十个超有用的 Python 的库

Pandas

Pandas 是 Python 中最流行的数据操作和分析库之一。它提供了一个强大的数据结构，称为 DataFrame，它允许你轻松存储和操作结构化数据。

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 中科学计算的基础库。它提供对大型多维数组和矩阵的支持，以及对这些数组进行操作的数学函数集合。

arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)

Matplotlib

Matplotlib 是一个绘图库，允许你创建各种类型的绘图，包括线图、条形图、直方图和散点图。

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 是一个用于在 Python 中发出 HTTP 请求的库。它简化了发送 HTTP 请求和处理响应的过程。

import requests
 
# Send a GET request
response = requests.get('https://www.example.com')
print(response.text)

BeautifulSoup

BeautifulSoup 是一个用于解析 HTML 和 XML 文档的库。它可以轻松地从网页中提取数据并导航文档树结构。

from bs4 import BeautifulSoup
 
# Parse an HTML document
html = 'Example'
soup = BeautifulSoup(html, 'html.parser')
print(soup.h1.text)

SQLAlchemy

SQLAlchemy 是 Python 的对象关系映射 (ORM) 库。它提供了一种使用 Python 对象与数据库交互的方式，使得管理数据库操作变得更加容易。

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 中的机器学习库。它提供了一系列用于数据挖掘、数据分析和预测建模的算法和工具。

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 是一个用于数值计算和机器学习的库。它为构建和训练各种类型的机器学习模型提供了灵活的框架。

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 的高级 Web 框架。它提供了一种干净、高效的方式来构建 Web 应用程序、处理 URL 路由、数据库管理和表单处理等任务。

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 的测试框架。它简化了编写测试的过程，并提供了强大的功能，例如测试发现、测试参数化和固定装置。

import pytest
 
# Define a test function
def test_addition():
    result = 1 + 2
    assert result == 3
 
# Run the tests
pytest.main()