经验积累
2024年8个可以提高数据科学工作效率并节省宝贵时间的Python库,2024年最新记得把每一次面试当做经验积累
2024年8个可以提高数据科学工作效率并节省宝贵时间的Python库,2024年最新记得把每一次面试当做经验积累
|
2天前
|
数据采集 算法 Python
2024年Python最全python基础入门:高阶函数,小米面试编程题
2024年Python最全python基础入门:高阶函数,小米面试编程题
|
2天前
|
存储 数据采集 数据挖掘
真正零基础Python入门:手把手教你从变量和赋值语句学起
真正零基础Python入门:手把手教你从变量和赋值语句学起
|
2天前
|
数据可视化 前端开发 JavaScript
盘点12个Python数据可视化库,通吃任何领域
盘点12个Python数据可视化库,通吃任何领域
|
3天前
|
数据挖掘 数据处理 Python
【Python DataFrame 专栏】Python DataFrame 入门指南:从零开始构建数据表格
【5月更文挑战第19天】本文介绍了Python数据分析中的核心概念——DataFrame,通过导入`pandas`库创建并操作DataFrame。示例展示了如何构建数据字典并转换为DataFrame,以及进行数据选择、添加修改列、计算统计量、筛选和排序等操作。DataFrame适用于处理各种规模的表格数据,是数据分析的得力工具。掌握其基础和应用是数据分析之旅的重要起点。
【Python DataFrame 专栏】Python DataFrame 入门指南:从零开始构建数据表格
|
4天前
|
网络协议 网络架构 Python
Python 网络编程基础:套接字(Sockets)入门与实践
【5月更文挑战第18天】Python网络编程中的套接字是程序间通信的基础,分为TCP和UDP。TCP套接字涉及创建服务器套接字、绑定地址和端口、监听、接受连接及数据交换。UDP套接字则无连接状态。示例展示了TCP服务器和客户端如何使用套接字通信。注意选择唯一地址和端口,处理异常以确保健壮性。学习套接字可为构建网络应用打下基础。
19 7