学习Python，常用的这22个库怎能不掌握？("Python学习必掌握：这22个常用库你都知道吗？")

Python学习必掌握：这22个常用库你都知道吗？

Python作为一种有力的编程语言，其拥有充足的第三方库，可以帮助我们敏捷地实现各种功能。以下是22个常用的Python库，掌握它们将大大节约你的编程高效能。

1. NumPy

NumPy是一个有力的Python库，核心用于对多维数组执行计算。它是科学计算的基础库，提供了高效的数组操作。

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

2. Pandas

Pandas是基于NumPy构建的库，用于数据处理和清洗。它提供了DataFrame对象，可以方便地处理表格数据。

import pandas as pd
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
print(df)
    

3. Matplotlib

Matplotlib是一个用于绘制图表的库，可以生成高质量的图形。它赞成多种图表类型，包括线图、条形图、散点图等。

import matplotlib.pyplot as plt
plt.plot([1, 2, 3], [4, 5, 6])
plt.show()
    

4. Scikit-learn

Scikit-learn是一个用于数据挖掘和数据分析的库，提供了许多机器学习算法的实现。

from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
model = LogisticRegression()
model.fit(X_train, y_train)
    

5. TensorFlow

TensorFlow是一个用于深度学习的开源库，由Google开发。它赞成多种深度学习模型，包括卷积神经网络、循环神经网络等。

import tensorflow as tf
model = tf.keras.Sequential([
    tf.keras.layers.Dense(10, activation='relu', input_shape=(784,)),
    tf.keras.layers.Dense(10, activation='softmax')
])
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])
    

6. Keras

Keras是一个高级神经网络API，可以运行在TensorFlow、CNTK或Theano之上。它简化了深度学习模型的设计和训练。

from keras.models import Sequential
from keras.layers import Dense
model = Sequential()
model.add(Dense(10, input_dim=784, activation='relu'))
model.add(Dense(10, activation='softmax'))
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
    

7. Scipy

Scipy是一个用于科学计算的库，它基于NumPy，提供了许多用于优化、积分、插值等功能的模块。

from scipy.optimize import minimize
def rosen(x):
    return sum(100.0*(x[1:]-x[:-1]**2.0)**2.0 + (1-x[:-1])**2.0)
x0 = [1.2, 1.2, 1.2, 1.2, 1.2]
res = minimize(rosen, x0, method='BFGS')
print(res.x)
    

8. Statsmodels

Statsmodels是一个Python模块，提供了估计和测试统计模型的类和函数。

import statsmodels.api as sm
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
X = sm.add_constant(x)
model = sm.OLS(y, X).fit()
print(model.summary())
    

9. Seaborn

Seaborn是基于Matplotlib的另一个绘图库，它提供了更高级的接口，用于绘制吸引人的统计图表。

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

10. BeautifulSoup

BeautifulSoup是一个用于解析HTML和XML文档的库，它可以帮助我们提取网页中的数据。

from bs4 import BeautifulSoup
html_doc = """

    
    
    
          
	      
	
The Dormouse's story
Once upon a time there were three little sisters; and their names were
Elsie,
Lacie and
Tillie;
and they lived at the bottom of a well.
...
"""
soup = BeautifulSoup(html_doc, 'html.parser')
print(soup.prettify())
    

11. requests

requests是一个简洁的HTTP库，用于发送各种HTTP请求。它允许浏览器和服务器之间的通信变得简洁。

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

12. Flask

Flask是一个轻量级的Web框架，用于敏捷构建Web应用程序。

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

13. Django

Django是一个高级的Python Web框架，鼓励敏捷开发和干净、实用的设计。

from django.http import HttpResponse
from django.views.decorators.http import require_http_methods
@require_http_methods(["GET"])
def hello(request):
    return HttpResponse('Hello, World!')
    

14. SQLAlchemy

SQLAlchemy是一个SQL工具包和对象关系映射（ORM）框架，用于数据库交互。

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='John Doe')
session.add(new_user)
session.commit()
    

15. Celery

Celery是一个异步任务队列/作业队列，基于分布式消息传递。

from celery import Celery
app = Celery('tasks', broker='pyamqp://guest@localhost//')
@app.task
def add(x, y):
    return x + y
    

16. Pillow

Pillow是Python Imaging Library（PIL）的一个活跃的分支，用于图像处理。

from PIL import Image
img = Image.open('input.jpg')
img.show()
    

17. Scrapy

Scrapy是一个用于网页抓取和提取数据的框架。

import scrapy
class QuotesSpider(scrapy.Spider):
    name = "quotes"
    start_urls = [
        'http://quotes.toscrape.com/tag/happiness/',
    ]
    def parse(self, response):
        for quote in response.css('div.quote'):
            yield {
                'text': quote.css('span.text::text').get(),
                'author': quote.css('small.author::text').get(),
                'tags': quote.css('a.tag::text').getall(),
            }
    

18. Pygame

Pygame是一个用于开发游戏的Python模块，它提供了游戏开发所需的功能。

import pygame
pygame.init()
screen = pygame.display.set_mode((640, 480))
done = False
while not done:
    for event in pygame.event.get():
        if event.type == pygame.QUIT:
            done = True
    pygame.display.flip()
pygame.quit()
    

19. NetworkX

NetworkX是一个用于创建、操作和研究繁复网络的库。

import networkx as nx
G = nx.Graph()
G.add_edge(1, 2)
G.add_edge(1, 3)
print(G.nodes())
print(G.edges())
    

20. Matplotlib

Matplotlib是一个用于绘制图表的库，可以生成高质量的图形。

import matplotlib.pyplot as plt
plt.plot([1, 2, 3, 4, 5], [1, 4, 9, 16, 25])
plt.show()
    

21. PyTorch

PyTorch是一个流行的深度学习框架，它提供了灵活的动态计算图。

import torch
import torch.nn as nn
model = nn.Sequential(
    nn.Linear(784, 128),
    nn.ReLU(),
    nn.Linear(128, 10),
    nn.LogSoftmax(dim=1)
)
    

22. Jupyter Notebook

Jupyter Notebook是一个交互式计算环境，赞成超过40种编程语言，包括Python。

# 在Jupyter Notebook中执行
print("Hello, World!")
    

以上22个Python库涵盖了数据处理、数据可视化、机器学习、Web开发、图像处理等多个领域。掌握这些库，将使你的Python编程之路更加顺畅。

本文由IT视界版权所有,禁止未经同意的情况下转发