python常用模块

Python模块大全：从标准库到第三方神器 Python的强大离不开丰富的模块生态标准库覆盖文件操作、数据处理等基础需求，如os、json第三方库则拓展了AI、Web开发等场景，如requests、numpy本文系统梳理常用模块：一、标准库核心模块二、热门第三方库（网络请求、数据分析等）；三、安装技巧（pip install示例）四、如何根据需求选型善用官方文档，效率翻倍！(内容由AI生成，仅供参考)

python常用模块

• Python 常用的标准库和第三方模块
  • 一、Python 标准库模块
    • 系统与文件操作
      • os：操作系统交互（文件/目录操作、环境变量等）。
        • `python
        • import os
        • os.listdir('.') # 列出当前目录内容
        • `
      • sys：访问系统参数（命令行参数、解释器版本等）。
        • `python
        • import sys
        • sys.argv # 获取命令行参数
        • `
      • shutil：高阶文件操作（复制、移动、删除目录等）。
    • 数据处理与序列化
      • json：JSON 数据编码/解码。
        • `python
        • json.dumps({'name': 'Alice'}) # 字典转JSON字符串
        • `
      • csv：读写 CSV 文件。
      • pickle：对象序列化与反序列化。
    • 日期时间
      • datetime：日期和时间处理。
        • `python
        • from datetime import datetime
        • datetime.now().strftime("%Y-%m-%d") # 当前日期格式化
        • `
    • 正则表达式
      • re：正则表达式匹配。
        • `python
        • re.findall(r'\d+', 'abc123') # 提取数字
        • `
    • 数学与随机数
      • math：数学函数（三角函数、对数等）。
      • random：生成随机数。
        • `python
        • random.randint(1, 10) # 生成1-10的随机整数
        • `
    • 日志与调试
      • logging：记录程序日志。
      • pdb：代码调试工具。
    • 命令行工具
      • argparse：解析命令行参数。
    • 数据结构
      • collections：扩展数据结构（如 namedtuple, deque, Counter）。
        • `python
        • from collections import Counter
        • Counter(['a', 'b', 'a']) # 统计元素出现次数
        • `
    • 并发与异步
      • threading：多线程编程。
      • multiprocessing：多进程编程。
      • asyncio（Python 3.5+）：异步编程框架。
    • 网络与通信
      • socket：底层网络通信。
      • urllib：HTTP 请求处理（标准库的简单方案）。
  • 二、常用第三方库
    • 网络请求
      • requests：优雅的 HTTP 请求库。
        • `python
        • response = requests.get('https://api.example.com')
        • `
    • 科学计算与数据分析
      • numpy：高性能多维数组计算。
      • pandas：数据处理与分析（DataFrame 结构）。
        • `python
        • import pandas as pd
        • df = pd.read_csv('data.csv') # 读取CSV数据
        • `
      • scipy：科学计算（积分、优化等）。
    • 数据可视化
      • matplotlib：绘图库（生成折线图、散点图等）。
      • seaborn：基于 Matplotlib 的统计图表美化。
    • 机器学习与AI
      • scikit-learn：机器学习算法库（分类、回归、聚类）。
      • tensorflow/pytorch：深度学习框架。
    • Web开发
      • flask：轻量级 Web 框架。
      • django：全功能 Web 框架。
      • fastapi：高性能 API 框架（异步支持）。
    • 爬虫与HTML解析
      • beautifulsoup4：HTML/XML 解析库。
      • scrapy：爬虫框架。
    • 数据库操作
      • sqlalchemy：SQL 工具包及 ORM。
      • pymysql/psycopg2：MySQL/PostgreSQL 驱动。
    • 图像处理
      • pillow（PIL）：图像处理库（打开、编辑、保存图片）。
    • 自动化与测试
      • selenium：浏览器自动化测试。
      • pytest：单元测试框架。
    • 其他实用工具
      • tqdm：进度条显示。
        • `python
        • from tqdm import tqdm
        • for i in tqdm(range(100)): pass # 显示进度条
        • `
      • openpyxl：Excel 文件读写。
      • pyautogui：GUI 自动化（模拟鼠标/键盘操作）。
  • 三、安装第三方库
    • 使用 pip 安装：
    • `bash
    • pip install requests numpy pandas # 示例
    • `
  • 四、总结
    • 标准库：覆盖基础功能（文件、系统、数据处理等）。
    • 第三方库：扩展复杂场景（AI、Web开发、数据分析等）。
    • 根据需求选择合适的模块，善用官方文档（如 Python Docs 和库的 GitHub 页面）。