文章目录
前言一、基础库1. math库2. random库3. datetime库4. os库5. re库6. sys库7. json库8. csv库9. urllib库10. hashlib库11. collections库12. itertools库13. functools库14. time库 二、高级库（常用的第三方库及其功能）1. NumPy库（科学计算）2. Pandas库 （数据分析）3. Matplotlib库（数据可视化）4. Requests库（网络请求）5. Scrapy库（网络爬虫）6. Django库（Web开发）7. TensorFlow库（机器学习）8. PyTorch库（机器学习）9. SQLAlchemy库（数据库操作）10. Flask库（Web开发）11. Scikit-learn库（机器学习）12. BeautifulSoup库（网页解析）13. Django库（Web开发）： 总结
前言
Python是一种功能强大的编程语言，拥有众多内置库，这些库提供了各种各样的功能和工具，方便开发人员进行各种任务。本文将介绍Python中所有常用的内置库，并提供相应的代码示例。
一、基础库
1. math库
math库提供了数学运算相关的函数和常量。下面是一个使用math库计算平方根的示例代码：
import mathnumber = 16square_root = math.sqrt(number)print(square_root)2. random库
random库用于生成随机数。下面是一个使用random库生成随机整数的示例代码：
import randomrandom_number = random.randint(1, 10)print(random_number)3. datetime库
datetime库用于处理日期和时间。下面是一个使用datetime库获取当前日期和时间的示例代码：
import datetimecurrent_datetime = datetime.datetime.now()print(current_datetime)4. os库
os库提供了与操作系统交互的功能，例如文件和目录操作。下面是一个使用os库创建目录的示例代码：
import osdirectory = "new_directory"os.mkdir(directory)5. re库
re库用于进行正则表达式匹配和操作。下面是一个使用re库检查字符串是否匹配特定模式的示例代码：
import repattern = r"\d{3}-\d{4}"phone_number = "123-4567"if re.match(pattern, phone_number): print("Valid phone number")else:print("Invalid phone number")6. sys库
sys库提供了与Python解释器和系统交互的功能。下面是一个使用sys库获取命令行参数的示例代码：
import sysarguments = sys.argvprint(arguments)7. json库
json库用于处理JSON数据的编码和解码。下面是一个使用json库将Python对象转换为JSON字符串的示例代码：
import jsondata = {'name': 'John', 'age': 30}json_string = json.dumps(data)print(json_string)8. csv库
csv库用于读取和写入CSV文件。下面是一个使用csv库读取CSV文件的示例代码：
import csvwith open('data.csv', 'r') as file: csv_reader = csv.reader(file) for row in csv_reader: print(row)9. urllib库
urllib库用于进行URL操作，例如发送HTTP请求。下面是一个使用urllib库发送GET请求的示例代码：
import urllib.requestresponse = urllib.request.urlopen('http://www.example.com')html = response.read()print(html)10. hashlib库
hashlib库提供了多种哈希算法，用于数据加密和校验。下面是一个使用hashlib库计算SHA256哈希值的示例代码：
import hashlibdata = 'Hello, World!'hash_object = hashlib.sha256(data.encode())hash_value = hash_object.hexdigest()print(hash_value)11. collections库
collections库提供了额外的数据结构，如有序字典、命名元组等。下面是一个使用collections库的示例代码：
from collections import OrderedDictdata = OrderedDict()data['apple'] = 4data['banana'] = 2data['orange'] = 6for key, value in data.items(): print(key, value)12. itertools库
itertools库提供了用于迭代和组合的工具函数。下面是一个使用itertools库生成排列组合的示例代码：
import itertoolsdata = [1, 2, 3]permutations = itertools.permutations(data)combinations = itertools.combinations(data, 2)for perm in permutations: print(perm)for comb in combinations: print(comb)13. functools库
functools库提供了一些高阶函数，如partial和reduce等。下面是一个使用functools库的示例代码：
import functoolsdef multiply(a, b): return a * bdouble = functools.partial(multiply, b=2)result = double(3)print(result)14. time库
time库提供了与时间相关的功能，如获取当前时间、计时等。下面是一个使用time库的示例代码：
import timestart_time = time.time()time.sleep(2)end_time = time.time()elapsed_time = end_time - start_timeprint("Elapsed time:", elapsed_time)二、高级库（常用的第三方库及其功能）
1. NumPy库（科学计算）
NumPy库是Python科学计算的核心库，提供了多维数组对象和各种数学函数，用于进行快速的数值计算。它还提供了用于操作数组的工具和函数。下面是一个使用NumPy库的示例代码：
import numpy as nparray = np.array([1, 2, 3, 4, 5])print(array)2. Pandas库 （数据分析）
Pandas库提供了用于数据分析和处理的高级数据结构和函数。它可以轻松处理和操作大型数据集，并提供了数据清洗、转换、合并等功能。下面是一个使用Pandas库的示例代码：
import pandas as pddata = {'Name': ['John', 'Alice', 'Bob'], 'Age': [25, 30, 35]}df = pd.DataFrame(data)print(df)3. Matplotlib库（数据可视化）
Matplotlib库是一个用于绘制数据可视化图表的库。它提供了各种绘图函数和工具，可以创建线图、散点图、柱状图等各种类型的图表。下面是一个使用Matplotlib库绘制折线图的示例代码：
import matplotlib.pyplot as pltx = [1, 2, 3, 4, 5]y = [2, 4, 6, 8, 10]plt.plot(x, y)plt.show()4. Requests库（网络请求）
Requests库是一个简洁而强大的HTTP请求库，用于发送HTTP请求和处理响应。它使得与Web服务进行交互变得更加容易。下面是一个使用Requests库发送GET请求的示例代码：
import requestsresponse = requests.get('http://www.example.com')print(response.text)5. Scrapy库（网络爬虫）
Scrapy是一个用于爬取网站数据的高级Python框架。它提供了强大的抓取和提取功能，可以自动化地从网站上获取数据。Scrapy还具有可扩展性和灵活性，使其成为开发网络爬虫的首选库。
import scrapy
class MySpider(scrapy.Spider): name = 'example.com' start_urls = ['http://www.example.com'] def parse(self, response): # 解析网页内容 pass6. Django库（Web开发）
Django是一个功能强大且易于使用的Web开发框架。它提供了快速开发高质量Web应用程序所需的各种工具和功能。Django采用了MVC（模型-视图-控制器）架构模式，具有强大的数据库集成和用户认证系统。
from django.http import HttpResponsedef hello(request): return HttpResponse("Hello, World!")7. TensorFlow库（机器学习）
TensorFlow是一个开源的机器学习框架，由Google开发。它提供了丰富的工具和库，用于构建和训练机器学习模型。TensorFlow支持各种深度学习算法和神经网络模型，广泛应用于图像识别、自然语言处理等领域。
import tensorflow as tfx = tf.constant([1, 2, 3, 4, 5])y = tf.reduce_sum(x)print(y)8. PyTorch库（机器学习）
PyTorch是另一个流行的机器学习框架，由Facebook开发。它提供了灵活的张量计算和动态图机制，使得构建和训练神经网络变得更加简单。PyTorch广泛应用于深度学习研究和开发。
import torchx = torch.tensor([1, 2, 3, 4, 5])y = torch.sum(x)print(y)9. SQLAlchemy库（数据库操作）
SQLAlchemy是一个Python SQL工具包和对象关系映射（ORM）工具。它提供了一种高级的数据库操作方式，可以轻松地进行数据库查询、插入、更新和删除操作。SQLAlchemy支持多种数据库后端，并提供了强大的查询语言和事务管理功能。
from sqlalchemy import create_engine, Column, Integer, Stringfrom sqlalchemy.orm import sessionmakerfrom sqlalchemy.ext.declarative import declarative_baseengine = create_engine('sqlite:///example.db')Session = sessionmaker(bind=engine)session = Session()Base = declarative_base()class User(Base): __tablename__ = 'users' id = Column(Integer, primary_key=True) name = Column(String) age = Column(Integer)user = User(name='John', age=25)session.add(user)session.commit()10. Flask库（Web开发）
Flask是一个轻量级的Web开发框架。它提供了简单易用的工具和功能，用于构建Web应用程序。Flask具有灵活性和可扩展性，适用于开发小型到中型的Web应用。
from flask import Flask app = Flask(__name__)@app.route('/')def hello(): return 'Hello, World!'if __name__ == '__main__':app.run()11. Scikit-learn库（机器学习）
Scikit-learn是一个用于机器学习和数据挖掘的库。它提供了各种机器学习算法和工具，可以进行分类、回归、聚类等任务，并且具有丰富的特征工程和模型评估功能。
from sklearn.datasets import load_irisfrom sklearn.model_selection import train_test_splitfrom sklearn.neighbors import KNeighborsClassifieriris = load_iris()X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2, random_state=42)knn = KNeighborsClassifier(n_neighbors=3)knn.fit(X_train, y_train)accuracy = knn.score(X_test, y_test)print(accuracy)12. BeautifulSoup库（网页解析）
BeautifulSoup是一个用于解析HTML和XML文档的库。它提供了简单而灵活的API，可以从网页中提取数据，进行网页解析和数据提取操作。
from bs4 import BeautifulSoupimport requestsresponse = requests.get('https://www.example.com')soup = BeautifulSoup(response.text, 'html.parser')title = soup.title.stringprint(title)13. Django库（Web开发）：
Django是一个用于构建Web应用程序的高级Python Web框架。它提供了强大的工具和功能，用于快速开发安全、可扩展的Web应用。
from django.http import HttpResponsedef hello(request): return HttpResponse("Hello, World!")