112 lines
6.3 KiB
Markdown
112 lines
6.3 KiB
Markdown
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
|
||
|
||
1. **科学计算** → NumPy, Pandas, SciPy, Matplotlib, Seaborn
|
||
2. **机器学习/深度学习** → scikit-learn, TensorFlow, PyTorch, Keras, XGBoost
|
||
3. **数据获取** → requests, BeautifulSoup, lxml, json, csv
|
||
4. **系统/文件操作** → os, sys, shutil, pathlib, subprocess
|
||
5. **Web 开发** → Flask, Django, FastAPI
|
||
6. **图像处理** → Pillow, OpenCV
|
||
7. **工具函数** → re, datetime, random, itertools, functools
|
||
8. **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？
|