Free Press

Efter moduler och Python-paket flyttar vi diskussionen till Python-biblioteken.

I denna Python-bibliotekshandledning diskuterar vi Pythons standardbibliotek och de olika bibliotek som erbjuds av Python-programspråket: Matplotlib, scipy, numpy, etc.

Så, låt oss börja Python Libraries Tutorial.

Vad är Python Libraries?

Vi vet att en modul är en fil med viss Pythonkod och att ett paket är en katalog för underpaket och moduler. Men gränsen mellan ett paket och ett Pythonbibliotek är ganska otydlig.

Ett Pythonbibliotek är en återanvändbar bit kod som du kanske vill inkludera i dina program/projekt.

Till skillnad från språk som C++ eller C hör ett Pythonbibliotek inte till något specifikt sammanhang i Python. Här beskriver ett ”bibliotek” löst en samling kärnmoduler.

Egentligen är ett bibliotek alltså en samling moduler. Ett paket är ett bibliotek som kan installeras med hjälp av en pakethanterare som rubygems eller npm.

Pythons standardbibliotek

Pythons standardbibliotek är en samling av Pythons exakta syntax, token och semantik. Det levereras tillsammans med den centrala Python-distributionen. Vi nämnde detta när vi började med en introduktion.

Det är skrivet i C och hanterar funktionalitet som I/O och andra kärnmoduler. All denna funktionalitet tillsammans gör Python till det språk det är.

Mer än 200 kärnmoduler sitter i hjärtat av standardbiblioteket. Detta bibliotek levereras med Python.

Men förutom detta bibliotek kan du också få tillgång till en växande samling av flera tusen komponenter från Python Package Index (PyPI). Vi nämnde det i den tidigare bloggen.

Viktiga Pythonbibliotek

Nästan kommer vi att se tjugo Pythonbibliotek lista som kommer att ta dig långt på din resa med Python.

Dessa är också Pythonbiblioteken för datavetenskap.

1. Matplotlib

Matplotlib hjälper till med dataanalys och är ett bibliotek för numerisk plottning. Vi talade om det i Python för datavetenskap.

2. Pandas

Som vi har sagt tidigare är Pandas ett måste för datavetenskap.

Det ger snabba, uttrycksfulla och flexibla datastrukturer för att enkelt (och intuitivt) arbeta med strukturerade (tabeller, flerdimensionella, potentiellt heterogena) och tidsseriedata.

3. Requests

Requests är ett Pythonbibliotek som låter dig skicka HTTP/1.1-förfrågningar, lägga till rubriker, formulärdata, multipartfiler och parametrar med enkla Pythonordböcker.

Det låter dig också komma åt svarsdata på samma sätt.

4. NumPy

Det har avancerade matematiska funktioner och ett rudimentärt vetenskapligt beräkningspaket.

5. SQLAlchemy

SQLAlchemy är ett bibliotek med välkända mönster på företagsnivå.

Det har utformats för effektiv och högpresterande databasåtkomst.

6. BeautifulSoup

Det kan vara lite långsamt, BeautifulSoup har ett utmärkt XML- och HTML-analyseringsbibliotek för nybörjare.

7. Pyglet

Pyglet är ett utmärkt val för ett objektorienterat programmeringsgränssnitt vid utveckling av spel.

Det används faktiskt också för att utveckla andra visuellt rika program för Mac OS X, Windows och Linux.

På 90-talet, när folk hade tråkigt, tog de sin tillflykt till att spela Minecraft på sina datorer. Pyglet är motorn bakom Minecraft.

8. SciPy

Nästa punkt är SciPy, ett av biblioteken som vi har pratat så mycket om. Det har ett antal användarvänliga och effektiva numeriska rutiner.

Dessa inkluderar rutiner för optimering och numerisk integration.

9. Scrapy

Om ditt motiv är snabb skärmskrapning och webbcrawling på hög nivå ska du välja Scrapy.

Du kan använda det för allt från datautvinning till övervakning och automatiserad testning.

10. PyGame

PyGame ger ett extremt enkelt gränssnitt till de plattformsoberoende grafik-, ljud- och inmatningsbiblioteken Simple Directmedia Library (SDL).

11. Python Twisted

Twisted är en händelsestyrd nätverksmotor som är skriven i Python och licensierad under MIT-licensen för öppen källkod.

12. Pillow

Pillow är en vänlig förgrening av PIL (Python Imaging Library), men är mer användarvänlig.

Om du arbetar med bilder är Pillow din bästa vän.

13. pywin32

Detta ger användbara metoder och klasser för interaktion med Windows, som namnet antyder.

14. wxPython

Det är ett omslag kring wxWidgets för Python.

15. iPython

iPython Python Library har en arkitektur som underlättar parallella och distribuerade beräkningar.

Med det kan du utveckla, utföra, felsöka och övervaka parallella tillämpningar.

16. Nose

Nose levererar en alternativ process för upptäckt och körning av tester för unittest. Detta avser att efterlikna py.tests beteende så mycket som möjligt.

17. Flask

Flask är ett webbramverk som byggs med en liten kärna och många tillägg.

18. SymPy

Det är ett bibliotek med öppen källkod för symbolisk matematik.

Med mycket enkel och begriplig kod som lätt kan utökas är SymPy ett fullfjädrad Computer Algebra System (CAS).

Det är skrivet i Python och behöver därför inga externa bibliotek.

19. Fabric

Samtidigt som det är ett bibliotek är Fabric ett kommandoradsverktyg för att effektivisera användningen av SSH för utplacering av applikationer eller systemadministrationsuppgifter.

Med det kan du utföra lokala eller fjärrstyrda skalkommandon, ladda upp/nedladdning av filer och till och med uppmana körande användare att lämna in uppgifter eller avbryta utförandet.

20. PyGTK

Med PyGTK kan du enkelt skapa program med ett grafiskt användargränssnitt (GUI) med Python.

Det här handlade alltså om handledning i Python-bibliotek. Hoppas du gillar vår förklaring.

Python intervjufrågor om bibliotek

1. Vad är bibliotek i Python?
2. Vad används bibliotek i Python?
3. Hur fungerar Pythonbibliotek?
4. Hur man installerar alla Pythonbibliotek?
5. Nämn några vanligt förekommande Pythonbibliotek.

Slutsats

Nu vet du vilka bibliotek du ska satsa på om du väljer att förlänga en karriär inom Python. Många av dessa hjälper oss också med datavetenskap.

Och om du vill göra något extra, skapa ett eget bibliotek och publicera det i PyPI; hjälp gemenskapen att växa.