Python基础知识

6. Python 标准库

• 常用库
  • math：数学运算，如 sqrt()、pow()、sin() 等
  • datetime：处理日期和时间
  • os 和 sys：操作系统相关功能，如文件路径、环境变量、命令行参数
  • random：生成随机数
  • re：正则表达式操作
  • json：JSON 编码和解码
  • collections：提供高级数据结构，如 Counter、deque、namedtuple
  • itertools：提供迭代器生成器，如 product()、permutations()
  • functools：提供高阶函数，如 reduce()、partial()
  • subprocess：执行系统命令和子进程管理
  • unittest：单元测试框架

7. 高级特性

• 生成器

  • yield 关键字：用于定义生成器函数，生成器是惰性求值的
  • 生成器表达式：类似列表推导式，但返回一个生成器对象

• 装饰器

  • 装饰器是一个函数，用于在不改变原函数的情况下，扩展函数的功能
  • 使用 @decorator_name 语法应用装饰器

• 上下文管理

  • with 语句：用于管理资源，如文件或网络连接
  • 自定义上下文管理器：通过实现 __enter__ 和 __exit__ 方法

8. 并发编程

• 多线程

  • 使用 threading 模块创建和管理线程
  • Thread 类、Lock 和 RLock 同步原语、Queue 线程安全队列

• 多进程

  • 使用 multiprocessing 模块创建和管理进程
  • Process 类、Queue 和 Pipe 进程间通信、Pool 进程池

• 异步编程

  • 使用 asyncio 库进行异步编程
  • async 和 await 关键字、asyncio 事件循环、协程与任务管理

9. 数据科学与机器学习（扩展）

• NumPy：高效的多维数组操作库，提供向量化运算功能
• Pandas：数据分析库，提供 DataFrame 和 Series 数据结构，便于数据清洗与操作
• Matplotlib 和 Seaborn：数据可视化库，用于绘制图表
• Scikit-Learn：机器学习库，提供常用算法实现和数据预处理工具
• TensorFlow 和 PyTorch：深度学习框架，支持神经网络模型的构建与训练

10. Web 开发

• Web 框架

  • Flask：轻量级 Web 框架，适合小型应用和 API 开发
  • Django：功能全面的 Web 框架，内置 ORM、身份验证、管理界面等

• Web 请求

  • 使用 requests 库发送 HTTP 请求，处理响应
  • BeautifulSoup 和 lxml 库进行网页解析和数据提取

11. 测试与调试

• 单元测试：unittest、pytest
• 调试：使用 pdb 进行断点调试

12. 部署与打包

• 虚拟环境：使用 venv 或 virtualenv 创建隔离的 Python 环境
• 依赖管理：pip 和 pipenv 安装和管理依赖包
• 打包与分发：setuptools、wheel 和 twine 用于打包 Python 项目
• 容器化部署：使用 Docker 容器化 Python 应用