python有多少库啊(2023年最新整理)

常用的python库有哪些

10个顶级且实用的python库

1、Dash

Dash是比较新的软件包，它是用纯python构建数据可视化app的理想选择，因此特别适合处理数据的任何人。Dash是Flask、Plotly.js和React.js的混合体。

2、Pygame

Pygame是SDL多媒体库的python装饰器，SDL是一个跨平台开发库，旨在提供对以下内容的低级接口：音频、键盘、鼠标、游戏杆、基于OpenGL和Direct3D的图形硬件。

Pygame具有高度的可移植性，几乎可以在所有平台和操作系统上运行。尽管它具有完善的游戏引擎，但您也可以使用此库直接从python脚本播放MP3文件。

3、Pillow

Pillow专门用于处理图像，您可以使用该库创建缩略图，在文件格式之间转换、旋转、应用滤镜、显示图像等等。如果您需要对许多图像执行批量操作，这是理想的选择。

4、Colorama

Colorama允许你在终端使用颜色，非常适合python脚本，文档简短而有趣，可以在ColoramaPyPi页面上找到。

5、JmesPath

在python中使用JSON非常容易，因为JSON在python字典上的映射非常好。此外，python带有自己出色的json库，用于解析和创建JSON。对我来说，这是它最好的功能之一，如果我需要使用JSON，可以考虑使用python。

JmesPath使python处理JSON更加容易，它允许您明确地指定如何从JSON文档中提取元素。

6、Requests

Requests建立在世界上下载量最大的python库urllib3上，它令Web请求变得非常简单，功能强大且用途广泛。

Requests可以完成您能想到的所有高级工作，比如：认证，使用cookie，执行POST、PUT、DELETE等，使用自定义证书，使用会话Session、使用代理等。

7、Simplejson

python中的本地json模块有什么问题?没有!实际上，python的json是Simplejson。意思是：python采用了Simplejson的一个版本，并将其合并到每个发行版中，但是使用Simplejson具有一些优点：它适用于更多python版本、它比python随附的版本更新频率更高、它具有用C编写的部分，因此非常快速。

8、Emoji

Emoji库非常意思，但并非每个人都喜欢表情包，分析视角媒体数据时，Emoji包非常有用。

9、Python-dateutil

Python-dateutil模块提供了对标准datetime模块的强大扩展。我的经验是：常规的python日期时间功能在哪里结束，而Python-dateutil就出现了。

10、BeautifulSoup

如果您从网站上提取了一些HTML，则需要对其进行解析以获取实际所需的内容。BeautifulSoup是一个python库，用于从HTML和XML文件中提取数据。它提供了导航，搜索和修改解析树的简单方法。它非常强大，即使损坏了，也能够处理各种HTML，这是一个非常强大的功能。

它的一些主要功能：

①BeautifulSoup会自动将传入文档转换为Unicode，将传出文档转换为UTF-8，您无需考虑编码。

②BeautifulSoup位于流行的python解析器的顶部，使您可以尝试不同的解析策略或提高灵活性。

1、Pandas：是一个Python包，旨在通过“标记”和“关系”数据进行工作，简单直观。它设计用于快速简单的数据操作、聚合和可视化，是数据整理的完美工具。

2、Numpy：是专门为Python中科学计算而设计的软件集合，它为Python中的n维数组和矩阵的操作提供了大量有用的功能。该库提供了NumPy数组类型的数*算向量化，可以改善性能，从而加快执行速度。

3、SciPy：是一个工程和科学软件库，包含线性代数，优化，集成和统计的模块。SciPy库的主要功能是建立在NumPy上，通过其特定子模块提供有效的数值例程，并作为数字积分、优化和其他例程。

4、Matplotlib：为轻松生成简单而强大的可视化而量身定制，它使Python成为像MatLab或Mathematica这样的科学工具的竞争对手。

5、Seaborn：主要关注统计模型的可视化(包括热图)，Seaborn高度依赖于Matplotlib。

6、Bokeh：独立于Matplotlib，主要焦点是交互性，它通过现代浏览器以数据驱动文档的风格呈现。

7、Plotly：是一个基于Web用于构建可视化的工具箱，提供API给一些编程语言(Python在内)。

8、Scikits：是Scikits

Stack额外的软件包，专为像图像处理和机器学习辅助等特定功能而设计。它建立在SciPy之上，中集成了有质量的代码和良好的文档、简单易用并且十分高效，是使用Python进行机器学习的实际行业标准。

9、Theano：是一个Python软件包，它定义了与NumPy类似的*数组，以及数*算和表达式。此库是被编译的，可实现在所有架构上的高效运行。

10、TensorFlow：是数据流图计算的开源库，旨在满足谷歌对训练神经网络的高需求，并且是基于神经网络的机器学习系统DistBelief的继任者，可以在大型数据集上快速训练神经网络。

11、Keras：是一个用Python编写的开源的库，用于在高层的接口上构建神经网络。它简单易懂，具有高级可扩展性。

12、NLTK：主要用于符号学和统计学自然语言处理(NLP)的常见任务，旨在促进NLP及相关领域(语言学，认知科学人工智能等)的教学和研究。

13、Gensim：是一个用于Python的开源库，为有向量空间模型和主题模型的工作提供了使用工具。这个库是为了高效处理大量文本而设计，不仅可以进行内存处理，还可以通过广泛使用NumPy数据结构和SciPy操作来获得更高的效率。

1、Matplotlib：用于创建二维图和图形的底层库，有了它的帮助，你可以构建各种不同的图标，从直方图到散点图再到费笛卡尔坐标图，它都可以与很多流行的绘图库结合使用。

2、Seaborn：包含更适合处理图标的默认设置，此外还有丰富的可视化库，包含一些复杂类型，比如说时间序列、联合分布图等。

3、Plotly：一个很流行的库，可以让你轻松构建复杂的图形，该软件包含用于交互式web应用程，可实现轮廓图、三元图以及三维图等效果。

4、Pydot：纯Python编写的Graphviz接口，经常用于生产复杂的定向图和无向图，能够显示图形的结构，构建神经网络和基于决策树的算法是非常有效。

5、pyecharts：功能非常强大，支持多达400+地图，支持JupyterNotebook、JupyterLab，可以集成Flask，Sanic，Django等主流Web框架。

6、cufflinks：结合了plotly的强大功能和panda的灵活性，可以方便地进行绘图，避免了数据可视化过程中，对数据存储结构和数据类型进行复杂的麻烦。

Python语言官方的参考手册钟，介绍了与Python一同发行的标准库。

文本处理服务

string?---常见的字符串操作

re?---正则表达式操作

difflib?---计算差异的辅助工具

textwrap?---文本自动换行与填充

unicodedata?---Unicode数据库

stringprep?---因特网字符串预备

readline?---GNUreadline接口

rlcompleter?---GNUreadline的补全函数

二进制数据服务

struct?---将字节串解读为打包的二进制数据

codecs?---编解码器注册和相关基类

数据类型

datetime?---基本日期和时间类型

zoneinfo?---IANA时区支持

calendar?---日历相关函数

collections?---容器数据类型

collections.abc?---容器的抽象基类

heapq?---堆队列算法

bisect?---数组二分查找算法

array?---高效的数值数组

weakref?---弱引用

types?---动态类型创建和内置类型名称

copy?---浅层(shallow)和深层(deep)复制操作

pprint?---数据美化输出

reprlib?---另一种?repr()?实现

enum?---对枚举的支持

graphlib?---操作类似图的结构的功能

数字和数学模块

numbers?---数字的抽象基类

math?---数学函数

cmath?---关于复数的数学函数

decimal?---十进制定点和浮点运算

fractions?---分数

random?---生成伪随机数

statistics?---数学统计函数

函数式编程模块

itertools?---为高效循环而创建迭代器的函数

functools?---高阶函数和可调用对象上的操作

operator?---标准运算符替代函数

文件和目录访问

pathlib?---面向对象的文件系统路径

os.path?---常用路径操作

fileinput?---迭代来自多个输入流的行

stat?---解析?stat()?结果

filecmp?---文件及目录的比较

tempfile?---生成临时文件和目录

glob?---Unix风格路径名模式扩展

fnmatch?---Unix文件名模式匹配

linecache?---随机读写文本行

shutil?---高阶文件操作

数据持久化

pickle?---Python对象序列化

copyreg?---注册配合?pickle?模块使用的函数

shelve?---Python对象持久化

marshal?---内部Python对象序列化

dbm?---Unix"数据库"接口

sqlite3?---SQLite数据库DB-API2.0接口模块

数据压缩和存档

zlib?---与?gzip?兼容的压缩

gzip?---对?gzip?格式的支持

bz2?---对?bzip2?压缩算法的支持

lzma?---用LZMA算法压缩

zipfile?---使用ZIP存档

tarfile?---读写tar归档文件

文件格式

csv?---CSV文件读写

configparser?---配置文件解析器

tomllib?---ParseTOMLfiles

netrc?---netrc文件处理

plistlib?---生成与解析Apple?.plist?文件

加密服务

hashlib?---安全哈希与消息摘要

hmac?---基于密钥的消息验证

secrets?---生成管理密码的安全随机数

通用操作系统服务

os?---多种操作系统接口

io?---处理流的核心工具

time?---时间的访问和转换

argparse?---命令行选项、参数和子命令解析器

getopt?---C风格的命令行选项解析器

logging?---Python的日志记录工具

logging.config?---日志记录配置

logging.handlers?---日志处理程序

getpass?---便携式密码输入工具

curses?---终端字符单元显示的处理

curses.textpad?---用于curses程序的文本输入控件

curses.ascii?---用于ASCII字符的工具

curses.panel?---curses的面板栈扩展

platform?---获取底层平台的标识数据

errno?---标准errno系统符号

ctypes?---Python的外部函数库

并发执行

threading?---基于线程的并行

multiprocessing?---基于进程的并行

multiprocessing.shared_memory?---Sharedmemoryfordirectaccessacrossprocesses

concurrent?包

concurrent.futures?---启动并行任务

subprocess?---子进程管理

sched?---事件调度器

queue?---一个同步的队列类

contextvars?---上下文变量

_thread?---底层多线程API

网络和进程间通信

asyncio?---异步I/O

socket?---底层网络接口

ssl?---套接字对象的TLS/SSL包装器

select?---等待I/O完成

selectors?---高级I/O复用库

signal?---设置异步事件处理程序

mmap?---内存映射文件支持

互联网数据处理

email?---电子邮件与MIME处理包

json?---JSON编码和解码器

mailbox?---操作多种格式的邮箱

mimetypes?---映射文件名到MIME类型

base64?---Base16,Base32,Base64,Base85数据编码

binascii?---二进制和ASCII码互转

quopri?---编码与解码经过MIME转码的可打印数据

结构化标记处理工具

html?---超文本标记语言支持

html.parser?---简单的HTML和XHTML解析器

html.entities?---HTML一般实体的定义

XML处理模块

xml.etree.ElementTree?---ElementTreeXMLAPI

xml.dom?---文档对象模型API

xml.dom.minidom?---最小化的DOM实现

xml.dom.pulldom?---支持构建部分DOM树

xml.sax?---支持SAX2解析器

xml.sax.handler?---SAX处理句柄的基类

xml.sax.saxutils?---SAX工具集

xml.sax.xmlreader?---用于XML解析器的接口

xml.parsers.expat?---使用Expat的快速XML解析

互联网协议和支持

webbrowser?---方便的Web浏览器控制工具

wsgiref?---WSGI工具和参考实现

urllib?---URL处理模块

urllib.request?---用于打开URL的可扩展库

urllib.response?---urllib使用的Response类

urllib.parse?用于解析URL

urllib.error?---urllib.request引发的异常类

urllib.robotparser?---robots.txt语法分析程序

http?---HTTP模块

http.client?---HTTP协议客户端

ftplib?---FTP协议客户端

poplib?---POP3协议客户端

imaplib?---IMAP4协议客户端

smtplib?---SMTP协议客户端

uuid?---?RFC4122?定义的UUID对象

socketserver?---用于网络服务器的框架

http.server?---HTTP服务器

http.cookies?---HTTP状态管理

http.cookiejar?——HTTP客户端的Cookie处理

xmlrpc?---XMLRPC服务端与客户端模块

xmlrpc.client?---XML-RPC客户端访问

xmlrpc.server?---基本XML-RPC服务器

ipaddress?---IPv4/IPv6操作库

多媒体服务

wave?---读写WAV格式文件

colorsys?---颜色系统间的转换

国际化

gettext?---多语种国际化服务

locale?---国际化服务

程序框架

turtle?---海龟绘图

cmd?---支持面向行的命令解释器

shlex?——简单的词法分析

Tk图形用户界面(GUI)

tkinter?——Tcl/Tk的Python接口

tkinter.colorchooser?---颜色选择对话框

tkinter.font?---Tkinter字体封装

Tkinter对话框

tkinter.messagebox?---Tkinter消息提示

tkinter.scrolledtext?---滚动文字控件

tkinter.dnd?---拖放操作支持

tkinter.ttk?---Tk风格的控件

tkinter.tix?---TK扩展包

推荐5个常用的Python标准库：

1、os：提供了不少与操作系统相关联的函数库

os包是Python与操作系统的接口。我们可以用os包来实现操作系统的许多功能，比如管理系统进程，改变当前路径，改变文件权限等。但要注意，os包是建立在操作系统的平台上的，许多功能在Windows系统上是无法实现的。另外，在使用os包中，要注意其中的有些功能已经被其他的包取代。

我们通过文件系统来管理磁盘上储存的文件。查找、删除、复制文件以及列出文件列表等都是常见的文件操作。这些功能通常可以在操作系统中看到，但现在可以通过Python标准库中的glob包、shutil包、os.path包以及os包的一些函数等，在Python内部实现。

2、sys：通常用于命令行参数的库

sys包被用于管理Python自身的运行环境。Python是一个解释器，也是一个运行在操作系统上的程序。我们可以用sys包来控制这一程序运行的许多参数，比如说Python运行所能占据的内存和CPU，Python所要扫描的路径等。另一个重要功能是和Python自己的命令行互动，从命令行读取命令和参数。

3、random：用于生成随机数的库

Python标准库中的random函数，可以生成随机浮点数、整数、字符串，甚至帮助你随机选择列表序列中的一个元素，打乱一组数据等。

4、math：提供了数学常数和数学函数

标准库中，Python定义了一些新的数字类型，以弥补之前的数字类型可能的不足。标准库还包含了random包，用于处理随机数相关的功能。math包补充了一些重要的数学常数和数学函数，比如pi、三角函数等等。

5、datetime：日期和时间的操作库

日期和时间的管理并不复杂，但容易犯错。Python的标准库中对日期和时间的管理颇为完善，你不仅可以进行日期时间的查询和变换，还可以对日期时间进行运算。通过这些标准库，还可以根据需要控制日期时间输出的文本格式

结语：以上就是首席CTO笔记为大家整理的关于python有多少库啊的全部内容了，感谢您花时间阅读本站内容，希望对您有所帮助，更多关于python有多少库啊的相关内容别忘了在本站进行查找喔。