十個超有用的 Python 的庫
Pandas
Pandas 是 Python 中最流行的數(shù)據(jù)操作和分析庫之一。它提供了一個強大的數(shù)據(jù)結(jié)構(gòu)，稱為 DataFrame，它允許你輕松存儲和操作結(jié)構(gòu)化數(shù)據(jù)。
import pandas as pd
# Create a DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'Occupation': ['Engineer', 'Teacher', 'Designer']}
df = pd.DataFrame(data)
print(df)NumPy
NumPy 是 Python 中科學(xué)計算的基礎(chǔ)庫。它提供對大型多維數(shù)組和矩陣的支持，以及對這些數(shù)組進行操作的數(shù)學(xué)函數(shù)集合。
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)Matplotlib
Matplotlib 是一個繪圖庫，允許你創(chuàng)建各種類型的繪圖，包括線圖、條形圖、直方圖和散點圖。
import matplotlib.pyplot as plt
# Create a line plot
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]
plt.plot(x, y)
plt.show()Requests
Requests 是一個用于在 Python 中發(fā)出 HTTP 請求的庫。它簡化了發(fā)送 HTTP 請求和處理響應(yīng)的過程。
import requests
# Send a GET request
response = requests.get('https://www.example.com')
print(response.text)BeautifulSoup
BeautifulSoup 是一個用于解析 HTML 和 XML 文檔的庫。它可以輕松地從網(wǎng)頁中提取數(shù)據(jù)并導(dǎo)航文檔樹結(jié)構(gòu)。
from bs4 import BeautifulSoup
# Parse an HTML document
html = '<html><body><h1>Example</h1></body></html>'
soup = BeautifulSoup(html, 'html.parser')
print(soup.h1.text)SQLAlchemy
SQLAlchemy 是 Python 的對象關(guān)系映射 (ORM) 庫。它提供了一種使用 Python 對象與數(shù)據(jù)庫交互的方式，使得管理數(shù)據(jù)庫操作變得更加容易。
from sqlalchemy import create_engine, Column, Integer, String
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import sessionmaker
# Define a database model
Base = declarative_base()
class User(Base):
__tablename__ = 'users'
id = Column(Integer, primary_key=True)
name = Column(String)
# Create a database session
engine = create_engine('sqlite:///example.db')
Session = sessionmaker(bind=engine)
session = Session()
# Add a new user
user = User(name='Alice')
session.add(user)
session.commit()
# Query the users table
users = session.query(User).all()
for user in users:
print(user.name)Scikit-learn
Scikit-learn 是 Python 中的機器學(xué)習(xí)庫。它提供了一系列用于數(shù)據(jù)挖掘、數(shù)據(jù)分析和預(yù)測建模的算法和工具。
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import load_iris
# Load the Iris dataset
data = load_iris()
# Train a random forest classifier
classifier = RandomForestClassifier()
classifier.fit(data.data, data.target)
# Make predictions
predictions = classifier.predict([[5.1, 3.5, 1.4, 0.2], [6.2, 2.9, 4.3, 1.3]])
print(predictions)TensorFlow
TensorFlow 是一個用于數(shù)值計算和機器學(xué)習(xí)的庫。它為構(gòu)建和訓(xùn)練各種類型的機器學(xué)習(xí)模型提供了靈活的框架。
import tensorflow as tf
# Create a TensorFlow constant
a = tf.constant(1)
b = tf.constant(2)
# Perform a computation
c = tf.add(a, b)
# Run the computation
with tf.Session() as sess:
result = sess.run(c)
print(result)Django
Django 是 Python 的高級 Web 框架。它提供了一種干凈、高效的方式來構(gòu)建 Web 應(yīng)用程序、處理 URL 路由、數(shù)據(jù)庫管理和表單處理等任務(wù)。
from django.urls import path
from django.http import HttpResponse
# Define a view
def hello(request):
return HttpResponse('Hello, World!')
# Define URLs
urlpatterns = [
path('hello/', hello),
]
# Configure and run the Django application
from django.core.wsgi import get_wsgi_application
application = get_wsgi_application()Pytest
Pytest 是 Python 的測試框架。它簡化了編寫測試的過程，并提供了強大的功能，例如測試發(fā)現(xiàn)、測試參數(shù)化和固定裝置。
import pytest
# Define a test function
def test_addition():
result = 1 + 2
assert result == 3
# Run the tests
pytest.main()
