Python基礎之查看Python庫、函數(shù)和模塊

1.dir函數(shù)式可以查看對象的屬性

讓客戶滿意是我們工作的目標，不斷超越客戶的期望值來自于我們對這個行業(yè)的熱愛。我們立志把好的技術通過有效、簡單的方式提供給客戶，將通過不懈努力成為客戶在信息化領域值得信任、有價值的長期合作伙伴，公司提供的服務項目有：域名注冊、網(wǎng)絡空間、營銷軟件、網(wǎng)站建設、太平網(wǎng)站維護、網(wǎng)站推廣。

使用方法很簡單，舉os類型為例，在Python命令窗口輸入?dir(‘os’)?即可查看os模塊的屬性

打開cmd命令窗口：

2.如何查看對象某個屬性的幫助文檔：兩種方法如下：

3.如何查看某個對象的詳細：

3.如何查看某個對象的函數(shù)：

python常用函數(shù)包有哪些？

一些python常用函數(shù)包：

1、Urllib3

Urllib3是一個 Python 的 HTTP 客戶端，它擁有 Python 標準庫中缺少的許多功能：

線程安全

連接池

客戶端 SSL/TLS 驗證

使用分段編碼上傳文件

用來重試請求和處理 HTTP 重定向的助手

支持 gzip 和 deflate 編碼

HTTP 和 SOCKS 的代理支持

2、Six

six 是一個是 Python 2 和 3 的兼容性庫。這個項目旨在支持可同時運行在 Python 2 和 3 上的代碼庫。它提供了許多可簡化 Python 2 和 3 之間語法差異的函數(shù)。

3、botocore、boto3、s3transfer、awscli

Botocore是 AWS 的底層接口。Botocore是 Boto3 庫（#22）的基礎，后者讓你可以使用 Amazon S3 和 Amazon EC2 一類的服務。Botocore 還是 AWS-CLI 的基礎，后者為 AWS 提供統(tǒng)一的命令行界面。

S3transfer（#7）是用于管理 Amazon S3 傳輸?shù)?Python 庫。它正在積極開發(fā)中，其介紹頁面不推薦人們現(xiàn)在使用，或者至少等版本固定下來再用，因為其 API 可能發(fā)生變化，在次要版本之間都可能更改。Boto3、AWS-CLI和其他許多項目都依賴s3transfer。

4、Pip

pip是“Pip Installs Packages”的首字母遞歸縮寫。

pip很容易使用。要安裝一個包只需pip install package name即可，而刪除包只需pip uninstall package name即可。

最大優(yōu)點之一是它可以獲取包列表，通常以requirements.txt文件的形式獲取。該文件能選擇包含所需版本的詳細規(guī)范。大多數(shù) Python 項目都包含這樣的文件。

如果結合使用pip與virtualenv（列表中的 #57），就可以創(chuàng)建可預測的隔離環(huán)境，同時不會干擾底層系統(tǒng)，反之亦然。

5、Python-dateutil

python-dateutil模塊提供了對標準datetime模塊的強大擴展。我的經(jīng)驗是，常規(guī)的Python datetime缺少哪些功能，python-dateutil就能補足那一塊。

6、Requests

Requests建立在我們的 #1 庫——urllib3基礎上。它讓 Web 請求變得非常簡單。相比urllib3來說，很多人更喜歡這個包。而且使用它的最終用戶可能也比urllib3更多。后者更偏底層，并且考慮到它對內(nèi)部的控制級別，它一般是作為其他項目的依賴項。

7、Certifi

近年來，幾乎所有網(wǎng)站都轉(zhuǎn)向 SSL，你可以通過地址欄中的小鎖符號來識別它。加了小鎖意味著與該站點的通信是安全和加密的，能防止竊聽行為。

8、Idna

根據(jù)其 PyPI 頁面，idna提供了“對 RFC5891 中指定的應用程序中國際化域名（IDNA）協(xié)議的支持。”

IDNA的核心是兩個函數(shù)：ToASCII和ToUnicode。ToASCII會將國際 Unicode 域轉(zhuǎn)換為 ASCII 字符串。ToUnicode則逆轉(zhuǎn)該過程。在IDNA包中，這些函數(shù)稱為idna.encode()和idna.decode()

9、PyYAML

YAML是一種數(shù)據(jù)序列化格式。它的設計宗旨是讓人類和計算機都能很容易地閱讀代碼——人類很容易讀寫它的內(nèi)容，計算機也可以解析它。

PyYAML是 Python 的YAML解析器和發(fā)射器，這意味著它可以讀寫YAML。它會把任何 Python 對象寫成YAML：列表、字典，甚至是類實例都包括在內(nèi)。

10、Pyasn1

像上面的IDNA一樣，這個項目也非常有用：

ASN.1 類型和 DER/BER/CER 編碼（X.208）的純 Python 實現(xiàn)

所幸這個已有數(shù)十年歷史的標準有很多信息可用。ASN.1是 Abstract Syntax Notation One 的縮寫，它就像是數(shù)據(jù)序列化的教父。它來自電信行業(yè)。也許你知道協(xié)議緩沖區(qū)或 Apache Thrift？這就是它們的 1984 年版本。

11、Docutils

Docutils是一個模塊化系統(tǒng)，用來將純文本文檔處理為很多有用的格式，例如 HTML、XML 和 LaTeX 等。Docutils能讀取reStructuredText格式的純文本文檔，這種格式是類似于 MarkDown 的易讀標記語法。

12、Chardet

你可以用chardet模塊來檢測文件或數(shù)據(jù)流的字符集。比如說，需要分析大量隨機文本時，這會很有用。但你也可以在處理遠程下載的數(shù)據(jù)，但不知道用的是什么字符集時使用它。

13、RSA

rsa包是一個純 Python 的 RSA 實現(xiàn)。它支持：

加密和解密

簽名和驗證簽名

根據(jù) PKCS#1 1.5 版生成密鑰

它既可以用作 Python 庫，也能在命令行中使用。

14、Jmespath

JMESPath，發(fā)音為“James path”，使 Python 中的 JSON 更容易使用。它允許你聲明性地指定如何從 JSON 文檔中提取元素。

15、Setuptools

它是用于創(chuàng)建 Python 包的工具。不過，其文檔很糟糕。它沒有清晰描述它的用途，并且文檔中包含無效鏈接。最好的信息源是這個站點，特別是這個創(chuàng)建 Python 包的指南。

16、Pytz

像dateutils一樣，這個庫可幫助你處理日期和時間。有時候，時區(qū)處理起來可能很麻煩。幸好有這樣的包，可以讓事情變得簡單些。

17、Futures

從 Python 3.2 開始，python 提供current.futures模塊，可幫助你實現(xiàn)異步執(zhí)行。futures 包是該庫適用于 Python 2 的 backport。它不適用于 Python3 用戶，因為 Python 3 原生提供了該模塊。

18、Colorama

使用 Colorama，你可以為終端添加一些顏色：

更多Python知識請關注Python自學網(wǎng)

常用的python庫，有哪些？

Python庫有很多，為大家簡單例舉幾個：

1、Arrow

Python中處理時間的庫有datetime，但是它過于簡單，使用起來不夠方便和智能，而Arrow可以說非常的方便和智能。它可以輕松地定位幾個小時之前的時間，可以輕松轉(zhuǎn)換時區(qū)時間，對于一個小時前，2個小時之內(nèi)這樣人性化的信息也能夠準確解讀。

2、Behold

調(diào)試程序是每個程序員必備的技能，對于腳本語言，很多人習慣于使用print進行調(diào)試，然而對于大項目來說，print的功能還遠遠不足，我們希望有一個可以輕松使用，調(diào)試方便，對變量監(jiān)視完整，格式已于查看的工具，而Behold就是那個非常好用的調(diào)試庫。

3、Click

現(xiàn)在幾乎所有的框架都有自己的命令行腳手架，Python也不例外，那么如何快速開發(fā)出屬于自己的命令行程序呢?答案就是使用Python的Click庫。Click庫對命令行api進行了大量封裝，你可以輕松開發(fā)出屬于自己的CLI命令集。終端的顏色，環(huán)境變量信息，通過Click都可以輕松進行獲取和改變。

4、Numba

如果你從事數(shù)學方面的分析和計算，那么Numba一定是你必不可少的庫。Numpy通過將高速C庫包裝在Python接口中來工作，而Cython使用可選的類型將Python編譯為C以提高性能。但是Numba無疑是最方便的，因為它允許使用裝飾器選擇性地加速Python函數(shù)。

5、Matlibplot

做過數(shù)據(jù)分析，數(shù)據(jù)可視化的數(shù)學學生一定知道m(xù)atlab這個軟件，這是一個收費的數(shù)學商用軟件，在Python中，Matlibplot就是為了實現(xiàn)這個軟件中功能開發(fā)的第三方Python庫。并且它完全是免費的，很多學校都是用它來進行數(shù)學教學和研究的。

6、Pillow

圖像處理是任何時候我們都需要關注的問題，平時我們看到很多ps中的神技，比如調(diào)整畫面顏色，飽和度，調(diào)整圖像尺寸，裁剪圖像等等，這些其實都可以通過Python簡單完成，而其中我們需要使用的庫就是Pillow。

7、pyqt5

Python是可以開發(fā)圖形界面程序的。而pyqt就是一款非常好用的第三方GUI庫，有了它，你可以輕松開發(fā)出跨平臺的圖形應用程序，其中qtdesigner設計器，更是加速了我們開發(fā)圖形界面的速度。

Python數(shù)據(jù)分析庫有哪些

Python數(shù)據(jù)分析必備的第三方庫：

1、Pandas

Pandas是Python強大、靈活的數(shù)據(jù)分析和探索工具，包含Serise、DataFrame等高級數(shù)據(jù)結構和工具，安裝Pandas可使Python中處理數(shù)據(jù)非常快速和簡單。

Pandas是Python的一個數(shù)據(jù)分析包，Pandas最初使用用作金融數(shù)據(jù)分析工具而開發(fā)出來，因此Pandas為時間序列分析提供了很好的支持。

Pandas是為了解決數(shù)據(jù)分析任務而創(chuàng)建的，Pandas納入了大量的庫和一些標準的數(shù)據(jù)模型，提供了高效的操作大型數(shù)據(jù)集所需要的工具。Pandas提供了大量是我們快速便捷的處理數(shù)據(jù)的函數(shù)和方法。Pandas包含了高級數(shù)據(jù)結構，以及讓數(shù)據(jù)分析變得快速、簡單的工具。

2、Numpy

Numpy可以提供數(shù)組支持以及相應的高效處理函數(shù)，是Python數(shù)據(jù)分析的基礎，也是Scipy、Pandas等數(shù)據(jù)處理和科學計算庫最基本的函數(shù)功能庫，且其數(shù)據(jù)類型對Python數(shù)據(jù)分析十分有用。

Numpy提供了兩種基本的對象：ndarray和ufunc。ndarray是存儲單一數(shù)據(jù)類型的多維數(shù)組，而ufunc是能夠?qū)?shù)組進行處理的函數(shù)。

3、Matplotlib

Matplotlib是強大的數(shù)據(jù)可視化工具和作圖庫，是主要用于繪制數(shù)據(jù)圖表的Python庫，提供了繪制各類可視化圖形的命令字庫、簡單的接口，可以方便用戶輕松掌握圖形的格式，繪制各類可視化圖形。

Matplotlib是Python的一個可視化模塊，他能方便的只做線條圖、餅圖、柱狀圖以及其他專業(yè)圖形。

Matplotlib是基于Numpy的一套Python包，這個包提供了豐富的數(shù)據(jù)繪圖工具，主要用于繪制一些統(tǒng)計圖形。

4、SciPy

SciPy是一組專門解決科學計算中各種標準問題域的包的集合，包含的功能有最優(yōu)化、線性代數(shù)、積分、插值、擬合、特殊函數(shù)、快速傅里葉變換、信號處理和圖像處理、常微分方程求解和其他科學與工程中常用的計算等，這些對數(shù)據(jù)分析和挖掘十分有用。

SciPy是一款方便、易于使用、專門為科學和工程設計的Python包，它包括統(tǒng)計、優(yōu)化、整合、線性代數(shù)模塊、傅里葉變換、信號和圖像處理、常微分方程求解器等。Scipy依賴于Numpy，并提供許多對用戶友好的和有效的數(shù)值例程，如數(shù)值積分和優(yōu)化。

5、Keras

Keras是深度學習庫，人工神經(jīng)網(wǎng)絡和深度學習模型，基于Theano之上，依賴于Numpy和Scipy，利用它可以搭建普通的神經(jīng)網(wǎng)絡和各種深度學習模型，如語言處理、圖像識別、自編碼器、循環(huán)神經(jīng)網(wǎng)絡、遞歸審計網(wǎng)絡、卷積神經(jīng)網(wǎng)絡等。

6、Scrapy

Scrapy是專門為爬蟲而生的工具，具有URL讀取、HTML解析、存儲數(shù)據(jù)等功能，可以使用Twisted異步網(wǎng)絡庫來處理網(wǎng)絡通訊，架構清晰，且包含了各種中間件接口，可以靈活的完成各種需求。

7、Gensim

Gensim是用來做文本主題模型的庫，常用于處理語言方面的任務，支持TF-IDF、LSA、LDA和Word2Vec在內(nèi)的多種主題模型算法，支持流式訓練，并提供了諸如相似度計算、信息檢索等一些常用任務的API接口。

python常用到哪些庫

第一、NumPy

NumPy是NumericalPython的簡寫，是Python數(shù)值計算的基石。它提供多種數(shù)據(jù)結構、算法以及大部分涉及Python數(shù)值計算所需的接口。NumPy還包括其他內(nèi)容：

①快速、高效的多維數(shù)組對象ndarray

②基于元素的數(shù)組計算或數(shù)組間數(shù)學操作函數(shù)

③用于讀寫硬盤中基于數(shù)組的數(shù)據(jù)集的工具

④線性代數(shù)操作、傅里葉變換以及隨機數(shù)生成

除了NumPy賦予Python的快速數(shù)組處理能力之外，NumPy的另一個主要用途是在算法和庫之間作為數(shù)據(jù)傳遞的數(shù)據(jù)容器。對于數(shù)值數(shù)據(jù)，NumPy數(shù)組能夠比Python內(nèi)建數(shù)據(jù)結構更為高效地存儲和操作數(shù)據(jù)。

第二、pandas

pandas提供了高級數(shù)據(jù)結構和函數(shù)，這些數(shù)據(jù)結構和函數(shù)的設計使得利用結構化、表格化數(shù)據(jù)的工作快速、簡單、有表現(xiàn)力。它出現(xiàn)于2010年，幫助Python成為強大、高效的數(shù)據(jù)分析環(huán)境。常用的pandas對象是DataFrame，它是用于實現(xiàn)表格化、面向列、使用行列標簽的數(shù)據(jù)結構;以及Series，一種一維標簽數(shù)組對象。

pandas將表格和關系型數(shù)據(jù)庫的靈活數(shù)據(jù)操作能力與Numpy的高性能數(shù)組計算的理念相結合。它提供復雜的索引函數(shù)，使得數(shù)據(jù)的重組、切塊、切片、聚合、子集選擇更為簡單。由于數(shù)據(jù)操作、預處理、清洗在數(shù)據(jù)分析中是重要的技能，pandas將是重要主題。

第三、matplotlib

matplotlib是最流行的用于制圖及其他二維數(shù)據(jù)可視化的Python庫，它由John D.

Hunter創(chuàng)建，目前由一個大型開發(fā)者團隊維護。matplotlib被設計為適合出版的制圖工具。

對于Python編程者來說也有其他可視化庫，但matplotlib依然使用最為廣泛，并且與生態(tài)系統(tǒng)的其他庫良好整合。

第四、IPython

IPython項目開始于2001年，由FernandoPérez發(fā)起，旨在開發(fā)一個更具交互性的Python解釋器。在過去的16年中，它成為Python數(shù)據(jù)技術棧中最重要的工具之一。

盡管它本身并不提供任何計算或數(shù)據(jù)分析工具，它的設計側重于在交互計算和軟件開發(fā)兩方面將生產(chǎn)力最大化。它使用了一種執(zhí)行-探索工作流來替代其他語言中典型的編輯-編譯-運行工作流。它還提供了針對操作系統(tǒng)命令行和文件系統(tǒng)的易用接口。由于數(shù)據(jù)分析編碼工作包含大量的探索、試驗、試錯和遍歷，IPython可以使你更快速地完成工作。

第五、SciPy

SciPy是科學計算領域針對不同標準問題域的包集合。以下是SciPy中包含的一些包：

①scipy.integrate數(shù)值積分例程和微分方程求解器

②scipy.linalg線性代數(shù)例程和基于numpy.linalg的矩陣分解

③scipy.optimize函數(shù)優(yōu)化器和求根算法

④scipy.signal信號處理工具

⑤scipy.sparse稀疏矩陣與稀疏線性系統(tǒng)求解器

SciPy與Numpy一起為很多傳統(tǒng)科學計算應用提供了一個合理、完整、成熟的計算基礎。

第六、scikit-learn

scikit-learn項目誕生于2010年，目前已成為Python編程者首選的機器學習工具包。僅僅七年，scikit-learn就擁有了全世界1500位代碼貢獻者。其中包含以下子模塊：

①分類：SVM、最近鄰、隨機森林、邏輯回歸等

②回歸：Lasso、嶺回歸等

③聚類：K-means、譜聚類等

④降維：PCA、特征選擇、矩陣分解等

⑤模型選擇：網(wǎng)格搜索、交叉驗證、指標矩陣

⑥預處理：特征提取、正態(tài)化

scikit-learn與pandas、statsmodels、IPython一起使Python成為高效的數(shù)據(jù)科學編程語言。

二級Python----Python的內(nèi)置函數(shù)及標準庫（DAY 8）

python的內(nèi)置函數(shù)（68個）

Python考核31個內(nèi)置函數(shù)，

python內(nèi)置了很多內(nèi)置函數(shù)、類方法屬性及各種模塊。當我們想要當我們想要了解某種類型有哪些屬性方法以及每種方法該怎么使用時，我們可以使用dir()函數(shù)和help()函數(shù)在python idle交互式模式下獲得我們想要的信息。

? dir()函數(shù)獲得對象中可用屬性的列表

Python中的關鍵詞有哪些？

dir(__builtins__)：查看python內(nèi)置函數(shù)

help(‘keywords‘)：查看python關鍵詞

如微分積分方程的求解程序、訪問互聯(lián)網(wǎng)、獲取日期和時間、機器學習算法等。這些程序往往被收入程序庫中，構成程序庫。

只有經(jīng)過嚴格檢驗的程序才能放在程序庫里。檢驗，就是對程序作充分的測試。通常進行的有正確性測試、精度測試、速度測試、邊界條件和出錯狀態(tài)的測試。經(jīng)過檢驗的程序不但能保證計算結果的正確性，而且對錯誤調(diào)用也能作出反應。程序庫中的程序都是規(guī)范化的。所謂規(guī)范化有三重含義：①同一庫里所有程序的格式是統(tǒng)一的；② 對這些程序的調(diào)用方法是相同的；③ 每個程序所需參數(shù)的數(shù)目、順序和類型都是嚴格規(guī)定好的。

Python的庫包含標準庫和第三方庫

標準庫：程序語言自身擁有的庫，可以直接使用。help('modules')

第三方庫：第三方者使用該語言提供的程序庫。

標準庫： turtle 庫（必選）、 random 庫（必選）、 time 庫（可選）。

? turtle 庫：圖形繪制庫

原理如同控制一只海龜，以不同的方向和速度進行位移而得到其運動軌跡。

使用模塊的幫助時，需要先將模塊導入。

例如：在IDLE中輸入import turtle

dir(turtle)

help(turtle.**)

1.畫布

畫布就是turtle為我們展開用于繪圖區(qū)域, 我們可以設置它的大小和初始位置。

setup()方法用于初始化畫布窗口大小和位置，參數(shù)包括畫布窗口寬、畫布窗口高、窗口在屏幕的水平起始位置和窗口在屏幕的垂直起始位置。

參數(shù):width, height: 輸入寬和高為整數(shù)時,表示 像素 ;為小數(shù)時,表示占據(jù)電腦屏幕的比例。(startx,starty):這一坐標表示

矩形窗口左上角頂點的位置,如果為空,則窗口位于屏幕中心:

例如：setup(640,480,300,300)表示在桌面屏幕(300,300)位置開始創(chuàng)建640×480大小的畫布窗體。

2、畫筆

? color() 用于設置或返回畫筆顏色和填充顏色。

例如：color(‘red’)將顏色設為紅色，也可用fillcolor()方法設置或返回填充顏色，或用pencolor()方法設置或返回筆觸顏色。

本文名稱：python常用庫和函數(shù) python 函數(shù)庫
網(wǎng)站地址：http://vcdvsql.cn/article26/hioocg.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供企業(yè)網(wǎng)站制作、微信小程序、、虛擬主機、云服務器、域名注冊

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)