好的，我给你整理一份 Python 常用第三方包和标准库简介，按用途分类，包含功能和简单示例，方便你快速了解和查阅。
1️⃣ 科学计算与数据分析
| 包名 |
功能 |
示例 |
| NumPy |
高性能数组运算、矩阵运算 |
import numpy as np; a = np.array([1,2,3]) |
| Pandas |
数据处理与分析，DataFrame 操作 |
import pandas as pd; df = pd.DataFrame({'a':[1,2]}) |
| SciPy |
科学计算函数库，线性代数、优化、信号处理 |
from scipy import optimize; optimize.minimize(...) |
| Matplotlib |
数据可视化，绘图 |
import matplotlib.pyplot as plt; plt.plot([1,2,3]) |
| Seaborn |
高级可视化，基于 Matplotlib |
import seaborn as sns; sns.heatmap(data) |
2️⃣ 机器学习与深度学习
| 包名 |
功能 |
示例 |
| scikit-learn |
经典机器学习算法 |
from sklearn.ensemble import RandomForestClassifier |
| TensorFlow |
深度学习框架 |
import tensorflow as tf; tf.constant([1,2]) |
| PyTorch |
深度学习框架，动态图 |
import torch; x = torch.tensor([1,2]) |
| Keras |
高级神经网络接口（常与 TF 搭配） |
from keras.models import Sequential |
| XGBoost / LightGBM |
提升树算法，常用于 Kaggle |
import xgboost as xgb |
3️⃣ 数据获取与处理
| 包名 |
功能 |
示例 |
| requests |
HTTP 请求 |
import requests; r = requests.get(url) |
| BeautifulSoup |
HTML / XML 解析 |
from bs4 import BeautifulSoup; soup = BeautifulSoup(html,'html.parser') |
| lxml |
高效 HTML / XML 解析 |
from lxml import etree |
| json |
JSON 数据处理（标准库） |
import json; data = json.loads(json_str) |
| csv |
CSV 文件操作（标准库） |
import csv; reader = csv.reader(f) |
4️⃣ 系统与文件操作
| 包名 |
功能 |
示例 |
| os |
系统操作、文件路径（标准库） |
import os; os.listdir('.') |
| sys |
Python 解释器相关操作 |
import sys; sys.argv |
| shutil |
高级文件操作，如复制、移动 |
import shutil; shutil.copy('a','b') |
| pathlib |
面向对象的路径操作（Python3） |
from pathlib import Path; p = Path('.') |
| subprocess |
执行外部命令 |
import subprocess; subprocess.run(['ls']) |
5️⃣ Web 开发
| 包名 |
功能 |
示例 |
| Flask |
轻量 Web 框架 |
from flask import Flask; app = Flask(__name__) |
| Django |
全功能 Web 框架 |
django-admin startproject mysite |
| FastAPI |
高性能 API 框架 |
from fastapi import FastAPI; app = FastAPI() |
| requests |
HTTP 客户端 |
同上 |
6️⃣ 图像与多媒体处理
| 包名 |
功能 |
示例 |
| Pillow |
图像处理 |
from PIL import Image; img = Image.open('a.jpg') |
| OpenCV (cv2) |
计算机视觉 |
import cv2; img = cv2.imread('a.jpg') |
| matplotlib.pyplot |
简单图像显示 |
plt.imshow(img) |
7️⃣ 常用工具库
| 包名 |
功能 |
示例 |
| re |
正则表达式 |
import re; re.findall(r'\d+', 'abc123') |
| datetime |
日期与时间处理 |
import datetime; datetime.datetime.now() |
| random |
随机数 |
import random; random.randint(1,10) |
| itertools |
高级迭代工具 |
import itertools; itertools.combinations([1,2,3],2) |
| functools |
函数工具，如缓存 |
from functools import lru_cache |
8️⃣ 数据序列化与持久化
| 包名 |
功能 |
示例 |
| pickle |
Python 对象序列化 |
import pickle; pickle.dump(obj,f) |
| shelve |
类似字典的简单数据库 |
import shelve; db = shelve.open('data') |
| json |
JSON 序列化 |
同上 |
🔹 总结
- 科学计算 → NumPy, Pandas, SciPy, Matplotlib, Seaborn
- 机器学习/深度学习 → scikit-learn, TensorFlow, PyTorch, Keras, XGBoost
- 数据获取 → requests, BeautifulSoup, lxml, json, csv
- 系统/文件操作 → os, sys, shutil, pathlib, subprocess
- Web 开发 → Flask, Django, FastAPI
- 图像处理 → Pillow, OpenCV
- 工具函数 → re, datetime, random, itertools, functools
- 数据持久化 → pickle, shelve, json
我可以帮你画一张 Python 常用包分类全景图，把这些包按用途分层，直观展示，方便快速记忆。
你希望我画吗？
