Free Press

A modulok és Python csomagok után a Python könyvtárakra térünk át.

Ebben a Python könyvtár bemutatóban a Python szabványkönyvtárról és a Python programozási nyelv által kínált különböző könyvtárakról lesz szó: Matplotlib, scipy, numpy, stb.

Kezdjük tehát a Python könyvtárak bemutatót.

Mi az a Python könyvtár?

Tudjuk, hogy a modul egy olyan fájl, amely valamilyen Python kódot tartalmaz, a csomag pedig egy könyvtár, amely alcsomagokat és modulokat tartalmaz. De a határvonal egy csomag és egy Python könyvtár között eléggé elmosódott.

A Python könyvtár egy újrafelhasználható kódrészlet, amelyet be akarsz építeni a programjaidba/projektjeidbe.

A Python könyvtárak az olyan nyelvekhez képest, mint a C++ vagy a C, nem tartoznak semmilyen konkrét kontextushoz a Pythonban. Itt a “könyvtár” lazán az alapmodulok gyűjteményét írja le.

Egy könyvtár tehát lényegében modulok gyűjteménye. A csomag egy olyan könyvtár, amelyet egy olyan csomagkezelővel lehet telepíteni, mint a rubygems vagy az npm.

Python Standard Library

A Python Standard Library a Python pontos szintaxisának, tokenjének és szemantikájának gyűjteménye. A Python magdisztribúcióval együtt érkezik. Ezt már említettük, amikor a bevezetéssel kezdtük.

C nyelven íródott, és olyan funkciókat kezel, mint az I/O és más alapvető modulok. Mindezek a funkciók együttesen teszik a Pythont azzá a nyelvvé, ami.

A szabványos könyvtár szívében több mint 200 alapmodul található. Ezt a könyvtárat a Pythonnal együtt szállítják.

De ezen a könyvtáron kívül a Python Package Index (PyPI) több ezer komponensből álló, egyre növekvő gyűjteményéhez is hozzáférhetsz. Az előző blogban már említettük.

Fontos Python könyvtárak

A következőkben húsz olyan Python könyvtárat sorolunk fel, amelyekkel a Pythonnal való utazás során sok helyre eljuthatsz.

Ezek is az adattudományhoz szükséges Python könyvtárak.

1. Matplotlib

A Matplotlib segít az adatelemzésben, és egy numerikus ábrázoló könyvtár. A Python for Data Science-ben beszéltünk róla.

2. Pandas

Mint már említettük, a Pandas elengedhetetlen az adattudományhoz.

Gyors, kifejező és rugalmas adatstruktúrákat biztosít a strukturált (táblázatos, többdimenziós, potenciálisan heterogén) és idősoros adatokkal való egyszerű (és intuitív) munkához.

3. Requests

A Requests egy Python könyvtár, amely lehetővé teszi a HTTP/1.1 kérések küldését, fejlécek, űrlapadatok, többrészes fájlok és paraméterek hozzáadását egyszerű Python szótárakkal.

A válaszadatokhoz is ugyanígy hozzáférhetünk.

4. NumPy

Ez fejlett matematikai függvényekkel és egy kezdetleges tudományos számítási csomaggal rendelkezik.

5. NumPy

. SQLAlchemy

Python könyvtárak oktatókönyv – SQLAIchemy áttekintés

A SQLAlchemy egy jól ismert vállalati szintű mintákat tartalmazó könyvtár.

Egy hatékony és nagy teljesítményű adatbázis-hozzáférésre tervezték.

6. BeautifulSoup

Egy kicsit lassú lehet, a BeautifulSoup egy kiváló XML- és HTML-elemző könyvtár kezdőknek.

7. Pyglet

A Pyglet kiváló választás objektumorientált programozási felületnek a játékok fejlesztéséhez.

Sőt, más vizuálisan gazdag alkalmazások fejlesztéséhez is felhasználásra talál Mac OS X, Windows és Linux számára.

A 90-es években, amikor az emberek unatkoztak, a Minecraft játékhoz folyamodtak a számítógépükön. A Pyglet a Minecraft motorja.

8. SciPy

A következő a SciPy, az egyik könyvtár, amiről már annyit beszéltünk. Számos felhasználóbarát és hatékony numerikus rutinnal rendelkezik.

Ezek közé tartoznak az optimalizáláshoz és a numerikus integráláshoz szükséges rutinok.

9. Scrapy

Ha gyors, magas szintű képernyőkaparás és webkúszás az indítéka, válassza a Scrapy-t.

Az adatbányászattól kezdve a monitorozáson át az automatizált tesztelésig mindenre használhatja.

10. PyGame

A PyGame rendkívül egyszerű interfészt biztosít a Simple Directmedia Library (SDL) platformfüggetlen grafikai, hang- és bemeneti könyvtárakhoz.

11. Python Twisted

A Twisted egy eseményvezérelt hálózati motor, amely Python nyelven íródott, és a nyílt forráskódú MIT licenc alatt áll.

12. Pillow

A Pillow a PIL (Python Imaging Library) barátságos elágazása, de sokkal felhasználóbarátabb.

Ha képekkel dolgozol, a Pillow a legjobb barátod.

13. pywin32

Ez hasznos módszereket és osztályt biztosít a Windows-szal való interakcióhoz, ahogy a neve is mutatja.

14. wxPython

Ez egy wrapper a wxWidgets körül a Python számára.

15. iPython

iPython Python Library olyan architektúrával rendelkezik, amely megkönnyíti a párhuzamos és elosztott számítást.

Megoldja a párhuzamos alkalmazások fejlesztését, végrehajtását, hibakeresését és felügyeletét.

16. Nose

A Nose egy alternatív tesztfelfedezési és futtatási folyamatot biztosít az unittest számára. Ez a py.test viselkedését kívánja a lehető legjobban utánozni.

17. Flask

A Flask egy webes keretrendszer, amely egy kis magból és számos bővítményből épül fel.

18. SymPy

Ez egy nyílt forráskódú könyvtár a szimbolikus matematikához.

A SymPy nagyon egyszerű és érthető, könnyen bővíthető kódjával egy teljes értékű számítógépes algebra rendszer (CAS).

Python nyelven íródott, ezért nincs szüksége külső könyvtárakra.

19. Fabric

A Fabric amellett, hogy könyvtár, egy parancssori eszköz is, amellyel egyszerűsíthetjük az SSH használatát alkalmazások telepítéséhez vagy rendszergazdai feladatokhoz.

Mivel helyi vagy távoli shell parancsokat hajthatunk végre, fájlokat tölthetünk fel/letölthetünk le, sőt a futó felhasználót is felszólíthatjuk a bemenetre, vagy megszakíthatjuk a végrehajtást.

20. PyGTK

A PyGTK segítségével könnyen készíthetünk grafikus felhasználói felülettel (GUI) rendelkező programokat Python segítségével.

Ez volt tehát minden a Python könyvtárak bemutatója. Remélem, tetszett a magyarázatunk.

Python interjúkérdések a könyvtárakról

1. Mi a könyvtárak a Pythonban?
2. Mire használjuk a könyvtárakat a Pythonban?
3. Hogyan működnek a Python könyvtárak?
4. Hogyan kell telepíteni az összes Python könyvtárat?
5. Nevezz meg néhány gyakran használt Python könyvtárat.

Következtetés

Most már tudod, milyen könyvtárakat érdemes választanod, ha a Pythonban szeretnéd kiterjeszteni a karrieredet. Ezek közül sok segít az adattudományban is.

Vagy ha szeretnél kitörni a saját utadból, készíts saját könyvtárat, és tedd közzé a PyPI-ben; segítsd a közösség növekedését.