13个python常用库,提高你的开发能力

Python拥有大量封装好的功能模块和工具库,这些库广泛应用于数据分析、机器学习、Web开发、自动化等多个领域。库在Python的作用非常重要,利用库不仅能简化复杂的任务还能极大减少开发的时间。下面介绍了13个python常见库。

1. NumPy

用途:数值计算和数组处理。

功能:提供支持大规模多维数组和矩阵运算;提供数学函数库,用于对数组执行各种操作,如线性代数、傅里叶变换、随机数生成等。

import numpy as np
arr = np.array([1, 2, 3])
print(arr * 2)  # 输出:[2 4 6]

2. Pandas

用途:数据分析和处理。

功能:提供DataFrame结构,方便处理和分析表格数据;数据清洗、转换、合并、分组等。

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

3. Matplotlib

用途:数据可视化。

功能:绘制各种图表,如折线图、散点图、柱状图等;支持自定义图表外观

import matplotlib.pyplot as plt
x = [1, 2, 3, 4]
y = [1, 4, 9, 16]
plt.plot(x, y)
plt.show()

4. Seaborn

用途:基于Matplotlib的统计数据可视化。

功能:更简洁的接口和美观的图表;自动处理数据的统计分析(如箱线图、热图等)。

import seaborn as sns
tips = sns.load_dataset('tips')
sns.boxplot(x="day", y="total_bill", data=tips)

5. Scikit-learn

用途:机器学习。

功能:提供多种机器学习算法(分类、回归、聚类等);支持数据预处理、特征选择、模型评估等。

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier

iris = load_iris()
X = iris.data
y = iris.target
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

model = RandomForestClassifier()
model.fit(X_train, y_train)
print(model.score(X_test, y_test))

6. TensorFlow / PyTorch

用途:深度学习。

功能:提供构建和训练神经网络的工具;支持自动求导、GPU加速等功能。

import tensorflow as tf
model = tf.keras.Sequential([tf.keras.layers.Dense(10, input_shape=(3,))])
model.compile(optimizer='adam', loss='mean_squared_error')

7. Flask / Django

用途:Web开发。

功能:Flask:一个轻量级的Web框架,适合开发小型Web应用;Django:功能更强大的Web框架,适用于开发大型Web应用。

from flask import Flask
app = Flask(__name__)

@app.route('/')
def hello():
    return 'Hello, World!'

if __name__ == '__main__':
    app.run(debug=True)

8. Requests

用途:HTTP请求。

功能:发送HTTP请求,获取响应;处理GET、POST等请求类型,支持文件上传、cookie管理等。

import requests
response = requests.get('https://api.github.com')
print(response.json())

9. BeautifulSoup

用途:网页解析和爬虫。

功能:解析HTML和XML文档;从网页中提取数据,常与requests结合使用。

from bs4 import BeautifulSoup
import requests

url = 'https://example.com'
page = requests.get(url)
soup = BeautifulSoup(page.content, 'html.parser')
print(soup.prettify())

10. SQLAlchemy

用途:数据库操作。

功能:提供Python对SQL数据库的ORM(对象关系映射)支持;通过Python类与数据库进行交互,简化SQL操作。

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

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

engine = create_engine('sqlite:///:memory:')
Base.metadata.create_all(engine)

Session = sessionmaker(bind=engine)
session = Session()
new_user = User(name='Alice')
session.add(new_user)
session.commit()

11. OpenCV

用途:计算机视觉。

功能:处理图像和视频,提供图像识别、特征提取、边缘检测等功能。

import cv2
img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow('Gray Image', gray)
cv2.waitKey(0)
cv2.destroyAllWindows()

12. Celery

用途:异步任务队列/分布式任务调度。

功能:处理异步任务,实现分布式工作流。

from celery import Celery
app = Celery('tasks', broker='pyamqp://guest@localhost//')

@app.task
def add(x, y):
    return x + y

13. PyTest

用途:单元测试。

功能:提供简洁的API来编写和执行测试,支持自动化测试和测试覆盖率。

def test_add():
    assert add(1, 2) == 3

相关文章

python中常用的10个标准库

Python中常用的标准库有很多,它们可以帮助我们完成各种任务,例如操作系统、文件、网络、数据、数学、文本等。以下是一些python中10常用的标准库的介绍:os:os模块提供了许多与操作系统交互的函...

创业公司都在使用的3款Python库

Instavest上发表了一篇博文,文章分享了深受创业公司喜爱的3款Python库,该文章在Hacker News 上引发了开发者的激烈探讨,如果你也对此感兴趣,不妨移步去看下。笔者将该文简译过来以分...

推荐 7 个实用的 Python 工具库,加速你的项目开发

转载说明:原创不易,未经授权,谢绝任何形式的转载工欲其善,必先利其器,推荐 7 个高效的 Python 库当一个库可以完成同样的事情时,你为什么要创建自定义功能?在我看来,一个好的项目会利用一些可用的...

这7个实用的Python库,提高你的开发生产力

转载说明:原创不易,未经授权,谢绝任何形式的转载Python 作为一种高效、易用的编程语言,其强大的生态系统使其成为了各行各业的首选语言。在这个生态系统中,有很多优秀的 Python 库,能够帮助开发...

5个奇妙的Python库

引言Python是一个非常神奇语言,无论我们要做什么任务,python都有其解决方案,无论它与机器学习,数据可视化,图像处理还是任何简单的任务。Python为各种简单和困难的任务提供了大量的资源。大多...