📌  相关文章
📜  Python中的库

📅  最后修改于: 2022-05-13 01:57:53.745000             🧑  作者: Mango

Python中的库

通常，图书馆是书籍的集合，或者是存放许多书籍以供以后使用的房间或地方。同样，在编程世界中，库是预编译代码的集合，以后可以在程序中用于某些特定的定义良好的操作。除了预编译的代码，库可能包含文档、配置数据、消息模板、类和值等。

Python库是相关模块的集合。它包含可以在不同程序中重复使用的代码包。它使Python编程对程序员来说更简单方便。因为我们不需要为不同的程序一次又一次地编写相同的代码。 Python库在机器学习、数据科学、数据可视化等领域发挥着非常重要的作用。

Python库的工作

如上所述， Python库只是我们可以在程序中用于特定操作的代码或代码模块的集合。我们使用库，因此我们不需要在已经可用的程序中再次编写代码。但它是如何工作的。实际上，在 MS Windows 环境中，库文件具有 DLL 扩展名（动态加载库）。当我们将一个库与我们的程序链接并运行该程序时，链接器会自动搜索该库。它提取该库的功能并相应地解释程序。这就是我们在程序中使用库方法的方式。我们将进一步了解如何在Python程序中引入库。

Python标准库

Python标准库包含Python的确切语法、语义和标记。它包含内置模块，可提供对基本系统功能的访问，如 I/O 和其他一些核心模块。大多数Python库都是用 C 编程语言编写的。 Python标准库由 200 多个核心模块组成。所有这些共同使Python成为一种高级编程语言。 Python标准库起着非常重要的作用。没有它，程序员就无法访问Python的功能。但除此之外， Python中还有其他几个库可以让程序员的生活更轻松。让我们看一下一些常用的库：

  1. TensorFlow：这个库是由 Google 与 Brain Team 合作开发的。它是一个用于高级计算的开源库。它还用于机器学习和深度学习算法。它包含大量张量操作。研究人员还使用这个Python库来解决数学和物理中的复杂计算。
  2. Matplotlib：这个库负责绘制数值数据。这就是它用于数据分析的原因。它也是一个开源库，可以绘制饼图、直方图、散点图、图形等高定义图形。
  3. Pandas： Pandas 是数据科学家的重要库。它是一个开源机器学习库，提供灵活的高级数据结构和各种分析工具。它简化了数据分析、数据操作和数据清理。 Pandas 支持排序、重新索引、迭代、连接、数据转换、可视化、聚合等操作。
  4. Numpy： “Numpy”这个名字代表“Numerical Python”。它是常用的库。它是一个流行的机器学习库，支持大型矩阵和多维数据。它由内置的数学函数组成，便于计算。甚至像 TensorFlow 这样的库也在内部使用 Numpy 对张量执行多项操作。数组接口是这个库的关键特性之一。
  5. SciPy：名称“SciPy”代表“科学Python”。它是一个用于高级科学计算的开源库。这个库建立在 Numpy 的扩展之上。它与 Numpy 一起处理复杂的计算。虽然 Numpy 允许对数组数据进行排序和索引，但数字数据代码存储在 SciPy 中。它也被应用程序开发人员和工程师广泛使用。
  6. Scrapy：它是一个开源库，用于从网站中提取数据。它提供了非常快速的网络抓取和高级屏幕抓取。它还可以用于数据挖掘和数据的自动化测试。
  7. Scikit-learn：它是一个用于处理复杂数据的著名Python库。 Scikit-learn 是一个支持机器学习的开源库。它支持各种监督和非监督算法，如线性回归、分类、聚类等。该库与 Numpy 和 SciPy 结合使用。
  8. PyGame：这个库为标准直接媒体库 (SDL) 平台无关的图形、音频和输入库提供了一个简单的接口。它用于使用计算机图形和音频库以及Python编程语言开发视频游戏。
  9. PyTorch： PyTorch 是最大的优化张量计算的机器学习库。它具有丰富的 API，可以通过强大的 GPU 加速来执行张量计算。它还有助于解决与神经网络相关的应用问题。
  10. PyBrain：名称“PyBrain”代表基于Python的强化学习、人工智能和神经网络库。它是为机器学习领域的初学者构建的开源库。它为机器学习任务提供快速且易于使用的算法。它是如此灵活且易于理解，这就是为什么对研究领域的新开发人员非常有帮助的原因。

Python中有更多的库。我们可以为我们的目的使用合适的库。因此， Python库起着非常关键的作用，对开发人员非常有帮助。

Python程序中库的使用

当我们用Python编写大型程序时，我们希望保持代码的模块化。为了便于代码的维护，我们将代码分成不同的部分，我们可以在以后需要时使用该代码。在Python中，模块扮演着这个角色。我们不是在不同的程序中使用相同的代码并使代码变得复杂，而是在模块中定义最常用的函数，我们可以简单地将它们导入到程序中，只要有需要。我们不需要编写该代码，但仍然可以通过导入其模块来使用其功能。多个相互关联的模块存储在一个库中。每当我们需要使用一个模块时，我们都会从它的库中导入它。在Python中，由于其简单的语法，这是一项非常简单的工作。我们只需要使用import 。

让我们看一下示例代码：

Python3
# Importing math library
import math
  
A = 16
print(math.sqrt(A))

Python3
# Importing specific items
from math import sqrt, sin
  
A = 16
B = 3.14
print(sqrt(A))
print(sin(B))

输出
4.0

在上面的代码中，我们导入了数学库并使用了它的一种方法，即 sqrt（平方根），而无需编写实际代码来计算数字的平方根。这就是库如何使程序员的工作更轻松。但是这里我们只需要数学库的 sqrt 方法，但是我们导入了整个库。取而代之的是，我们还可以从库模块中导入特定项目。

从库模块导入特定项目

和上面的代码一样，我们导入了一个完整的库来使用它的一个方法。但我们可以从数学库中导入“sqrt”。 Python允许我们从库中导入特定项目。

让我们看一个示例代码：

Python3 

# Importing specific items
from math import sqrt, sin
  
A = 16
B = 3.14
print(sqrt(A))
print(sin(B))
输出
4.0
0.0015926529164868282

在上面的代码中，我们可以看到我们只从数学库中导入了“sqrt”和“sin”方法。