常用模块与库

Python拥有丰富的标准库和第三方库，可以大大提高开发效率。以下介绍常用的标准库和第三方库的功能与用法。

10.1 标准库

Python标准库自带安装，无需额外安装。以下是一些常用的标准库：

10.1.1 math 模块

提供了数学运算的常用函数。

常见功能：

• 三角函数：sin()、cos()、tan() 等。
• 对数函数：log()、log10()。
• 幂次函数：pow()、sqrt()。
• 常数：pi、e。

示例：

import math

print(math.pi)          # 圆周率：3.141592653589793
print(math.sqrt(16))    # 平方根：4.0
print(math.log(100, 10))  # 以10为底的对数：2.0
print(math.sin(math.pi / 2))  # 正弦值：1.0

10.1.2 random 模块

生成随机数和随机选择，适用于模拟和数据生成。

常见功能：

• random()：生成 0 到 1 之间的随机浮点数。
• randint(a, b)：生成 [a, b] 范围内的随机整数。
• choice(seq)：从序列中随机选择一个元素。
• shuffle(seq)：将序列随机打乱。

示例：

import random

print(random.random())           # 随机浮点数：0.123456789（示例）
print(random.randint(1, 10))     # 随机整数：5（示例）
print(random.choice(['a', 'b', 'c']))  # 随机选择：'b'（示例）

lst = [1, 2, 3, 4, 5]
random.shuffle(lst)              # 随机打乱列表
print(lst)                       # 示例输出：[4, 1, 3, 2, 5]

10.1.3 datetime 模块

用于处理日期和时间。

常见功能：

• 获取当前日期和时间：datetime.now()。
• 创建日期对象：datetime()。
• 日期运算：timedelta。
• 格式化日期：strftime()。

示例：

from datetime import datetime, timedelta

# 当前日期和时间
now = datetime.now()
print(now)  # 示例输出：2024-12-04 15:30:45.123456

# 日期加减
yesterday = now - timedelta(days=1)
print(yesterday)  # 示例输出：2024-12-03

# 格式化日期
formatted = now.strftime('%Y-%m-%d %H:%M:%S')
print(formatted)  # 示例输出：2024-12-04 15:30:45

10.2 第三方库

第三方库通常需要使用 pip 命令安装。例如：

pip install requests numpy pandas

10.2.1 requests 库

用于发送 HTTP 请求，广泛用于网页抓取和API交互。

常见功能：

• get(url)：发送GET请求。
• post(url, data)：发送POST请求。
• 获取响应内容：response.text、response.json()。

示例：

import requests

response = requests.get('https://www.baidu.com')
if response.status_code == 200:
    print(response.json())  # 输出响应的JSON内容

10.2.2 numpy 库

专为数值计算设计，提供高效的多维数组和相关运算。

常见功能：

• 创建数组：array()。
• 数组运算：加减乘除等。
• 常用函数：mean()、sum()、linspace() 等。

示例：

import numpy as np

# 创建数组
arr = np.array([1, 2, 3, 4])
print(arr * 2)  # 输出：[2 4 6 8]

# 多维数组
matrix = np.array([[1, 2], [3, 4]])
print(matrix.sum(axis=0))  # 按列求和：[4 6]

10.2.3 pandas 库

用于数据处理和分析，支持表格数据操作。

常见功能：

• 创建数据表：DataFrame()。
• 读取和保存数据：read_csv()、to_csv()。
• 数据筛选：loc[]、iloc[]。
• 数据统计：mean()、describe()。

示例：

import pandas as pd

# 创建数据表
data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Score': [85, 90, 95]
}
df = pd.DataFrame(data)
print(df)

# 筛选数据
filtered = df[df['Age'] > 28]
print(filtered)

# 读取和保存
df.to_csv('data.csv', index=False)
df2 = pd.read_csv('data.csv')
print(df2)

小结

• 标准库：math 处理数学运算，random 生成随机数据，datetime 处理日期和时间。
• 第三方库：
  • requests：用于HTTP请求。
  • numpy：用于高效数值计算。
  • pandas：用于数据分析和表格操作。

通过标准库和第三方库的结合，可以极大提升开发效率，满足从基础计算到复杂数据处理的多种需求。