批量安装 Python 库的脚本：提高python学习效率的第一步（附源码）

批量安装 Python 库的脚本：提高数据分析效率的一步（附源码）

在现代数据分析领域，Python 已成为一个不可或缺的工具。为了进行数据处理、分析、可视化和建模等任务，Python 社区涌现出了众多强大的库和工具。然而，频繁安装这些库可能会变得繁琐，耗费时间和精力。在本文中，我将分享一个简单而强大的方法，以便一次性批量安装多个 Python 库，从而在数据分析工作中提高效率。

---

批量安装脚本前提条件

在运行批量安装脚本之前，确保您已经满足以下前提条件：

1. Python 和 pip 安装：请确保您已经正确地安装了 Python 和 pip 包管理工具。您可以在命令行中运行 python --version 和 pip --version 来验证它们的存在。

2. 路径配置：确保 Python 和 pip 的可执行文件所在的路径已经正确地添加到系统环境变量中，这样您可以在命令行中直接运行它们。

---

使用 pip：Python 包管理工具

pip 是 Python 社区广泛使用的包管理工具，它使我们能够轻松安装、升级和管理各种 Python 库。通常，我们会单独使用 pip install 命令来安装单个库，但当我们需要同时安装多个库时，可以通过一个脚本批量处理。

---

批量安装脚本

以下是一个用于批量安装多个 Python 库的脚本，它使用了 Python 的 os 模块来在命令行中执行 pip install 命令，并通过指定清华大学镜像源来加速下载过程：

import os

required_libraries = [
    'numpy', 'pandas', 'matplotlib', 'seaborn',  # 数据处理和可视化
    'scipy', 'statsmodels', 'scikit-learn', 'xgboost', 'lightgbm',  # 数据分析和机器学习
    'tensorflow', 'keras', 'pytorch', 'fastai',  # 深度学习框架
    'beautifulsoup4', 'requests', 'selenium',  # 网络数据获取和处理
    'jupyter', 'spyder', 'vscode',  # 开发环境
    'sqlalchemy', 'pymysql', 'psycopg2', 'sqlite',  # 数据库连接和操作
    'openpyxl', 'xlrd', 'xlwt', 'pandasql',  # Excel 和 SQL 数据操作
    'pyodbc', 'pandas-profiling', 'missingno',  # 数据质量分析和处理
    'plotly', 'dash', 'cufflinks',  # 交互式数据可视化
    'geopandas', 'folium',  # 地理数据分析和可视化
    'nltk', 'spaCy', 'gensim',  # 文本处理和自然语言处理
    'networkx', 'igraph',  # 图论和网络分析
    'statspy', 'pingouin',  # 统计分析
    'pandasgui', 'dtale',  # 数据分析 GUI 工具
    'auto_ml', 'tpot',  # 自动化机器学习
    'vaex', 'dask',  # 大数据集处理
    'yellowbrick', 'shap',  # 可视化模型解释
    'sympy', 'quantstats',  # 数学和金融分析
    'tabulate', 'pandas-flavor',  # 数据转换和操作
    'arrow', 'zope.interface',  # 日期和时间处理
    'cryptography', 'paramiko',  # 加密和远程连接
]

for i in required_libraries:
    code = f"pip install {i} -i https://pypi.tuna.tsinghua.edu.cn/simple"   # 可根据自己需求自行变更本行代码，本质就是cmd中输入的内容
    os.system('cmd /c "{}"'.format(code))
    print('\n')
    print(f'==================================')
    print(f'============{i}已经安装============')
    print(f'==================================')
    print('\n')

---

查看当前python解释器中安装的所有的库

import pkg_resources
from prettytable import PrettyTable

installed_packages = pkg_resources.working_set

table = PrettyTable(["Package", "Version"])

for package in installed_packages:
    table.add_row([package.key, package.version])

print(table)

上述代码会显示当前 Python 解释器所使用的环境中安装的所有库及其版本。这包括在当前虚拟环境或系统范围内安装的所有库。这将输出当前 Python 解释器所使用的环境中所有已安装的库的列表。如果你在特定的虚拟环境中运行这段代码，它将显示该虚拟环境中的库列表。如果你在全局环境中运行它，它将显示全局 Python 环境中的库列表。