Python 是一门非常强大且灵活的编程语言，它的生态系统中有数以千计的模块和库，可以用于各种各样的任务。在这篇文章中，将介绍 10 个超级实用的 Python 模块，无论是初学者还是有经验的开发者，都建议将它们收藏起来。这些模块可以帮助提高编程效率、处理数据、进行网络请求、进行图像处理等等。
1. Requests：发送 HTTP 请求
Requests 是 Python 中用于发送 HTTP 请求的一流库。它使得与 Web 服务进行交互变得非常简单，无论是获取网页内容还是与 REST API 进行通信。
示例代码：
import requests
# 发送 GET 请求
response = requests.get('https://api.example.com/data')
data = response.json() # 解析 JSON 响应
print(data)
# 发送 POST 请求
payload = {'key1': 'value1', 'key2': 'value2'}
response = requests.post('https://api.example.com/post_endpoint', data=payload)
print(response.text)
2. NumPy：处理数值数据
NumPy 是 Python 中用于科学计算的核心库之一，它提供了高性能的多维数组对象和用于处理这些数组的函数。如果需要进行数值计算、线性代数运算或数组操作，NumPy 是一个必备的工具。
示例代码：
import numpy as np
# 创建一个 NumPy 数组
arr = np.array([1, 2, 3, 4, 5])
# 数组运算
mean = np.mean(arr)
sum = np.sum(arr)
print(f'Mean: {mean}, Sum: {sum}')
3. Pandas：数据分析与处理
Pandas 是用于数据分析和数据处理的重要库。它引入了两个主要数据结构，DataFrame 和 Series，用于处理和分析表格数据。Pandas 使得数据清洗、转换、分组和分析变得非常容易。
示例代码：
import pandas as pd
# 创建一个 DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 28]}
df = pd.DataFrame(data)
# 数据筛选和分析
young_people = df[df['Age'] < 30]
average_age = df['Age'].mean()
print(young_people)
print(f'Average Age: {average_age}')
4. Matplotlib：绘制图表和图形
Matplotlib 是 Python 中最流行的绘图库之一，用于创建各种类型的图表和图形。无论是绘制简单的折线图、柱状图还是复杂的热图，Matplotlib 都能满足需求。
示例代码：
import matplotlib.pyplot as plt
import numpy as np
# 创建一个简单的折线图
x = np.linspace(0, 10, 100)
y = np.sin(x)
plt.plot(x, y)
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Sine Wave')
plt.show()
5. Beautiful Soup：HTML 解析器
Beautiful Soup 是一个用于解析 HTML 和 XML 文档的库，常用于网页抓取和数据挖掘任务。它使得从网页中提取数据变得非常容易。
示例代码：
from bs4 import BeautifulSoup
import requests
# 获取网页内容
url = 'https://example.com'
response = requests.get(url)
html = response.text
# 解析 HTML
soup = BeautifulSoup(html, 'html.parser')
title = soup.title.string
print(f'Title: {title}')
6. OpenCV：计算机视觉和图像处理
OpenCV 是一个开源计算机视觉库，用于图像处理、计算机视觉和机器学习任务。无论是图像增强、对象检测还是人脸识别，OpenCV 都提供了广泛的功能。
示例代码：
import cv2
import numpy as np
# 读取图像
image = cv2.imread('image.jpg')
# 转换为灰度图
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 检测边缘
edges = cv2.Canny(gray_image, 100, 200)
# 显示图像
cv2.imshow('Original Image', image)
cv2.imshow('Edges', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()
7. Scikit-learn：机器学习库
Scikit-learn 是 Python 中用于机器学习和数据挖掘的库。它提供了用于分类、回归、聚类、降维和模型选择等任务的工具。
示例代码：
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
# 加载数据集
data = load_iris()
X, y = data.data, data.target
# 拆分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 训练随机森林分类器
clf = RandomForestClassifier()
clf.fit(X_train, y_train)
# 预测并评估模型
accuracy = clf.score(X_test, y_test)
print(f'Accuracy: {accuracy}')
8. SQLAlchemy：数据库交互
SQLAlchemy 是 Python 中用于数据库交互的库，它支持多种关系型数据库，包括 PostgreSQL、MySQL 和 SQLite。它提供了高级的 ORM（对象关系映射）功能。
示例代码：
from sqlalchemy import create_engine, Column, Integer, String
from sqlalchemy.orm import sessionmaker
from sqlalchemy.ext.declarative import declarative_base
# 创建数据库连接
engine = create_engine('sqlite:///mydatabase.db')
# 创建基本模型类
Base = declarative_base()
# 定义数据表模型
class User(Base):
__tablename__ = 'users'
id = Column(Integer, primary_key=True)
name = Column(String)
age = Column(Integer)
# 创建数据表
Base.metadata.create_all(engine)
# 创建会话
Session = sessionmaker(bind=engine)
session = Session()
# 插入数据
new_user = User(name='Alice', age=30)
session.add(new_user)
session.commit()
# 查询数据
user = session.query(User).filter_by(name='Alice').first()
print(f'User: {user.name}, Age: {user.age}')
9. PyQt：创建桌面应用程序
PyQt 是一个用于创建桌面应用程序的库，它是 Qt 库的 Python 绑定。可以使用 PyQt 来设计和构建具有图形用户界面（GUI）的应用程序。
示例代码：
from PyQt5.QtWidgets import QApplication, QMainWindow, QPushButton, QLabel
# 创建应用程序实例
app = QApplication([])
# 创建主窗口
window = QMainWindow()
window.setWindowTitle('Hello PyQt')
# 添加标签和按钮
label = QLabel('Hello, PyQt!', window)
button = QPushButton('Click me', window)
# 显示窗口
window.show()
# 运行应用程序
app.exec()
10. PyTest：单元测试框架
PyTest 是 Python 中一个流行的单元测试框架，用于编写和运行测试。它使得测试 Python 代码变得简单且可扩展，有助于确保代码的质量和稳定性。
示例代码：
# 测试函数
def add(x, y):
return x + y
def test_add():
assert add(2, 3) == 5
assert add(-1, 1) == 0
assert add(0, 0) == 0
以上是 10 个超级实用的 Python 模块，它们可以帮助完成各种各样的任务，从数据分析到图形用户界面设计再到机器学习。随着 Python 编程技能的提高，这些模块将成为得力助手。希望大家能善加利用这些工具，提高编程效率和创造力。
Python 是一门非常强大且灵活的编程语言，它的生态系统中有数以千计的模块和库，可以用于各种各样的任务。在这篇文章中，将介绍 10 个超级实用的 Python 模块，无论是初学者还是有经验的开发者，都建议将它们收藏起来。这些模块可以帮助提高编程效率、处理数据、进行网络请求、进行图像处理等等。
1. Requests：发送 HTTP 请求
Requests 是 Python 中用于发送 HTTP 请求的一流库。它使得与 Web 服务进行交互变得非常简单，无论是获取网页内容还是与 REST API 进行通信。
示例代码：
import requests
# 发送 GET 请求
response = requests.get('https://api.example.com/data')
data = response.json() # 解析 JSON 响应
print(data)
# 发送 POST 请求
payload = {'key1': 'value1', 'key2': 'value2'}
response = requests.post('https://api.example.com/post_endpoint', data=payload)
print(response.text)
2. NumPy：处理数值数据
NumPy 是 Python 中用于科学计算的核心库之一，它提供了高性能的多维数组对象和用于处理这些数组的函数。如果需要进行数值计算、线性代数运算或数组操作，NumPy 是一个必备的工具。
示例代码：
import numpy as np
# 创建一个 NumPy 数组
arr = np.array([1, 2, 3, 4, 5])
# 数组运算
mean = np.mean(arr)
sum = np.sum(arr)
print(f'Mean: {mean}, Sum: {sum}')
3. Pandas：数据分析与处理
Pandas 是用于数据分析和数据处理的重要库。它引入了两个主要数据结构，DataFrame 和 Series，用于处理和分析表格数据。Pandas 使得数据清洗、转换、分组和分析变得非常容易。
示例代码：
import pandas as pd
# 创建一个 DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 28]}
df = pd.DataFrame(data)
# 数据筛选和分析
young_people = df[df['Age'] < 30]
average_age = df['Age'].mean()
print(young_people)
print(f'Average Age: {average_age}')
4. Matplotlib：绘制图表和图形
Matplotlib 是 Python 中最流行的绘图库之一，用于创建各种类型的图表和图形。无论是绘制简单的折线图、柱状图还是复杂的热图，Matplotlib 都能满足需求。
示例代码：
import matplotlib.pyplot as plt
import numpy as np
# 创建一个简单的折线图
x = np.linspace(0, 10, 100)
y = np.sin(x)
plt.plot(x, y)
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Sine Wave')
plt.show()
5. Beautiful Soup：HTML 解析器
Beautiful Soup 是一个用于解析 HTML 和 XML 文档的库，常用于网页抓取和数据挖掘任务。它使得从网页中提取数据变得非常容易。
示例代码：
from bs4 import BeautifulSoup
import requests
# 获取网页内容
url = 'https://example.com'
response = requests.get(url)
html = response.text
# 解析 HTML
soup = BeautifulSoup(html, 'html.parser')
title = soup.title.string
print(f'Title: {title}')
6. OpenCV：计算机视觉和图像处理
OpenCV 是一个开源计算机视觉库，用于图像处理、计算机视觉和机器学习任务。无论是图像增强、对象检测还是人脸识别，OpenCV 都提供了广泛的功能。
示例代码：
import cv2
import numpy as np
# 读取图像
image = cv2.imread('image.jpg')
# 转换为灰度图
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 检测边缘
edges = cv2.Canny(gray_image, 100, 200)
# 显示图像
cv2.imshow('Original Image', image)
cv2.imshow('Edges', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()
7. Scikit-learn：机器学习库
Scikit-learn 是 Python 中用于机器学习和数据挖掘的库。它提供了用于分类、回归、聚类、降维和模型选择等任务的工具。
示例代码：
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
# 加载数据集
data = load_iris()
X, y = data.data, data.target
# 拆分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 训练随机森林分类器
clf = RandomForestClassifier()
clf.fit(X_train, y_train)
# 预测并评估模型
accuracy = clf.score(X_test, y_test)
print(f'Accuracy: {accuracy}')
8. SQLAlchemy：数据库交互
SQLAlchemy 是 Python 中用于数据库交互的库，它支持多种关系型数据库，包括 PostgreSQL、MySQL 和 SQLite。它提供了高级的 ORM（对象关系映射）功能。
示例代码：
from sqlalchemy import create_engine, Column, Integer, String
from sqlalchemy.orm import sessionmaker
from sqlalchemy.ext.declarative import declarative_base
# 创建数据库连接
engine = create_engine('sqlite:///mydatabase.db')
# 创建基本模型类
Base = declarative_base()
# 定义数据表模型
class User(Base):
__tablename__ = 'users'
id = Column(Integer, primary_key=True)
name = Column(String)
age = Column(Integer)
# 创建数据表
Base.metadata.create_all(engine)
# 创建会话
Session = sessionmaker(bind=engine)
session = Session()
# 插入数据
new_user = User(name='Alice', age=30)
session.add(new_user)
session.commit()
# 查询数据
user = session.query(User).filter_by(name='Alice').first()
print(f'User: {user.name}, Age: {user.age}')
9. PyQt：创建桌面应用程序
PyQt 是一个用于创建桌面应用程序的库，它是 Qt 库的 Python 绑定。可以使用 PyQt 来设计和构建具有图形用户界面（GUI）的应用程序。
示例代码：
from PyQt5.QtWidgets import QApplication, QMainWindow, QPushButton, QLabel
# 创建应用程序实例
app = QApplication([])
# 创建主窗口
window = QMainWindow()
window.setWindowTitle('Hello PyQt')
# 添加标签和按钮
label = QLabel('Hello, PyQt!', window)
button = QPushButton('Click me', window)
# 显示窗口
window.show()
# 运行应用程序
app.exec()
10. PyTest：单元测试框架
PyTest 是 Python 中一个流行的单元测试框架，用于编写和运行测试。它使得测试 Python 代码变得简单且可扩展，有助于确保代码的质量和稳定性。
示例代码：
# 测试函数
def add(x, y):
return x + y
def test_add():
assert add(2, 3) == 5
assert add(-1, 1) == 0
assert add(0, 0) == 0
以上是 10 个超级实用的 Python 模块，它们可以帮助完成各种各样的任务，从数据分析到图形用户界面设计再到机器学习。随着 Python 编程技能的提高，这些模块将成为得力助手。希望大家能善加利用这些工具，提高编程效率和创造力。
Python 是一门非常强大且灵活的编程语言，它的生态系统中有数以千计的模块和库，可以用于各种各样的任务。在这篇文章中，将介绍 10 个超级实用的 Python 模块，无论是初学者还是有经验的开发者，都建议将它们收藏起来。这些模块可以帮助提高编程效率、处理数据、进行网络请求、进行图像处理等等。
1. Requests：发送 HTTP 请求
Requests 是 Python 中用于发送 HTTP 请求的一流库。它使得与 Web 服务进行交互变得非常简单，无论是获取网页内容还是与 REST API 进行通信。
示例代码：
import requests
# 发送 GET 请求
response = requests.get('https://api.example.com/data')
data = response.json() # 解析 JSON 响应
print(data)
# 发送 POST 请求
payload = {'key1': 'value1', 'key2': 'value2'}
response = requests.post('https://api.example.com/post_endpoint', data=payload)
print(response.text)
2. NumPy：处理数值数据
NumPy 是 Python 中用于科学计算的核心库之一，它提供了高性能的多维数组对象和用于处理这些数组的函数。如果需要进行数值计算、线性代数运算或数组操作，NumPy 是一个必备的工具。
示例代码：
import numpy as np
# 创建一个 NumPy 数组
arr = np.array([1, 2, 3, 4, 5])
# 数组运算
mean = np.mean(arr)
sum = np.sum(arr)
print(f'Mean: {mean}, Sum: {sum}')
3. Pandas：数据分析与处理
Pandas 是用于数据分析和数据处理的重要库。它引入了两个主要数据结构，DataFrame 和 Series，用于处理和分析表格数据。Pandas 使得数据清洗、转换、分组和分析变得非常容易。
示例代码：
import pandas as pd
# 创建一个 DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 28]}
df = pd.DataFrame(data)
# 数据筛选和分析
young_people = df[df['Age'] < 30]
average_age = df['Age'].mean()
print(young_people)
print(f'Average Age: {average_age}')
4. Matplotlib：绘制图表和图形
Matplotlib 是 Python 中最流行的绘图库之一，用于创建各种类型的图表和图形。无论是绘制简单的折线图、柱状图还是复杂的热图，Matplotlib 都能满足需求。
示例代码：
import matplotlib.pyplot as plt
import numpy as np
# 创建一个简单的折线图
x = np.linspace(0, 10, 100)
y = np.sin(x)
plt.plot(x, y)
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Sine Wave')
plt.show()
5. Beautiful Soup：HTML 解析器
Beautiful Soup 是一个用于解析 HTML 和 XML 文档的库，常用于网页抓取和数据挖掘任务。它使得从网页中提取数据变得非常容易。
示例代码：
from bs4 import BeautifulSoup
import requests
# 获取网页内容
url = 'https://example.com'
response = requests.get(url)
html = response.text
# 解析 HTML
soup = BeautifulSoup(html, 'html.parser')
title = soup.title.string
print(f'Title: {title}')
6. OpenCV：计算机视觉和图像处理
OpenCV 是一个开源计算机视觉库，用于图像处理、计算机视觉和机器学习任务。无论是图像增强、对象检测还是人脸识别，OpenCV 都提供了广泛的功能。
示例代码：
import cv2
import numpy as np
# 读取图像
image = cv2.imread('image.jpg')
# 转换为灰度图
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 检测边缘
edges = cv2.Canny(gray_image, 100, 200)
# 显示图像
cv2.imshow('Original Image', image)
cv2.imshow('Edges', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()
7. Scikit-learn：机器学习库
Scikit-learn 是 Python 中用于机器学习和数据挖掘的库。它提供了用于分类、回归、聚类、降维和模型选择等任务的工具。
示例代码：
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
# 加载数据集
data = load_iris()
X, y = data.data, data.target
# 拆分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 训练随机森林分类器
clf = RandomForestClassifier()
clf.fit(X_train, y_train)
# 预测并评估模型
accuracy = clf.score(X_test, y_test)
print(f'Accuracy: {accuracy}')
8. SQLAlchemy：数据库交互
SQLAlchemy 是 Python 中用于数据库交互的库，它支持多种关系型数据库，包括 PostgreSQL、MySQL 和 SQLite。它提供了高级的 ORM（对象关系映射）功能。
示例代码：
from sqlalchemy import create_engine, Column, Integer, String
from sqlalchemy.orm import sessionmaker
from sqlalchemy.ext.declarative import declarative_base
# 创建数据库连接
engine = create_engine('sqlite:///mydatabase.db')
# 创建基本模型类
Base = declarative_base()
# 定义数据表模型
class User(Base):
__tablename__ = 'users'
id = Column(Integer, primary_key=True)
name = Column(String)
age = Column(Integer)
# 创建数据表
Base.metadata.create_all(engine)
# 创建会话
Session = sessionmaker(bind=engine)
session = Session()
# 插入数据
new_user = User(name='Alice', age=30)
session.add(new_user)
session.commit()
# 查询数据
user = session.query(User).filter_by(name='Alice').first()
print(f'User: {user.name}, Age: {user.age}')
9. PyQt：创建桌面应用程序
PyQt 是一个用于创建桌面应用程序的库，它是 Qt 库的 Python 绑定。可以使用 PyQt 来设计和构建具有图形用户界面（GUI）的应用程序。
示例代码：
from PyQt5.QtWidgets import QApplication, QMainWindow, QPushButton, QLabel
# 创建应用程序实例
app = QApplication([])
# 创建主窗口
window = QMainWindow()
window.setWindowTitle('Hello PyQt')
# 添加标签和按钮
label = QLabel('Hello, PyQt!', window)
button = QPushButton('Click me', window)
# 显示窗口
window.show()
# 运行应用程序
app.exec()
10. PyTest：单元测试框架
PyTest 是 Python 中一个流行的单元测试框架，用于编写和运行测试。它使得测试 Python 代码变得简单且可扩展，有助于确保代码的质量和稳定性。
示例代码：
# 测试函数
def add(x, y):
return x + y
def test_add():
assert add(2, 3) == 5
assert add(-1, 1) == 0
assert add(0, 0) == 0
以上是 10 个超级实用的 Python 模块，它们可以帮助完成各种各样的任务，从数据分析到图形用户界面设计再到机器学习。随着 Python 编程技能的提高，这些模块将成为得力助手。希望大家能善加利用这些工具，提高编程效率和创造力。
如果你正在学习Python可以扫描下方CSDN官方微信领取Python全套学习资料，软件，电子书籍，项目源码等
51万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
