今天给大家分享 10 个超有用的 python 库。
Pandas Pandas 是 Python 中最流行的数据操作和分析库之一。它提供了一个强大的数据结构,称为 DataFrame,它允许你轻松存储和操作结构化数据。
复制
import pandas as pd
# Create a DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'Occupation': ['Engineer', 'Teacher', 'Designer']}
df = pd.DataFrame(data)
print(df)1.2.3.4.5.6.7.8.
NumPy
NumPy 是 Python 中科学计算的基础库。它提供对大型多维数组和矩阵的支持,以及对这些数组进行操作的数学函数集合。
复制
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)1.2.
Matplotlib
Matplotlib 是一个绘图库,允许你创建各种类型的绘图,包括线图、条形图、直方图和散点图。
复制
import matplotlib.pyplot as plt
# Create a line plot
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]
plt.plot(x, y)
plt.show()
Requests
Requests 是一个用于在 Python 中发出 HTTP 请求的库。它简化了发送 HTTP 请求和处理响应的过程。
复制
import requests
# Send a GET request
response = requests.get('https://www.example.com')
print(response.text)
BeautifulSoup
BeautifulSoup 是一个用于解析 HTML 和 XML 文档的库。它可以轻松地从网页中提取数据并导航文档树结构。
复制
from bs4 import BeautifulSoup
# Parse an HTML document
html = '<html><body><h1>Example</h1></body></html>'
soup = BeautifulSoup(html, 'html.parser')
print(soup.h1.text
SQLAlchemy
SQLAlchemy 是 Python 的对象关系映射 (ORM) 库。它提供了一种使用 Python 对象与数据库交互的方式,使得管理数据库操作变得更加容易。
复制
from sqlalchemy import create_engine, Column, Integer, String
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import sessionmaker
# Define a database model
Base = declarative_base()
class User(Base):
__tablename__ = 'users'
id = Column(Integer, primary_key=True)
name = Column(String)
# Create a database session
engine = create_engine('sqlite:///example.db')
Session = sessionmaker(bind=engine)
session = Session()
# Add a new user
user = User(name='Alice')
session.add(user)
session.commit()
# Query the users table
users = session.query(User).all()
for user in users:
print(user.name)
Scikit-learn
Scikit-learn 是 Python 中的机器学习库。它提供了一系列用于数据挖掘、数据分析和预测建模的算法和工具。
复制
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import load_iris
# Load the Iris dataset
data = load_iris()
# Train a random forest classifier
classifier = RandomForestClassifier()
classifier.fit(data.data, data.target)
# Make predictions
predictions = classifier.predict([[5.1, 3.5, 1.4, 0.2], [6.2, 2.9, 4.3, 1.3]])
print(predictions)
TensorFlow
TensorFlow 是一个用于数值计算和机器学习的库。它为构建和训练各种类型的机器学习模型提供了灵活的框架。
复制
import tensorflow as tf
# Create a TensorFlow constant
a = tf.constant(1)
b = tf.constant(2)
# Perform a computation
c = tf.add(a, b)
# Run the computation
with tf.Session() as sess:
result = sess.run(c)
print(result)
Django
Django 是 Python 的高级 Web 框架。它提供了一种干净、高效的方式来构建 Web 应用程序、处理 URL 路由、数据库管理和表单处理等任务。
复制
from django.urls import path
from django.http import HttpResponse
# Define a view
def hello(request):
return HttpResponse('Hello, World!')
# Define URLs
urlpatterns = [
path('hello/', hello),
]
# Configure and run the Django application
from django.core.wsgi import get_wsgi_application
application = get_wsgi_application()
Pytest
Pytest 是 Python 的测试框架。它简化了编写测试的过程,并提供了强大的功能,例如测试发现、测试参数化和固定装置。
复制
import pytest
# Define a test function
def test_addition():
result = 1 + 2
assert result == 3
# Run the tests
pytest.main()
技术前沿拓展
前端开发,你的认知不能仅局限于技术内,需要发散思维了解技术圈的前沿知识。细心的人会发现,开发内部工具的过程中,大量的页面、场景、组件等在不断重复,这种重复造轮子的工作,浪费工程师的大量时间。
介绍一款程序员都应该知道的软件JNPF快速开发平台,很多人都尝试用过它,它是功能的集大成者,任何信息化系统都可以基于它开发出来。
这是一个基于 Java Boot/.Net Core 构建的简单、跨平台快速开发框架。前后端封装了上千个常用类,方便扩展;集成了代码生成器,支持前后端业务代码生成,实现快速开发,提升工作效率;框架集成了表单、报表、图表、大屏等各种常用的 Demo 方便直接使用;后端框架支持 Vue2、Vue3。如果你有闲暇时间,可以做个知识拓展。
看完本文如果觉得有用,记得点个赞支持,收藏起来说不定哪天就用上啦~
以上就是“分享10个超有用的 Python 的库”的全部内容,希望对你有所帮助。
关于Python技术储备
学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!
一、Python所有方向的学习路线
Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
二、Python必备开发工具
三、Python视频合集
观看零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
四、实战案例
光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
五、Python练习题
检查学习结果。
六、面试资料
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
最后祝大家天天进步!!
上面这份完整版的Python全套学习资料已经上传至CSDN官方,朋友如果需要可以直接微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】。