Free Press

Efter Modules and Python Packages, skifter vi vores diskussion til Python Libraries.

I denne Python Library Tutorial vil vi diskutere Python Standard Library og forskellige biblioteker, der tilbydes af Python Programming Language: Matplotlib, scipy, numpy osv.

Så, lad os starte Python Libraries Tutorial.

Hvad er Python Libraries?

Vi ved, at et modul er en fil med noget Python-kode, og at en pakke er en mappe med underpakker og moduler. Men grænsen mellem en pakke og et Python-bibliotek er ret sløret.

Et Python-bibliotek er en genanvendelig klump kode, som du måske ønsker at inkludere i dine programmer/projekter.

I forhold til sprog som C++ eller C vedrører et Python-bibliotek ikke nogen specifik kontekst i Python. Her beskriver et “bibliotek” løst en samling af kernemoduler.

Et bibliotek er altså i bund og grund en samling af moduler. En pakke er et bibliotek, der kan installeres ved hjælp af en pakkehåndtering som rubygems eller npm.

Python Standard Library

Pythons standardbibliotek er en samling af Pythons nøjagtige syntaks, token og semantik. Det leveres bundtet med den centrale Python-distribution. Vi nævnte dette, da vi begyndte med en introduktion.

Det er skrevet i C og håndterer funktionalitet som I/O og andre kernemoduler. Alle disse funktionaliteter gør tilsammen Python til det sprog, det er.

Mere end 200 kernemoduler sidder i hjertet af standardbiblioteket. Dette bibliotek leveres med Python.

Men ud over dette bibliotek kan du også få adgang til en voksende samling af flere tusinde komponenter fra Python Package Index (PyPI). Vi nævnte det i den foregående blog.

Vigtige Python-biblioteker

Næste gang vil vi se tyve Python-biblioteker liste, der vil tage dig steder hen på din rejse med Python.

Dette er også Python-bibliotekerne til Data Science.

1. Matplotlib

Matplotlib hjælper med dataanalyser og er et bibliotek til numerisk plotting. Vi talte om det i Python for Data Science.

2. Pandas

Som vi har sagt før, er Pandas et must for data-science.

Det giver hurtige, udtryksfulde og fleksible datastrukturer til nemt (og intuitivt) at arbejde med strukturerede (tabulære, flerdimensionale, potentielt heterogene) og tidsseriedata.

3. Requests

Requests er et Python-bibliotek, der giver dig mulighed for at sende HTTP/1.1-anmodninger, tilføje overskrifter, formulardata, multipartfiler og parametre med enkle Python-diktionærer.

Det giver dig også adgang til svardataene på samme måde.

4. NumPy

Det har avancerede matematiske funktioner og en rudimentær pakke til videnskabelig beregning.

5. SQLAlchemy

SQLAlchemy er et bibliotek med velkendte mønstre på virksomhedsniveau.

Det er designet til effektiv og højtydende databaseadgang.

6. BeautifulSoup

Det kan være en smule langsomt, BeautifulSoup har et fremragende XML- og HTML- parsing-bibliotek for begyndere.

7. Pyglet

Pyglet er et glimrende valg til en objektorienteret programmeringsgrænseflade i forbindelse med udvikling af spil.

Faktisk set finder det også anvendelse i udviklingen af andre visuelt rige applikationer til Mac OS X, Windows og Linux.

I 90’erne, når folk kedede sig, tyede de til at spille Minecraft på deres computere. Pyglet er motoren bag Minecraft.

8. SciPy

Næste punkt er SciPy, et af de biblioteker, som vi har talt så meget om. Det har en række brugervenlige og effektive numeriske rutiner.

Disse omfatter rutiner til optimering og numerisk integration.

9. Scrapy

Hvis dit motiv er hurtig skærmskrabning og webcrawling på højt niveau, skal du vælge Scrapy.

Du kan bruge det til formål lige fra datamining til overvågning og automatiseret testning.

10. PyGame

PyGame giver en ekstremt nem grænseflade til Simple Directmedia Library (SDL) platformsuafhængige grafik-, lyd- og inputbiblioteker.

11. Python Twisted

Twisted er en begivenhedsdrevet netværksmotor, der er skrevet i Python og licenseret under open source MIT-licensen.

12. Pillow

Pillow er en venlig fork af PIL (Python Imaging Library), men er mere brugervenlig.

Hvis du arbejder med billeder, er Pillow din bedste ven.

13. pywin32

Dette giver nyttige metoder og klasser til interaktion med Windows, som navnet antyder.

14. wxPython

Det er en wrapper omkring wxWidgets til Python.

15. iPython

iPython Python Library har en arkitektur, der letter parallel og distribueret databehandling.

Med det kan du udvikle, udføre, fejlfinde og overvåge parallelle applikationer.

16. Nose

Nose leverer en alternativ testopdagelses- og kørselsproces for unittest. Dette har til hensigt at efterligne py.test’s adfærd så meget som muligt.

17. Flask

Flask er en webramme og er opbygget med en lille kerne og mange udvidelser.

18. SymPy

Det er et open source-bibliotek til symbolsk matematik.

Med en meget enkel og forståelig kode, der let kan udvides, er SymPy et fuldgyldigt computeralgebra-system (CAS).

Det er skrevet i Python og har derfor ikke brug for eksterne biblioteker.

19. Fabric

Sammen med at være et bibliotek er Fabric et kommandolinjeværktøj til strømlining af brugen af SSH til implementering af applikationer eller systemadministrationsopgaver.

Med det kan du udføre lokale eller eksterne shell-kommandoer, uploade/downloade filer og endda bede den kørende bruger om input eller afbryde udførelsen.

20. PyGTK

PyGTK lader dig nemt oprette programmer med en GUI (Graphical User Interface) med Python.

Så, dette var alt om Python Libraries Tutorial. Håber du kan lide vores forklaring.

Python-interviewspørgsmål om biblioteker

1. Hvad er biblioteker i Python?
2. Hvad er brugen af biblioteker i Python?
3. Hvordan fungerer Python-biblioteker?
4. Hvordan installerer man alle Python-biblioteker?
5. Nævn nogle almindeligt anvendte Python-biblioteker.

Slutning

Nu ved du, hvilke biblioteker du skal gå efter, hvis du vælger at udvide en karriere inden for Python. Mange af disse hjælper os også med data-science.

Og hvis du ønsker at gå ud af din vej, så opret dit eget bibliotek, og få det offentliggjort med PyPI; hjælp fællesskabet med at vokse.