Free Press

Moduulien ja Python-pakettien jälkeen siirrymme keskustelemaan Python-kirjastoista.

Tässä Python-kirjasto-opetuskirjasto-oppaassa keskustelemme Python-standardikirjastosta ja erilaisista kirjastoista, joita Python-ohjelmointikieli tarjoaa: Matplotlib, scipy, numpy jne.

Aloitetaan siis Python-kirjastojen opetusohjelma.

Mikä on Python-kirjastot?

Tiedämme, että moduuli on tiedosto, jossa on jotain Python-koodia, ja paketti on hakemisto alipaketeille ja moduuleille. Mutta raja paketin ja Python-kirjaston välillä on melko hämärtynyt.

Python-kirjasto on uudelleenkäytettävä koodinpätkä, jonka voit halutessasi sisällyttää ohjelmiisi/projekteihisi.

Vertailtuna sellaisiin kieliin kuin C++ tai C, Python-kirjastot eivät liity mihinkään tiettyyn asiayhteyteen Pythonissa. Tässä ’kirjasto’ kuvaa löyhästi kokoelmaa ydinmoduuleja.

Kirjasto on siis pohjimmiltaan kokoelma moduuleja. Paketti on kirjasto, joka voidaan asentaa paketinhallinnan, kuten rubygemsin tai npm:n, avulla.

Pythonin standardikirjasto

Pythonin standardikirjasto on kokoelma Pythonin tarkkaa syntaksia, tokiota ja semantiikkaa. Se tulee niputettuna Python-ydinjakelun mukana. Mainitsimme tämän aloittaessamme esittelyn.

Se on kirjoitettu C-kielellä, ja se huolehtii toiminnallisuuksista, kuten I/O:sta ja muista ydinmoduuleista. Kaikki tämä toiminnallisuus yhdessä tekee Pythonista sen kielen, joka se on.

Standardikirjaston ytimessä on yli 200 ydinmoduulia. Tämä kirjasto toimitetaan Pythonin mukana.

Mutta tämän kirjaston lisäksi voit käyttää Python Package Indexistä (PyPI) useiden tuhansien komponenttien kasvavaa kokoelmaa. Mainitsimme siitä edellisessä blogissa.

Tärkeitä Python-kirjastoja

Seuraavaksi katsomme kahdenkymmenen Python-kirjaston listan, jotka vievät sinut paikoillesi matkallasi Pythonilla.

Nämä ovat myös Python-kirjastoja Data Scienceen.

1. Matplotlib

Matplotlib auttaa datan analysoinnissa ja on numeerinen piirtokirjasto. Puhuimme siitä kohdassa Python for Data Science.

2. Pandas

Kuten sanoimme jo aiemmin, Pandas on välttämätön data-tieteessä.

Se tarjoaa nopeita, ilmeikkäitä ja joustavia tietorakenteita, joiden avulla voidaan helposti (ja intuitiivisesti) työskennellä strukturoitujen (taulukkomuotoisten, moniulotteisten, mahdollisesti heterogeenisten) ja aikasarjadatan kanssa.

3. Requests

Requests on Python-kirjasto, jonka avulla voit lähettää HTTP/1.1-pyyntöjä, lisätä otsikoita, lomaketietoja, moniosaisia tiedostoja ja parametreja yksinkertaisilla Python-sanakirjoilla.

Sen avulla voit myös käyttää vastausdataa samalla tavalla.

4. NumPy

Se sisältää kehittyneitä matemaattisia funktioita ja alkeellisen tieteellisen laskentapaketin.

5. NUMPy

Se sisältää kehittyneitä matemaattisia funktioita ja tieteellisen laskentapaketin. SQLAlchemy

SQLAlchemy on kirjasto, jossa on tunnettuja yritystason malleja.

Se on suunniteltu tehokkaaseen ja suorituskykyiseen tietokantakäyttöön.

6. BeautifulSoup

Se voi olla hieman hidas, BeautifulSoup on erinomainen XML- ja HTML- jäsennyskirjasto aloittelijoille.

7. Pyglet

Pyglet on erinomainen valinta oliopohjaiseksi ohjelmointirajapinnaksi pelien kehittämisessä.

Sille löytyy käyttöä myös muiden visuaalisesti rikkaiden sovellusten kehittämisessä Mac OS X:lle, Windowsille ja Linuxille.

90-luvulla, kun ihmisillä oli tylsää, he turvautuivat Minecraftin pelaamiseen tietokoneillaan. Pyglet on Minecraftin moottori.

8. SciPy

Seuraavana vuorossa on SciPy, yksi niistä kirjastoista, joista olemme puhuneet niin paljon. Siinä on useita käyttäjäystävällisiä ja tehokkaita numeerisia rutiineja.

Näihin kuuluu rutiineja optimointiin ja numeeriseen integrointiin.

9. Scrapy

Jos motiivisi on nopea, korkeatasoinen näytön kaapiminen ja webcrawling, valitse Scrapy.

Voit käyttää sitä aina tiedonlouhinnasta seurantaan ja automaattiseen testaukseen.

10. PyGame

PyGame tarjoaa erittäin helpon käyttöliittymän Simple Directmedia Library (SDL) -alustariippumattomiin grafiikka-, ääni- ja syöttökirjastoihin.

11. Python Twisted

Twisted on tapahtumapohjainen verkkomoottori, joka on kirjoitettu Pythonilla ja lisensoitu avoimen lähdekoodin MIT-lisenssillä.

12. Pillow

Pillow on ystävällinen haarautuma PIL:stä (Python Imaging Library), mutta se on käyttäjäystävällisempi.

Jos työskentelet kuvien kanssa, Pillow on paras ystäväsi.

13. pywin32

Tämä tarjoaa nimensä mukaisesti hyödyllisiä metodeja ja luokkia vuorovaikutukseen Windowsin kanssa.

14. wxPython

Se on wxWidgetsin ympärillä oleva kääre Pythonille.

15. iPython

iPython Python-kirjastossa on rinnakkaista ja hajautettua tietojenkäsittelyä helpottava rakenne.

Sen avulla voit kehittää, suorittaa, debugata ja valvoa rinnakkaisia sovelluksia.

16. Nose

Nose tarjoaa vaihtoehtoisen testien löytämis- ja suoritusprosessin unittestille. Tämän tarkoituksena on matkia py.testin käyttäytymistä niin pitkälle kuin mahdollista.

17. Flask

Webkehys Flask on rakennettu pienestä ytimestä ja monista laajennuksista.

18. SymPy

Se on avoimen lähdekoodin kirjasto symboliseen matematiikkaan.

Erittäin yksinkertaisella ja ymmärrettävällä koodilla, joka on helposti laajennettavissa, SymPy on täysimittainen tietokonealgebrajärjestelmä (CAS).

Se on kirjoitettu Python-kielellä, eikä näin ollen tarvitse ulkoisia kirjastoja.

19. Fabric

Kirjaston ohella Fabric on komentorivityökalu, jolla voidaan virtaviivaistaa SSH:n käyttöä sovellusten käyttöönotossa tai järjestelmänhallintatehtävissä.

Sen avulla voidaan suorittaa paikallisia tai etäkäyttökomentoja komentokehotteella, ladata/ladata tiedostoja ja jopa pyytää käynnissä olevalta käyttäjältä syötettä tai keskeyttää suoritus.

20. PyGTK

PyGTK:n avulla voit helposti luoda ohjelmia, joilla on graafinen käyttöliittymä (GUI) Pythonilla.

Tässä oli siis kyse Python-kirjastojen opetusohjelmasta. Toivottavasti pidit selityksestämme.

Pythonin haastattelukysymykset kirjastoista

1. Mitä ovat kirjastot Pythonissa?
2. Mihin kirjastoja käytetään Pythonissa?
3. Miten Python-kirjastot toimivat?
4. Miten asennat kaikki Python-kirjastot?
5. Nimeä joitakin yleisesti käytettyjä Python-kirjastoja.

Loppupäätelmä

Nyt tiedät, mitä kirjastoja kannattaa valita, jos päätät laajentaa uraa Pythonissa. Monet näistä auttavat meitä myös datatieteessä.

Tai jos haluat lähteä liikkeelle, luo oma kirjastosi ja julkaise se PyPI:ssä; auta yhteisöä kasvamaan.