Free Press

Po modułach i pakietach Pythona, przenosimy naszą dyskusję do Python Libraries.

Ten Python Library Tutorial, omówimy bibliotekę standardową Pythona i różne biblioteki oferowane przez język programowania Python: Matplotlib, scipy, numpy, etc.

Zacznijmy więc Samouczek Bibliotek Pythona.

Co to są biblioteki Pythona?

Wiemy, że moduł jest plikiem z kodem Pythona, a pakiet jest katalogiem dla pakietów i modułów. Ale granica między pakietem a biblioteką Pythona jest dość niewyraźna.

Biblioteka Pythona jest kawałkiem kodu wielokrotnego użytku, który możesz chcieć włączyć do swoich programów/projektów.

W porównaniu z językami takimi jak C++ lub C, biblioteki Pythona nie odnoszą się do żadnego konkretnego kontekstu w Pythonie. Tutaj „biblioteka” luźno opisuje kolekcję podstawowych modułów.

Podsumowując, biblioteka jest kolekcją modułów. Pakiet jest biblioteką, która może być zainstalowana za pomocą menedżera pakietów, takiego jak rubygems lub npm.

Biblioteka standardowa Pythona

Biblioteka standardowa Pythona jest zbiorem dokładnej składni, tokenów i semantyki Pythona. Jest ona dołączona do podstawowej dystrybucji Pythona. Wspomnieliśmy o tym, kiedy zaczynaliśmy od wprowadzenia.

Jest napisana w C i obsługuje funkcjonalność taką jak I/O i inne podstawowe moduły. Wszystkie te funkcje razem czynią Pythona językiem, którym jest.

Ponad 200 podstawowych modułów znajduje się w sercu biblioteki standardowej. Biblioteka ta jest dostarczana wraz z Pythonem.

Ale oprócz tej biblioteki można również uzyskać dostęp do rosnącej kolekcji kilku tysięcy komponentów z indeksu pakietów Pythona (PyPI). Wspomnieliśmy o tym w poprzednim blogu.

Important Python Libraries

Następnie zobaczymy listę dwudziestu bibliotek Pythona, które zajmą Ci miejsca w Twojej podróży z Pythonem.

Są to również biblioteki Pythona dla Data Science.

1. Matplotlib

Matplotlib pomaga w analizie danych i jest biblioteką do tworzenia wykresów numerycznych. Mówiliśmy o niej w Python for Data Science.

2. Pandas

Jak już mówiliśmy wcześniej, Pandas jest niezbędny dla data-science.

Dostarcza szybkie, ekspresyjne i elastyczne struktury danych do łatwej (i intuicyjnej) pracy z danymi strukturalnymi (tabelarycznymi, wielowymiarowymi, potencjalnie heterogenicznymi) i szeregami czasowymi.

3. Requests

Requests to biblioteka Pythona, która pozwala wysyłać żądania HTTP/1.1, dodawać nagłówki, dane formularzy, pliki wieloczęściowe i parametry za pomocą prostych słowników Pythona.

Pozwala również uzyskać dostęp do danych odpowiedzi w ten sam sposób.

4. NumPy

Posiada zaawansowane funkcje matematyczne i podstawowy pakiet do obliczeń naukowych.

5. SQLAlchemy

SQLAlchemy jest biblioteką o znanych wzorcach na poziomie przedsiębiorstwa.

Została zaprojektowana dla wydajnego i wysokowydajnego dostępu do bazy danych.

6. BeautifulSoup

Może być nieco powolna, BeautifulSoup jest doskonałą biblioteką parsowania XML- i HTML- dla początkujących.

7. Pyglet

Pyglet jest doskonałym wyborem dla zorientowanego obiektowo interfejsu programowania przy tworzeniu gier.

W rzeczywistości, znajduje również zastosowanie w tworzeniu innych bogatych wizualnie aplikacji dla Mac OS X, Windows i Linux.

W latach 90-tych, kiedy ludzie się nudzili, uciekali się do grania w Minecrafta na swoich komputerach. Pyglet jest silnikiem stojącym za Minecraftem.

8. SciPy

Następna w kolejności jest SciPy, jedna z bibliotek, o których tak wiele mówiliśmy. Posiada ona szereg przyjaznych dla użytkownika i wydajnych procedur numerycznych.

Obejmują one procedury optymalizacji i całkowania numerycznego.

9. Scrapy

Jeśli twoim motywem jest szybki, wysokopoziomowy screen scraping i web crawling, wybierz Scrapy.

Możesz go używać do celów od eksploracji danych do monitorowania i zautomatyzowanych testów.

10. PyGame

PyGame zapewnia niezwykle łatwy interfejs do niezależnych od platformy Simple Directmedia Library (SDL) bibliotek graficznych, dźwiękowych i wejściowych.

11. Python Twisted

Silnik sieciowy sterowany zdarzeniami, Twisted został napisany w Pythonie i jest objęty licencją open-source MIT.

12. Pillow

Pillow jest przyjaznym forkiem PIL (Python Imaging Library), ale jest bardziej przyjazny dla użytkownika.

Jeśli pracujesz z obrazami, Pillow jest twoim najlepszym przyjacielem.

13. pywin32

Dostarcza przydatne metody i klasy do interakcji z systemem Windows, jak sama nazwa wskazuje.

14. wxPython

Jest to wrapper wokół wxWidgets dla Pythona.

15. iPython

iPython Biblioteka Pythona ma architekturę ułatwiającą obliczenia równoległe i rozproszone.

Dzięki niej można tworzyć, wykonywać, debugować i monitorować aplikacje równoległe.

16. Nose

Nose dostarcza alternatywny proces odkrywania i uruchamiania testów dla unittest. Ma to na celu naśladowanie zachowania py.test tak bardzo, jak to tylko możliwe.

17. Flask

Szkielet webowy, Flask jest zbudowany z małego rdzenia i wielu rozszerzeń.

18. SymPy

Jest to biblioteka open-source dla matematyki symbolicznej.

Dzięki bardzo prostemu i zrozumiałemu kodowi, który jest łatwo rozszerzalny, SymPy jest pełnoprawnym systemem algebry komputerowej (CAS).

Jest napisany w Pythonie, a więc nie potrzebuje zewnętrznych bibliotek.

19. Fabric

Poza tym, że jest biblioteką, Fabric jest narzędziem wiersza poleceń usprawniającym korzystanie z SSH przy wdrażaniu aplikacji lub zadaniach administracyjnych.

Z jego pomocą można wykonywać lokalne lub zdalne polecenia powłoki, przesyłać/pobierać pliki, a nawet prosić uruchomionego użytkownika o dane wejściowe lub przerwać wykonywanie.

20. PyGTK

PyGTK pozwala na łatwe tworzenie programów z GUI (Graphical User Interface) w Pythonie.

Więc, to było wszystko o Bibliotekach Pythona Samouczek. Mam nadzieję, że podobają Ci się nasze wyjaśnienia.

Python Interview Questions on Libraries

1. Czym są biblioteki w Pythonie?
2. Jakie jest zastosowanie bibliotek w Pythonie?
3. Jak działają biblioteki Pythona?
4. Jak zainstalować wszystkie biblioteki Pythona?
5. Nazwij kilka powszechnie używanych bibliotek Pythona.

Zakończenie

Teraz wiesz, po jakie biblioteki sięgnąć, jeśli zdecydujesz się na rozszerzenie kariery w Pythonie. Wiele z nich pomoże nam również w nauce o danych.

Jeśli chcesz wyjść poza ramy, stwórz własną bibliotekę i opublikuj ją w PyPI; pomóż rozwijać się społeczności.