Python模块

模块概述

在Python中，模块（Module）是组织代码的重要方式，它能帮助开发者将代码分割成更小、更易于管理的单元，并促进代码复用性和可

维护性。一个模块就是一个包含Python定义和语句的文件。模块名就是文件名，通过模块，我们可以把相关的函数、类、变量等封装在

一起，从而实现功能上的分离和代码重用。我们重点要学习如何创建自定义模块，如何使用模块。

创建模块

只需创建一个以.py为扩展名的文件即可。例如，创建一个名为 mymodule.py 的文件：

age = 23
name = "python模块"

使用模块

可以通过 import 语句来导入模块中的内容。有两种主要的方式：

1. 直接导入整个模块：直接导入法

2. 从模块中导入特定的内容：跳跃式、贪婪式(跳跃式的一种简洁写法)

直接导入法

import mymodule

print(mymodule.age)
print(mymodule.name)
print(mymodule.version)

跳跃式

1. 结合from关键字实现按需导入

   from mymodule import age, name
   
   print(age)
   print(name)

2. 还可以给导入的模块或对象起别名，方便使用

   from mymodule import age, name as n
   
   print(n)

3. 贪婪式

4. 跳跃式的一种简洁写法

   from mymodule import *
   
   print(age)
   print(name)
   print(version)

if name == 'main':

if __name__ == '__main__': 是 Python 中一种常见的惯用法，用于检测当前模块是被直接运行还是被导入到另一个模块中。

这是一种控制代码执行的方式，确保某些代码块只在脚本直接执行时运行，而不是在作为模块被导入时执行。

这在编写可重用的模块和测试代码时特别有用的。

mymodule.py 文件

age = 23

if __name__ == '__main__':
    print(age)

 test.py 文件：

from mymodule import *

print(age)

所以它能帮助我们开发者更好地组织代码，使其既适合单独执行，也适合作为库的一部分被其他程序使用。

遵循这一使用方法可以让我们的代码更易于测试、维护和复用。

python库

Python 拥有丰富而强大的标准库和第三方库，这些库极大地扩展了 Python 的功能，使其成为一种非常受欢迎的编程语言。

以下是 Python 中一些常见库的概述及其主要用途介绍

标准库

准库是 Python 解析器自带的一部分，无需额外安装。只要你安装了 Python解析器，就可以直接使用这些库。

经过长时间的发展和完善，标准库中的模块通常非常稳定，性能良好。

常见的标准库有：

1. random：生成伪随机数以及进行随机选择等操作

2. math：提供常见的数学函数

3. time：处理时间相关的函数，如获取当前时间戳、休眠等

第三方库

第三方库不是 Python 内置的，需要通过包管理工具单独安装，由开发者社区维护和支持，通常针对特定领域或问题提供解决方案

相比标准库，第三方库更新速度更快，能够迅速适应新技术和发展趋势。

常见的第三方库有：

1. numpy：高效数值计算的基础库

2. pandas：提供灵活的数据结构和数据分析工具

random

概述

random库是Python语言的一个标准库，用于产生各种分布的伪随机数序列。

random库采用梅森旋转算法生成伪随机数序列，可用于对随机性要求不高的大多数工程应用。

常用函数

random

作用：生成一个[0.0，1.0)之间的随机小数，无参数。

请注意这些函数每次执行后的结果可能是不一样的。

import random
print(random.random())

randint

作用：生成指定区间随机整数，randint(a,b)，用于生成一个[a,b]之间的整数，要求a≤b。

import random

# 生成10-20之间的随机整数
res = random.randint(10, 20)

# ValueError
res = random.randint(20, 10)

uniform

作用：生成指定区间随机小数，uniform(a,b) ，用于生成一个[a,b]之间的随机小数。

import random

res = random.uniform(10, 20)
print(res)  # 生成10-20之间的随机小数

randrange

作用：指定步长生成对应随机数，randrange([start,] stop[,step] ) 用于生成 一 个[start,stop)之间的以step为步长的随机整数，

要求start≤stop，且有参数step时，start不可以缺省。

import random

res = random.randrange(10, 100, 5)
print(res)  # 都是步长为5的结果

res = random.randrange(10, 100)
print(res)  # 就是10-100之间随机数


res = random.randrange(10, 2)
print(res)  # start > stop

choice

作用：从指定随机数中随机，randchoice(seq) 用于从序列seq中随机选取一个元素。

import random

res = random.choice([10, 20, 30, 40, 50])
print(res)  


res = random.choice('I love python')
print(res)  


res = random.choice(['Python', 'VC', 'VB', 'Java'])
print(res) 

shuffle

作用：随机排列，shuffle(seq)，用于将序列seq的顺序重新随机排列，并返回重新排列后的结果。

import random

s = [1, 2, 3, 4, 5]
random.shuffle(s)
print(s) 

sample

作用：用于从序列seq中随机选取k个元素组成新的序列。

import random

# 从指定序列中 随机选取指定长度的随机数
res = random.sample([1, 2, 3, 4, 5], 3)
print(res)

math

概述

Python math 模块提供了许多对浮点数的数学运算函数。math 模块下的函数，返回值均为浮点数，除非另有明确说明。

数学常数

math库中的4个数学常数

常量	描述
math.e	返回欧拉数 (2.7182...)
math.inf	返回正无穷大浮点数
math.nan	返回一个浮点值 NaN (not a number)
math.pi	π 一般指圆周率。 圆周率 PI (3.1415...)

import math

# 输出 e 的值
print(math.e)

# 输出正无穷大
print(math.inf)
# 输出负无穷大
print(-math.inf)

# 输出 nan
print(math.nan)

# 输出 nan 类型
print(type(math.nan))

# 输出 PI
print(math.pi)

 

常用函数

1. math.floor()

   1. 将数字向下舍入到最接近的整数

2. math.ceil(x)

   1. 将 x 向上舍入到最接近的整数

3. math.degrees(x)

   1. 将角度 x 从弧度转换为度数。1弧度约为57.3°

4. math.radians(x)

   1. 将角度 x 从度数转换为弧度

5. math.fabs(x)

   1. 返回 x 的绝对值

6. math.factorial(x)

   1. 返回 x 的阶乘。 如果 x 不是整数或为负数时则将引发 ValueError

7. math.fmod(x, y)

   1. 返回 x/y 的余数

8. math.fsum(iterable)

   1. 返回可迭代对象 (元组, 列表, 等)中的元素总和，是浮点值

9. math.sqrt(x)

   1. 返回 x 的平方根

10. math.pow(x, y)

    1. 将返回 x 的 y 次幂

11. math.prod(iterable)

    1. 计算可迭代对象中所有元素的积

       import math
       
       print(math.floor(10.1))
       print(math.ceil(10.1))
       print(math.degrees(1))
       print(math.radians(57.29577951308232))
       print(math.fabs(-1))
       
       print(math.factorial(4))
       print(math.fmod(4, 3))
       print(math.fsum((1, 2, 3, 4)))
       print(math.sqrt(8))  # 2.82
       print(math.pow(2, 3))
       print(math.prod([1, 2, 3, 4]))

Pydantic

概述

Pydantic 是一个Python库，用于数据验证和设置管理。它最初是为了弥补Python标准库在数据验证方面的不足而设计的。

Pydantic是在运行时验证类型是否有问题，Pydantic 会在运行时抛出错误。

安装

pip install pydantic

 

问题描述

dataclass：Python 3.7 引入的标准库特性，目的是简化创建只用于存储数据的类，减少样板代码。内置提供了init实现

from dataclasses import dataclass


@dataclass
class Person:
    name: str
    age: int


p = Person(100, 23)
print(p)

上述代码在编辑器中是可以正常运行的，而且执行python指令去运行py文件也会正常运行

python main.py

但是如果我们使用mypy指令去运行py文件则会提示赋值类型错误。

mypy 是一个用于 检查Python 的静态类型检查工具，它可以帮助我们在不运行代码的情况下发现类型相关的错误。

静态类型检查能够在开发过程中尽早捕获类型错误，提高代码的可靠性和可维护性。

安装

pip install mypy

执行文件

mypy main.py

main.py:10: error: Argument 1 to "Person" has incompatible type "int"; expected "str"  [arg-type]
Found 1 error in 1 file (checked 1 source file)

Pydantic数据验证功能

Pydantic默认自带数据验证功能，如果name传递的类型不是str则运行会报错

from pydantic import BaseModel


class Person(BaseModel):
    name: str
    age: int

# BaseModel会内部提供init函数，并且必须关键字参数传递
# 这时我们给name传递int类型，运行则会报错。
p = Person(name=100, age=23)
print(p)

邮箱验证

需要安装email-validator，这样EmailStr才会生效

pip install email-validator 或者去 pycharm中安装

可以校验邮箱格式是否正确

from pydantic import BaseModel, EmailStr


class Person(BaseModel):
    name: str
    age: int
    email: EmailStr


p = Person(name="100", age=23, email="1024@163.com")
print(p)

自定义验证

使用field_validator装饰器 对指定的字段进行验证

如果验证不满足需求，可以自定义验证规则

可以要求年龄必须是正数

from pydantic import BaseModel, field_validator


class Person(BaseModel):
    name: str
    age: int

    # 对age字段进行验证，要求是类方法
    @field_validator("age")
    def validate_age(cls, value):
        if value < 0:
            raise ValueError(f"年龄必须是正数: {value}")
        return value


p = Person(name="zs", age=-10)
print(p)

Pydantic转换为JSON

from pydantic import BaseModel


class Person(BaseModel):
    name: str
    age: int
    wedding: bool


p = Person(name="zs", age=10, wedding=True)
print(p.model_dump_json())  # 返回 JSON 格式的字符串。
print(p.model_dump())  # 返回 Python 字典或者列表

# json_str = '{"name": "John", "age": 25, "wedding": true}'
json_str = p.model_dump_json()
person = Person.model_validate_json(json_str)
print(person)
print(person.age)

# model_validate_json 可以将JSON字符串转换为Person对象

dataclass 和 pydantic 区别

1. 设计目的

   1. dataclass：Python 3.7 引入的标准库特性，目的是简化创建只用于存储数据的类，减少样板代码。

   2. pydantic：第三方库，专注于数据验证和设置管理，保证数据符合特定的类型和约束。

2. 数据验证

   1. dataclass：本身不提供数据验证功能，虽然可以通过类型注解声明字段类型，但 Python 解释器不会强制类型检查。

   2. pydantic：有强大的数据验证功能，创建模型实例时会自动验证数据类型和约束条件，不符合要求会抛出异常。

3. 类型支持

   1. dataclass：支持 Python 内置类型和自定义类型，但没有额外的类型处理功能。

   2. pydantic：除了基本类型，还支持更复杂的类型，如 EmailStr、field_validator 等。

4. 序列化和反序列化

   1. dataclass：没有内置的序列化和反序列化机制。

   2. pydantic：提供了方便的序列化和反序列化方法，如 model_dump、model_dump_json、parse_raw 等。

time

概述

time是Python提供的用于处理时间的标准库。

time提供了一系列操作时间的函数，具有系统级精确计时器的计时功能，可以实现程序计时、分析程序性能等与时间相关的功能。

类别分类

time库函数的功能主要分为三类：时间处理、时间、格式化和计时。

1. 时间处理功能函数主要包括：

   1. time.time()

   2. time.gmtime()

   3. time.localtime()

   4. time.ctime()

2. 时间格式化功能函数主要包括：

   1. time.mktime()

   2. time.strftime()

   3. time.strptime()

3. 计时功能函数主要包括：

   1. time.sleep()

时间处理函数

时间处理功能函数主要包括：

1. time.time()

   1. 获得当前时间的时间戳

2. time.gmtime()

   1. UTC时间

3. time.localtime()

   1. 本地时间

4. time.ctime()

   1. 返回一个表示本地时间的字符串。

      import time
      
      print(time.time())
      # 获得当前时间的时间戳（1970纪元后经过的浮点秒数）
      # 所谓时间戳，即从格林威治时间1970年01月01日00分00秒
      # （北京时间1970年01月01日08时00分00秒）起至现在的总秒数。
      
      print(time.gmtime())  # 返回的是UTC时间（格林威治标准时间)
      
      print(time.localtime())  # 如果你期望得到本地时间，应该使用 time.localtime()。
      
      print(time.ctime())  # 返回一个表示本地时间的字符串。 

时间格式化函数

时间格式化功能函数主要包括：

1. time.mktime()

   1. mktime()函数将struct_time（或包含9个元素的元组对应于struct_time）作为参数，并返回自当地时间的纪元以来经过的秒数。

      import time
      
      t = (1970, 1, 1, 8, 1, 0, 4, 362, 0)
      
      local_time = time.mktime(t)
      print(local_time)

      time.strftime()

   2. 字符串格式化，该strftime()函数以struct_time（或与其对应的元组）作为参数，并根据所使用的格式代码返回表示它的字符串。

      这里%Y，%m，%d，%H等都是格式代码：

      %Y - 年

      %m - 月

      %d - 日

      %H - 小时

      %M - 分钟

      %S - 秒

      import time
      
      named_tuple = time.localtime() 
      print(named_tuple)  # 我们要把年月日等信息 按照我们的格式显示
      time_string = time.strftime("%Y-%m-%d %H:%M:%S", named_tuple)
      print(time_string)

      time.strptime()

   3. 该strptime()函数解析表示时间的字符串并返回时间格式

      import time
      
      time_string = "2024-7-2"
      result = time.strptime(time_string, "%Y-%m-%d")

计时功能函数

计时功能函数主要包括：

1. time.sleep()

   1. sleep()函数在给定的秒数内暂停（延迟）当前线程的执行。

      import time
      
      print("这是立即打印。")
      time.sleep(2.4)
      print("这是2.4秒后打印的。")

 

字符串格式化

概述

如果有大量的字符串拼接需求，可以使用字符串模版来实现，字符串模板是一个由字符串和槽组成的字符串，用来控制字符串和变量的显

示效果，其中槽用大括号“{}”表示，对应format()方法中用逗号分隔的参数。

str = "姓名是：{}，年龄是：{}".format("zs", 18)

 

匹配

按位置顺序匹配

"姓名是：{}，年龄是：{}".format("zs", 18)

按自定义序号顺序匹配

str = "名字是:{1}, 年龄是：{0}".format(18, "Tom")  # 带数字号,默认18 是0，tom是1

str = '{0} {1} {0}'.format('apple', '苹果')  # 打乱顺序,同一个参数填充多次

按关键字匹配

str = "名字是:{name}, 年龄是：{age}".format(age=18, name="Tom") 
print(str)

格式控制

小数点保留

print("{:.2f}".format(12345.67890))  # 小数点保留2位
print("{:25.2f}".format(12345.67890))  # 数字默认右对其 并小数点保留2位
print("{:.2}".format("Python"))  # 字符串默认左对其 并保留2个字符

占位符

str = "租用%s的天数是%.2f，价格是%d" % ("benz", 2, 100)
print(str)

format

num = 100
name = 'zs'
str = f"正确的数字是{num}。名字是:{name}"
print(str)