11 thư viện và mô-đun Python mỗi nhà phát triển nên biết

Thư viện và mô-đun làm cho cuộc sống của một lập trình viên trơn tru.


Khi bạn đang làm việc với các dự án, bạn có thể gặp phải các tình huống mà bạn đã thắng có thể giải quyết bằng mã hóa tiêu chuẩn của ngôn ngữ lập trình. Chúng tôi cần một số thư viện và mô-đun để khắc phục những vấn đề đó.

May mắn thay Python hỗ trợ rất nhiều mô-đun và thư viện. Con trăn có được xây dựng trong mô-đun cũng như bên thứ ba thư viện và mô-đun cho sự phát triển. Chúng ta sẽ thấy cả các mô-đun tích hợp và bên thứ ba, rất có lợi cho các dự án Python. Trước tiên, hãy cùng khám phá các mô-đun tích hợp.

# Mô-đun tích hợp

Python đi kèm với nhiều mô-đun tích hợp cho các trường hợp sử dụng khác nhau. Chúng tôi sẽ nghiên cứu từng mô-đun theo cách sử dụng.

Bộ sưu tập – Kiểu dữ liệu container

Python có nhiều loại khác nhau bộ sưu tập để lưu trữ việc thu thập dữ liệu. Ví dụ, tuple, danh sách, dict, vv.., là một số bộ sưu tập tích hợp của Python. Các bộ sưu tập mô-đun cung cấp các tính năng bổ sung cho các bộ sưu tập tích hợp.

Nếu bạn lấy deque thu thập dữ liệu từ bộ sưu tập mô-đun, nó giống như một danh sách Python. Nhưng chúng ta có thể đẩy nhạc pop các yếu tố từ cả hai phía. Nó nhanh hơn danh sách. Bạn có thể dùng deque dựa trên nhu cầu của bạn Hãy cùng xem một số mã hóa thực sự với bộ sưu tập thu thập dữ liệu.

bộ sưu tập nhập khẩu
số = [1, 2, 3]
# tạo bộ sưu tập deque từ danh sách
deque = bộ sưu tập.deque (nums)

in (deque)

# thêm một phần tử ở cuối
deque.append (4)

in (deque)

# thêm phần tử khi bắt đầu
deque.appendleft (0)

in (deque)

# loại bỏ phần tử ở cuối
deque.pop ()

in (deque)

# loại bỏ phần tử khi bắt đầu
deque.popleft ()

in (deque)

Chạy mã trên; xem kết quả Chúng tôi cũng có các bộ sưu tập dữ liệu khác trong bộ sưu tập mô-đun.

Một số trong số họ là:

Quầy tính tiềnTrả về một dict chứa tần số của các phần tử từ danh sách.

Nó là một lớp con của lớp dict.

Danh sách người dùngĐược sử dụng cho một lớp con nhanh chóng của danh sách.
Tên người dùngĐược sử dụng cho một lớp con nhanh chóng của dict.
UserStringĐược sử dụng cho một lớp con nhanh chóng của str.

Đi đến tài liệu của bộ sưu tập mô-đun để khám phá tất cả các bộ sưu tập dữ liệu và phương pháp.

Sổ tay:- Sử dụng dir (đối tượng) Phương thức dựng sẵn của Python để xem tất cả các phương thức của một đối tượng.

Xử lý tệp CSV

Chúng tôi có thể sử dụng các tệp CSV (giá trị được phân tách bằng dấu phẩy) để lưu trữ dữ liệu dạng bảng. Định dạng được sử dụng phổ biến nhất để nhập và xuất dữ liệu từ bảng tính và cơ sở dữ liệu. Python đi kèm với một mô-đun gọi là CSV để xử lý các tệp CSV.

Hãy cùng xem một ví dụ về việc đọc dữ liệu từ tệp CSV.

Tạo một tập tin với tên mẫu.csv trong máy tính xách tay của bạn và dán dữ liệu sau.

Tên, tuổi, năm tốt nghiệp

Hafeez, 21,2021

Aslan, 23,2019

Rambabu, 21,2021

Chúng tôi có các phương pháp để đọc và viết trong mô-đun CSV. Chúng tôi sẽ xem cách đọc dữ liệu từ các tệp CSV bằng mô-đun CSV.

nhập khẩu csv

với tệp mở (‘sample.csv’):
# tạo độc giả
reader = csv.reader (tập tin)

# đọc từng dòng bằng cách sử dụng vòng lặp
cho hàng trong trình đọc:
# row là danh sách chứa các thành phần từ tệp CSV
# tham gia danh sách bằng phương thức tham gia (danh sách)
in (‘,’. tham gia (hàng))

Chạy đoạn mã trên để xem kết quả.

Chúng tôi cũng sẽ có một đối tượng được gọi là csv.writer () để ghi dữ liệu vào CSV tập tin. Chơi với các phương thức khác bằng cách sử dụng các phương thức tích hợp dir () và help (). Chúng tôi có một mô-đun khác gọi là JSON, được sử dụng để xử lý JSON các tập tin. Nó cũng là một mô-đun tích hợp.

Ngẫu nhiên

Python có một mô-đun gọi là ngẫu nhiên cho phép tạo dữ liệu ngẫu nhiên. Chúng tôi có thể sản xuất bất cứ thứ gì một cách ngẫu nhiên bằng các cách khác nhau của ngẫu nhiên mô-đun. Bạn có thể sử dụng mô-đun này trong các ứng dụng như tic-tac-toe, trò chơi súc sắc, v.v…,

Hãy cùng xem một chương trình đơn giản để tạo các số nguyên ngẫu nhiên từ một phạm vi nhất định.

nhập ngẫu nhiên

# tạo một số ngẫu nhiên từ phạm vi 1-100
in (ngẫu nhiên.randint (1, 100))

Bạn kiểm tra các phương pháp khác của ngẫu nhiên mô-đun sử dụng các phương thức dir () và help (). Hãy cùng nhau viết một trò chơi nhỏ và đơn giản bằng cách sử dụng ngẫu nhiên mô-đun. Chúng ta có thể gọi nó là một Trò chơi đoán số.

Trò chơi đoán số là gì?

Chương trình sẽ tạo một số ngẫu nhiên trong phạm vi 1 – 100. Người dùng sẽ đoán số cho đến khi khớp với số ngẫu nhiên do chương trình tạo ra. Mỗi lần bạn sẽ in xem số người dùng ít hơn số ngẫu nhiên hay cao hơn số ngẫu nhiên. Sau đó, mã nguồn sẽ hiển thị số lần đoán.

Xem mã dưới đây cho chương trình trên.

# nhập mô-đun ngẫu nhiên
nhập ngẫu nhiên

# tạo số ngẫu nhiên
Random_number = Random.randint (1, 100)

# khởi tạo không. đoán đến 0
đoán_count = 0

# chạy vòng lặp cho đến khi người dùng đoán số ngẫu nhiên
trong khi Đúng:
# nhận đầu vào của người dùng

user_guished_number = int (đầu vào ("Nhập một số trong phạm vi 1-100:- "))

# kiểm tra sự bình đẳng
if user_guished_number == Random_number:
in (f"Bạn đã đoán số trong {đoán_count} đoán")
# phá vỡ vòng lặp
phá vỡ
elif user_guished_number < số ngẫu nhiên:
in("Số của bạn thấp")
elif user_guished_number > số ngẫu nhiên:
in("Số của bạn cao")

# tăng số lần đoán
đoán_count + = 1

Tkinter – Ứng dụng GUI

Tkinter là một mô-đun tích hợp để phát triển GUI (Giao diện người dùng đồ họa) các ứng dụng. Nó là thuận tiện cho người mới bắt đầu. Chúng ta có thể phát triển GUI các ứng dụng như máy tính, hệ thống đăng nhập, soạn thảo văn bản, vv.., Có rất nhiều nguồn lực để học GUI phát triển với Thợ săn.

Hỗ trợ tốt nhất là theo dõi chính thức tài liệu. Để bắt đầu với Thợ săn, đi đến các tài liệu và bắt đầu tạo ra đẹp GUI các ứng dụng.

# Mô-đun của bên thứ ba

Yêu cầu – Yêu cầu HTTP

Mô-đun yêu cầu được sử dụng để gửi tất cả các loại HTTP yêu cầu đến máy chủ. Nó cho phép HTTP / 1.1 yêu cầu gửi. Chúng tôi cũng có thể thêm tiêu đề, dữ liệu và những thứ khác bằng từ điển Python. Vì nó là mô-đun của bên thứ ba, chúng tôi phải cài đặt nó. Chạy lệnh sau trong terminal hoặc dòng lệnh để cài đặt yêu cầu mô-đun.

yêu cầu cài đặt pip

Nó rất đơn giản để làm việc với yêu cầu mô-đun. Chúng ta có thể bắt đầu làm việc với yêu cầu mà không có bất kỳ kiến ​​thức trước. Hãy để chúng tôi xem cách gửi yêu cầu nhận và những gì nó trả về.

yêu cầu nhập khẩu

# đang yêu cầu nhận
request = request.get ("https://www.google.com/")

#
in (request.status_code)
in (request.url)
in (request.request)

Đoạn mã trên sẽ in status_code, URL và phương thức yêu cầu (GET, POST). Bạn sẽ nhận được nguồn của URL cũng. Bạn có thể truy cập nó với request.content byte. Đi đến tài liệu sau đó yêu cầu mô-đun và khám phá thêm.

BeautifulSoup4 – quét web

BeautifulSoup thư viện được sử dụng để quét web. Nó là một mô-đun tiện dụng để làm việc với. Ngay cả những người mới bắt đầu cũng có thể bắt đầu làm việc với nó bằng cách sử dụng tài liệu. Xem mã mẫu để loại bỏ chi tiết báo cáo của khách hàng.

Bạn có thể cài đặt BeautifulSoup bằng cách gõ lệnh sau trong terminal / dòng lệnh.

Pip cài đặt beautifulsoup4

Và, một chương trình đơn giản cho lần cạo đầu tiên của bạn.

## Xóa danh sách sản phẩm ConsumerReport bằng BeautifulSoup

## nhập bs4, yêu cầu mô-đun
nhập bs4
yêu cầu nhập khẩu

## url khởi tạo
url = "https://www.consumerreports.org/cro/a-to-z-index/products/index.htm"

## nhận phản hồi từ trang bằng cách sử dụng phương thức nhận mô-đun yêu cầu
page = request.get (url)

## lưu trữ nội dung của trang trong một biến
html = page.content

## tạo đối tượng BeautifulSoup
súp = bs4.BeautitableSoup (html, "lxml")

## xem lớp hoặc id của thẻ chứa tên liên kết ans
div_group = "crux-body-copy"

## nhận tất cả các div bằng phương thức find_all
div_tags = soup.find_all ("div", class_ = div_group) ## tìm divs đã đề cập đến lớp

## chúng ta sẽ thấy tất cả các thẻ có thẻ có tên và liên kết bên trong div
cho thẻ trong div_tags:
in (thẻ)

Chạy đoạn mã trên để thấy sự kỳ diệu của việc quét web. Có nhiều khung quét web hơn để bạn thử.

# Khoa học dữ liệu và học máy

Có một số thư viện được tạo ra đặc biệt cho khoa học dữ liệu và học máy. Tất cả những thứ này được phát triển trong C. Chúng nhanh như chớp.

Numpy

Numpy được sử dụng để tính toán khoa học.

Nó cho phép chúng ta làm việc với các mảng đa chiều. Mảng thực hiện không có trong Python. Chủ yếu là các nhà phát triển sử dụng numpy trong các dự án máy học của họ. Nó rất dễ học và thư viện mã nguồn mở. Hầu như mọi kỹ sư máy học hoặc nhà khoa học dữ liệu đều sử dụng mô-đun này cho các tính toán toán học phức tạp.

Chạy lệnh sau để cài đặt numpy mô-đun.

Pip cài đặt numpy

Gấu trúc

Gấu trúc là một mô-đun phân tích dữ liệu. Chúng tôi có thể lọc dữ liệu hiệu quả nhất bằng cách sử dụng gấu trúc thư viện. Nó cung cấp các loại cấu trúc dữ liệu khác nhau có ích để làm việc. Nó cũng cung cấp xử lý tệp với các định dạng tệp khác nhau.

Cài đặt mô-đun bằng lệnh sau.

Pip cài đặt gấu trúc

Matplotlib

Matplotlib là một thư viện đồ thị 2D đồ thị. Bạn có thể hình dung dữ liệu bằng cách sử dụng Matplotlib.

Chúng ta có thể tạo hình ảnh của các hình trong các định dạng khác nhau. Chúng tôi vẽ các loại sơ đồ khác nhau như biểu đồ thanh, biểu đồ lỗi, biểu đồ, biểu đồ phân tán, v.v., Bạn có thể cài đặt matplotlib sử dụng lệnh sau.

Pip cài đặt matplotlib

Sổ tay:- Bạn có thể cài đặt Anaconda để có được tất cả các thư viện và mô-đun cần thiết cho Khoa học dữ liệu.

Nếu bạn nghiêm túc về việc học Python cho khoa học dữ liệu và ML thì hãy xem thử Khóa học của kẻ thù.

# Khung web

Chúng ta có thể tìm thấy nhiều khung web trong Python. Chúng tôi sẽ thảo luận về hai khung được sử dụng rộng rãi bởi các nhà phát triển. Hai khung là Django và Bình giữ nhiệt.

Django

Django là một khung web nguồn mở được phát triển bằng Python. Thật thuận tiện để tạo các trang web với Django. Chúng tôi có thể tạo ra bất kỳ loại trang web nào sử dụng khung này. Một số trang web phổ biến nhất được xây dựng với Django là Instagram, bitbucket, Disqus, Mozilla Firefox, v.v…,

  • Chúng tôi có thể xây dựng các trang web phức tạp một cách nhanh chóng với các tính năng của Django.
  • Django đã thực hiện rất nhiều nhiệm vụ cần thiết để phát triển web.
  • Nó cũng cung cấp bảo mật cho các cuộc tấn công SQL Injection, kịch bản chéo trang, giả mạo yêu cầu chéo trang và nhấp chuột.
  • Chúng tôi có thể xây dựng bất kỳ trang web nào từ hệ thống quản lý nội dung đến các trang xã hội.

Các tài liệu của Django là không rõ ràng. Bạn phải làm quen với Python cho Django. Nhưng đừng lo lắng nếu bạn không. Học Django dễ.

Bình giữ nhiệt

Flask là một khung web vi mô được phát triển bằng Python.

Nó là pythonic nhiều hơn Django. Nó có tài liệu tuyệt vời đây. Nó sử dụng Jinja công cụ mẫu. Nó là rất phức tạp để tạo ra các trang web lớn Flask. Hầu hết các tính năng như định tuyến URL, Gửi yêu cầu, Cookie an toàn, Phiên, v.v., đều có trong cả hai Django và Bình giữ nhiệt.

Chọn khung dựa trên sự phức tạp của trang web của bạn. Django đang trở nên phổ biến trong số các nhà phát triển. Nó là khung công tác được sử dụng nhiều nhất để phát triển web trong Python.

Phần kết luận

Tôi hy vọng bạn đã biết về các mô-đun, thư viện và khung công tác khác nhau cho Python.

Mọi người một khi đã bắt đầu.

Bất cứ điều gì bạn muốn bắt đầu, đầu tiên hãy vào tài liệu và bắt đầu học nó. Nếu bạn có thể hiểu được các tài liệu, thì hãy tìm các khóa học sự cố trên trang web giáo dục.

THẺ

  • Con trăn

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me
    Like this post? Please share to your friends:
    Adblock
    detector
    map