今天为大家介绍一下Python常用的模块。有些模块几乎在所有的程序里面都会出现,因此可以称为必学模块。后面的文章将会为大家介绍下不同领域中的常用模块。
相信你看完本篇文章,会对Python模块有一个大致的了解。
![467988bbc53b91a6138ddb50e59b1126.png](https://i-blog.csdnimg.cn/blog_migrate/c8cb44382418b72520f7a2666cb98155.jpeg)
Python
必学模块
os
os 这个模块特别常用,也特别的好用,主要用于进行系统级别的操作,从重新命名、移动文件、删除文件、复制文件…等等,基本上你会对文件做的事,还有对目录(文件夹)的操作,这个模块都能帮助你在程序中做到!
time 和 datetime
这两个模块相辅相成,常常需要在彼此间互相转换,因为常常用到时间戳、格式化的时间字串、及元组等不同类型的软件。他们能做到的事也相当多,基本上只要你需要操作时间,或是运算日期等等,都必须用到他们。
random
random 是在做什么的呢?顾名思义,就是在做跟随机相关操作的模块,这是最常用到的模块,用法非常多,比如生产随机整数、小数,从串列中随机挑选一个物件,甚至是直接打乱串列排序的洗牌动作等等,random 全部都能用几行代码轻松完成。
数据分析、资料科学
![a20b652f7418c621d3344f3caaf8b327.png](https://i-blog.csdnimg.cn/blog_migrate/a82395a3e7c5da0c808f6f51e73a95b8.jpeg)
数据分析
NumPy
Numpy 是 Python 的一个重要模块,主要用于资料处理上。Numpy 底层以 C 和 Fortran 语言编写,所以能快速操作多重维度的阵列。当 Python 处理庞大资料时,内建的资料型态 list 效能并不理想,而 Numpy 具备平行处理的能力,可以将操作动作一次套用在大型阵列上。此外, Python 其重量级的资料科学相关套件(例如:Pandas、SciPy、Scikit-learn 等)都几乎都是在 Numpy 的基础上。因此学会 Numpy 会为以后学习其他科学相关内容打好坚实的基础。
SciPy
常用科学计算的另一个重要模块就是 SciPy。SciPy 是一种使用 NumPy 为基础,来做高等数学、统计和许多其它科学任务的模块。它基于NumPy,并扩展了NumPy的功能。SciPy 的主要的数据结构是由 Numpy 实现的多维阵列。这个模块包含了解决线性代数、概率论、积分等等高等。
然而,scipy和numpy 都没有提供绘图函数。它们只是数字处理的工具,能够辅助绘图的模块一会就会推荐。
Pandas
Pandas 也是一个常用 Python 模块,提供了高阶的资料结构和多种分析工具。它的最大特点是能够将複杂的数据操作,转换成一两个命令。Pandas包含许多用于分组、过滤和组合数据以及时间序列功能的内置函式。
Pandas在前阵子的版本更新中,增加了数百个新特性、并且对bug进行修复以及API更改。这些改进是针对数据分组和排序的能力,让它变得更容易输出,以及支持对自定义的类别(class)进行操作。
资料视觉化
![45cf51b074e8901525fd3785d6f32387.png](https://i-blog.csdnimg.cn/blog_migrate/751658d4930d923b853cc0ca8a0f5a73.jpeg)
Matplotlib
Matplotlib
Matplotlib 是一个用于创建二维图表和图形的模块。在它的帮助下,你可以轻松构建不同的图表,从直条图、点状图到坐标图都可以。重点是,很多热门的模块都支持与 Matplotlib 协同工作。
Matplotlib 虽然主要都是用纯Python写的,但是为了在运行时有更高的性能,尤其是在显示大量数据的情况下,里面也大量使用了NumPy。
Bokeh
Bokeh模块透过JavaScript在浏览器中创造出互动式、可伸缩的视觉效果。 它提供了各式各样的视觉化必须的辅助函数,同时也将网页前端的技术细节包装成一个个的 Python 函式与参数供我们调用,让我们不再需要编辑 HTML 与 JavaScript 便能制作网页前端。
深度学习
![b1e6687f5331ae145a9d250cfd59b8f9.png](https://i-blog.csdnimg.cn/blog_migrate/2f32724fe1114a717fdaacb9c4401c53.jpeg)
tensorflow
TensorFlows
TensorFlow是在 Google大脑中开发的一个用于深度和机器学习的流行框架。它提供了具有多个数据集的人工神经网络一起工作的能力。在最流行的TensorFlow 应用程序中,有对象识别、语音识别等,而且,它的更新速度非常快。
![0b92fe49be42d9f681a595ede9ea0c0e.png](https://i-blog.csdnimg.cn/blog_migrate/8516aa1b9398cc198845aa9939c8befc.jpeg)
PyTorch
PyTorch是一个大型框架,允许你使用GPU加速进行计算,创建动态计算图,并自动计算梯度。以此为基础,PyTorch 为解决与神经网络相关的应用程序提供了丰富的API。这个模块基于Torch,是一个开源的深度学习库,通过C语言实现。从2017年起进入众人视野,该框架就越来越受欢迎,并吸引了越来越多的数据科学家。