python 常用库-优快云博客

本文链接：https://blog.youkuaiyun.com/feuiw/article/details/149638989

web

dash

简介一个用于构建交互式 Web 应用程序的 Python 框架，由 Plotly 公司开发，特别适合数据科学家、分析师和工程师快速创建数据可视化应用，而无需深入学习前端技术（HTML、CSS、JavaScript）。
特点
- 纯 Python 开发：无需编写前端代码，完全用 Python 语法即可构建交互式网页应用
- 强大的数据可视化：内置 Plotly 图表库，支持超过 40 种图表类型
- 高度交互性：支持滑块、下拉菜单、按钮等交互组件，可实时响应用户操作
- 响应式设计：自动适配不同屏幕尺寸，从手机到桌面设备
- 易于部署：可部署到服务器、云平台（如 Heroku、AWS）或作为单个 Python 文件运行

flask

简介：轻量级的微框架，适合快速开发小型到中型项目。
特点
- 简单易用，学习曲线平缓。
- 提供了路由、模板引擎（如 Jinja2）、请求处理等功能。
- 可以轻松集成其他库（如数据库 ORM、身份验证等）。

django

简介：全栈框架，适合开发大型复杂应用。
特点
- 内置 ORM、认证系统、管理后台等强大功能。
- 强调“不要重复造轮子”，提供了丰富的内置工具。
- 支持 RESTful API 开发（通过 Django REST framework）。

FastAPI

简介：现代、高性能的 Web 框架，基于 Python 类型提示。
特点
- 高性能，接近 Node.js 和 Go 的速度。
- 自动生成交互式 API 文档（Swagger UI 和 ReDoc）。
- 强大的依赖注入系统和数据验证。

Tornado

简介：异步网络库，适合高并发场景。
特点
- 支持非阻塞 I/O 和异步操作。
- 适用于实时应用（如 WebSocket、长轮询）。
- 提供了灵活的路由和模板引擎。

Bottle

简介：极简的微框架，适合快速原型设计。
特点
- 单文件模块，无需额外依赖。
- 简单易用，适合小型项目。
- 支持插件扩展（如数据库连接、模板引擎）。

Sanic

简介：异步 Web 框架，基于 Python 的 asyncio。
特点
- 支持异步函数，适合高并发场景。
- 性能优异，接近 Node.js 和 Go 的速度。
- 提供了简洁的 API 和中间件支持。

Starlette

简介：高性能的 ASGI 框架，适合构建异步 Web 应用。
特点
- 轻量级，易于扩展。
- 支持 WebSocket 和 HTTP/2。
- 提供了丰富的中间件和工具。

gui

tkinter

简介：Python标准库自带的GUI工具包，无需额外安装。
特点：简单易用，适合初学者；跨平台支持（Windows、macOS、Linux）。

dearpygui

简介：现代、轻量级的 GUI 库，专注于快速原型设计和数据可视化。
特点：简洁的 API，易于上手；适合开发小型工具和仪表盘。

kivy

简介：专注于触摸应用的跨平台 GUI 库，适用于移动设备（Android、iOS）和桌面平台。
特点：支持多点触控、手势识别等功能；适合开发游戏和交互式应用。

wxPython

简介：基于 wxWidgets 的 Python GUI 库，提供原生外观的控件。
特点：接近操作系统的原生风格，用户体验较好；适合需要高度定制的应用。

pyqt

简介：基于 Qt 框架的强大 GUI 库，提供了丰富的组件和功能。
特点：功能强大，适合开发复杂应用；支持多线程、网络通信等高级特性。
版本：PyQt5 和 PyQt6，推荐使用最新版本。

pyside

简介：类似于 PyQt，是 Qt 的另一个 Python 绑定库，由 Qt 官方维护。
特点：开源许可证更宽松（LGPL），适合商业项目；API 与 PyQt 基本相同。
版本：PySide2 和 PySide6，推荐使用最新版本。

绘图

matplotlib

简介：Python 最基础也最强大的绘图库，由 John Hunter 开发，几乎支持所有绘图场景，是其他高层绘图库（如 Seaborn）的基础。
核心特点
- 支持线图、散点图、柱状图、直方图、饼图等几乎所有基础图表类型
- 高度可定制（字体、颜色、坐标轴、图例等细节均可调整）
- 支持多种输出格式（PNG、PDF、SVG 等）
- 可嵌入 Jupyter Notebook 或生成独立图像文件
适用场景：基础数据可视化、自定义图表设计、科研绘图。
安装：pip install matplotlib

seaborn

简介：基于 Matplotlib 的高级统计绘图库，由 Michael Waskom 开发，专注于统计数据可视化，风格更美观。
核心特点
- 内置多种统计图表（如箱线图、热力图、小提琴图、聚类图）
- 默认样式更现代美观，无需大量定制即可生成 publication 级图表
- 与 Pandas 数据框无缝集成，适合分析结构化数据
- 支持复杂数据集的可视化（如多变量关系、分类数据比较）
适用场景：统计分析、数据挖掘、机器学习结果可视化。
安装：pip install seaborn

plotly

简介：交互式绘图库，支持生成可交互的图表（缩放、平移、悬停显示详情等），有开源版和商业版。
核心特点
- 完全交互式图表，适合网页展示或动态探索数据
- 支持 3D 绘图、地理地图、仪表盘等高级图表
- 可导出为 HTML 文件，方便在浏览器中查看
- 有两种接口：plotly.graph_objects（底层）和 plotly.express（高层，更简洁）
适用场景：交互式报告、网页可视化、数据 dashboard。
安装：pip install plotly

altair

强调简洁性和易用性，通过声明式的方式定义图表。

适合需要快速迭代图表设计的场景。

bokeh

同样用于创建交互式的Web图表，特别适合处理大规模或流式数据。

可以很好地与其他Python数据处理工具集成。

数据处理

pandas

简介：专注于数据操作和分析，提供了 DataFrame 和 Series 数据结构。
特点：支持数据清洗、转换、聚合等操作，适合处理表格型数据。

numpy

简介：基础科学计算库，提供了多维数组对象（ndarray）和大量操作这些数组的函数。
特点：高效的数值计算，支持广播、线性代数、傅里叶变换等功能。

scipy

简介：基于 NumPy 构建，提供了更高级的科学计算功能。
特点：涵盖优化、插值、积分、信号处理、线性代数等领域的算法。

SymPy：

简介：符号数学库，用于符号计算和代数运算。
特点：支持微积分、代数、离散数学等领域的问题求解。

NLTK

自然语言工具包，提供大量文本处理功能。

spaCy

工业级自然语言处理库，性能优越，支持多种语言。

jieba

jieba（结巴）是 Python 中最常用的中文分词库，由 Sun Junyi 开发，专门用于处理中文文本的分词任务。它支持多种分词模式，适配不同场景，且具有高效、准确的特点，是中文自然语言处理（NLP）的基础工具之一。

核心功能

中文分词：将连续的中文文本切分成有意义的词语（如将 “我爱自然语言处理” 分为 “我 / 爱 / 自然语言处理”）。
多种分词模式
- 精确模式：最常用，试图将文本最精确地切开，适合文本分析。
- 全模式：把句子中所有可能的词语都扫描出来，速度快但存在冗余。
- 搜索引擎模式：在精确模式基础上，对长词再次切分，适合搜索引擎分词。
自定义词典：支持添加自定义词语，解决专业术语、新词等未被默认词典收录的问题。
关键词提取：基于 TF-IDF 算法或 TextRank 算法提取文本关键词。
词性标注：对分词结果标注词性（如名词、动词、形容词等）。

图像处理

OpenCV

简介：开源计算机视觉库，功能强大，支持复杂的图像处理和计算机视觉任务。
核心功能
- 图像读取 / 保存（支持更多格式和视频处理）
- 色彩空间转换（RGB、HSV、Lab 等）
- 特征检测（边缘、角点、轮廓）
- 目标检测与跟踪（Haar 级联、HOG 特征）
- 图像分割、形态学操作
- 支持 GPU 加速
优势：速度快（底层用 C++ 实现），适合实时处理和复杂算法。
安装：pip install opencv-python

Pillow

简介：Python 图像处理的基础库，是经典 PIL（Python Imaging Library）的分支，提供了丰富的基础图像处理功能。
核心功能
- 图像打开 / 保存（支持 JPG、PNG、GIF 等多种格式）
- 尺寸调整、裁剪、旋转、翻转
- 颜色模式转换（RGB、灰度、RGBA 等）
- 简单滤镜（模糊、锐化、边缘检测）
- 像素级操作
优势：轻量、易用，是其他图像处理库的基础依赖。
安装：pip install pillow

scikit-image

简介：基于 scipy 的图像处理库，专注于科学计算和算法实现，API 设计更符合 Python 风格。
核心功能
- 基础操作（裁剪、旋转、缩放）
- 高级滤波（高斯滤波、中值滤波）
- 图像分割（阈值分割、区域生长）
- 特征提取（纹理、形状分析）
- 形态学操作、边缘检测
优势：文档完善，算法严谨，适合科研和分析场景。
安装：pip install scikit-image

imgaug

简介：专注于图像增强的库，常用于机器学习数据扩充。
核心功能
- 随机旋转、缩放、裁剪、翻转
- 加噪、模糊、对比度调整
- 高级增强（仿射变换、弹性形变）
优势：支持批量处理，可与深度学习框架配合使用。
安装：pip install imgaug

机器学习

tensorflow

简介：由 Google 开发的深度学习框架。
特点
- 强大的计算图支持，适合构建复杂的神经网络。
- 提供了丰富的预训练模型和工具（如 TensorFlow Hub、TensorFlow Lite）。
- 支持分布式训练和多平台部署。

pytorch

简介：由 Facebook 开发的深度学习框架。
特点
- 动态计算图，适合快速实验和调试。
- 提供了丰富的工具和库（如 TorchVision、TorchText）。
- 广泛应用于研究和生产环境。

sklearn

简介：机器学习库，提供了简单有效的数据挖掘和数据分析工具。
特点：涵盖分类、回归、聚类、降维等常见机器学习算法。

Keras

简介：高级神经网络 API，可以运行在 TensorFlow 或 Theano 后端。
特点
- 简单易用，适合快速原型设计。
- 提供了丰富的预定义层和损失函数。
- 可以与 TensorFlow 深度集成，使用 TensorFlow 的所有功能。

XGBoost

简介：基于梯度提升决策树（GBDT）的高效机器学习库。
特点
- 高性能，适用于大规模数据集。
- 支持并行计算和分布式训练。
- 提供了多种优化算法和参数调整工具。

LightGBM

简介：微软开发的高效梯度提升框架。
特点
- 更快的训练速度和更低的内存消耗。
- 支持直方图优化和稀疏数据处理。
- 提供了丰富的参数调整选项。

CatBoost

简介：由 Yandex 开发的梯度提升框架。
特点
- 对类别特征有很好的支持，无需手动编码。
- 自动处理缺失值和类别特征。
- 提供了高效的 GPU 加速。

ocr

easyocr

简介：一个简单易用的 OCR 库，内置了多种语言模型，无需额外安装依赖。
特点：支持超过 80 种语言，识别速度快，适合快速集成和部署。

Tesseract

简介：最流行的开源 OCR 引擎之一，支持多种语言和字符集。
安装：需要先安装 Tesseract 引擎，然后使用 pytesseract Python 包来调用它。
特点：支持多语言、高精度识别，适合大多数常规 OCR 需求。

PaddleOCR：

简介：由百度开发的 OCR 工具包，基于 PaddlePaddle 深度学习框架。
特点：高性能、高精度，特别适合处理复杂场景下的文字识别（如倾斜、模糊等）。
安装：可以通过 pip 安装，也可以使用 Docker 部署。

测试

pytest

简介：功能强大的第三方测试框架，兼容 unittest，语法更简洁灵活。
特点
- 无需继承类，直接用函数或类定义测试用例
- 支持丰富的断言表达式（直接用 Python 原生断言）
- 强大的插件生态（如 pytest-cov 生成覆盖率报告、pytest-mock 模拟对象）
- 支持参数化测试、 fixtures 依赖注入
适用场景：各类测试（单元、集成、功能），尤其适合复杂项目。

unittest

简介：Python 标准库自带的单元测试框架，灵感来源于 Java 的 JUnit，遵循 xUnit 风格。
特点
- 提供 TestCase 基类，通过继承实现测试用例
- 支持测试套件（TestSuite）、测试夹具（setUp()/tearDown()）
- 内置断言方法（如 assertEqual()、assertTrue()）
适用场景：基础单元测试，无需额外安装依赖。

doctest

简介：从文档字符串（docstring）中提取测试用例并执行的轻量级工具。
特点
- 测试用例与文档结合，适合简单函数 / 模块的示例型测试
- 自动识别 docstring 中类似交互式解释器的代码（>>> 开头）
适用场景：小型工具、库的文档式测试，确保示例代码可运行。

文件处理

sphinx

Sphinx 是一个基于 Python 的文档生成工具，最初为 Python 官方文档设计，如今已成为许多开源项目和企业文档的首选工具。它以清晰的结构、丰富的功能和专业的输出格式而闻名。

核心特点

支持多种标记语言
- 默认使用 reStructuredText（一种结构化标记语言，类似 Markdown 但更强大）
- 可通过插件支持 Markdown（如 recommonmark 插件）
丰富的输出格式
- 生成 HTML（支持响应式设计，适合网页展示）
- 生成 PDF、EPUB 等离线文档
- 生成 LaTeX、Man 手册等格式
自动索引与交叉引用
- 自动生成目录、索引、搜索功能
- 支持文档内、跨文档的交叉引用（如函数、类、章节的引用）
代码文档集成
- 可从 Python 代码的 docstring 中提取文档（支持 Google 风格、NumPy 风格等）
- 自动生成 API 文档（类、函数、模块的说明）
扩展生态
- 大量插件扩展功能（如图表、数学公式、代码高亮等）
- 支持自定义主题，调整文档外观

典型工作流程

编写文档：用 reStructuredText 或 Markdown 编写 .rst 或 .md 文档文件。
配置项目：通过 conf.py 配置文档项目（指定主题、扩展、路径等）。
生成文档：运行 sphinx-build 命令将源文件转换为目标格式（如 HTML）。
预览与发布：查看生成的文档，部署到网站或分发离线版本。

markdown

markdown 是 Python 中最流行的 Markdown 解析工具，遵循 Markdown 标准语法，支持扩展功能，可灵活定制解析规则。

核心特点

基础语法支持：完全支持标准 Markdown 语法（标题、列表、链接、代码块等）。
扩展机制：通过扩展支持表格、脚注、任务列表等非标准语法（如 markdown.extensions.tables）。
自定义渲染：可通过自定义解析器和渲染器，修改 HTML 输出格式。
轻量高效：无复杂依赖，解析速度快。

shutil

简介：提供高级文件操作功能。
特点
- 支持文件和目录的复制、移动、删除等操作。
可以归档和解归档文件（如 ZIP 文件）。

pathlib

简介：提供面向对象的路径操作。
特点
- 使用 Path 对象来表示文件路径，操作更直观。
支持文件和目录的基本操作。

glob

简介：用于文件名模式匹配。
特点
- 支持使用通配符（如 *、?）进行文件名匹配。
- 可以递归地查找文件。

csv

简介：用于读写 CSV 文件。
特点
- 支持读取和写入 CSV 文件。
可以处理不同分隔符和引号规则。

json

简介：用于读写 JSON 文件。
特点
- 支持将 Python 对象序列化为 JSON 字符串，或将 JSON 字符串反序列化为 Python 对象。
- 可以处理复杂的嵌套结构。

pickle

简介：用于序列化和反序列化 Python 对象。
特点
- 支持将任意 Python 对象（如列表、字典、自定义类实例）保存到文件中。
- 可以用于对象持久化。

pywin32

pywin32 是 Python 中用于与 Windows 系统交互的扩展库，它提供了对 Windows API（应用程序接口）的封装，允许 Python 程序调用各种 Windows 系统功能，实现与 Windows 操作系统的深度集成。

核心功能

Windows API 访问：封装了大量 Windows 系统 API，包括进程管理、窗口操作、注册表访问、文件系统控制等。
COM 组件交互：支持与 Windows 平台的 COM（组件对象模型）组件通信，可操作 Office 软件（Word、Excel 等）、IE 浏览器等。
系统服务管理：能创建、启动、停止 Windows 系统服务，监控服务状态。
窗口与桌面操作：可以枚举窗口、发送窗口消息、控制窗口显示状态等。
注册表操作：提供对 Windows 注册表的读写、修改、删除等操作能力。

excel

openpyxl

适用于读写 .xlsx 格式的 Excel 文件。
支持操作单元格、工作表、图表等元素。
适合处理现代版本的 Excel 文件。

xlrd 和 xlwt：

xlrd 用于读取 .xls 格式的旧版 Excel 文件。
xlwt 用于写入 .xls 格式的旧版 Excel 文件。
注意：xlrd 在版本 2.0.0 后不再支持 .xlsx 文件，仅支持 .xls。

XlsxWriter

专注于创建新的 .xlsx 文件。
支持格式设置、图表生成等功能。
性能较好，适合大批量数据写入。

PyExcel

提供统一接口来处理不同格式的 Excel 文件（包括 .xls 和 .xlsx）。
支持多种插件扩展，可以与 xlrd、openpyxl 等结合使用。

word

python-docx

这是最常用的库之一，用于创建和修改Word文档（.docx格式）。它支持读取、写入和修改文档中的段落、表格、图片等元素。

docxcompose

基于python-docx，主要用于合并多个Word文档。

压缩

zipfile

简介：用于创建和读取 ZIP 文件。
特点
- 支持创建、读取、写入和提取 ZIP 文件。
- 可以设置压缩级别和密码。

rarfile

rarfile 是 Python 中用于处理 RAR 压缩文件的第三方库，它允许开发者在 Python 程序中读取、解压 RAR 文件，以及获取 RAR 归档内的文件信息。

核心功能

读取 RAR 文件信息：获取压缩包内包含的文件列表、文件名、大小、修改时间等元数据。
解压 RAR 文件：支持将 RAR 归档中的文件解压到指定目录，可选择解压单个文件或全部文件。
支持多种 RAR 格式：兼容 RAR 3.x、RAR 5.0 等常见格式（部分功能依赖底层库支持）。
处理加密 RAR：可以解压带有密码保护的 RAR 文件。

tarfile

简介：用于创建和读取 TAR 文件。
特点
- 支持创建、读取、写入和提取 TAR 文件。
- 可以设置压缩格式（如 gzip、bzip2）。

pdf

pdfminer.six：

专注于从 PDF 中提取文本和元数据。
对于复杂排版和嵌套结构的 PDF 文件有较好的解析能力。
支持自定义解析器，适用于需要精细控制文本提取的情况。

PyMuPDF (fitz)：

功能强大且速度快，支持读取、写入、修改 PDF 文件。
可以提取文本、图像、链接等元素，并支持页面操作（如裁剪、旋转）。
提供了更灵活的文本提取方式，适合处理复杂的 PDF 文档。

reportlab

用于创建 PDF 文件，支持丰富的格式设置（如字体、颜色、表格、图表等）。
提供简单和高级两种 API，适合生成报告、发票等文档。
不适用于读取或修改现有 PDF 文件。

PyPDF2

用于读取、分割、合并和转换 PDF 文件。
支持提取文本和元数据，但对复杂布局的文本提取效果有限。
不支持创建 PDF 文件，但可以修改现有文件（如添加水印、加密等）。

pdfrw

用于读取、写入和修改 PDF 文件。
支持简单的页面操作（如合并、拆分），以及添加表单字段等功能。
适合轻量级的 PDF 操作需求。

爬虫

puppeteer-py

简介：Python 版本的 Puppeteer，用于无头浏览器自动化。
特点
- 支持无头模式下的浏览器操作。
- 可以执行复杂的 JavaScript 操作。

selenium

简介：用于自动化浏览器操作，适合处理需要 JavaScript 渲染的网页。
特点
- 支持多种浏览器（如 Chrome、Firefox、Edge）。
- 可以模拟用户行为（如点击、输入文本、滚动页面）。
- 支持等待元素加载，确保动态内容完全渲染。
- 需要额外下载浏览器驱动程序（如 ChromeDriver）。