你需要了解的 42 个 Python 库

TL;DR

这份速查表包含 Python 爱好者必知的库，助您深入 Python 编程。
从数据处理到机器学习，再到 Web 应用开发，这些库在您的 Python 编程之旅中都必不可少。

Web 应用程序

1. Taipy

Taipy 是业内的新生力量。它是最简单的 Python 应用构建器。
它旨在简化前端（GUI）和机器学习/数据管道的开发。

创建您梦想的应用程序得益于：

• 完全定制和交互
• 多页面和多用户应用程序
• 管道图形编辑器
• 还有更多！

为 Taipy 仓库加星标 ⭐

您的支持意义重大🌱，并且确实在很多方面帮助了我们，比如写文章！🙏

2. Streamlit

Streamlit 是一个完善的库，可以快速为飞行员创建 Web 应用程序。非常容易使用！

必需品

3.熊猫

该库带来了两个核心概念，数据框和系列，使数据清理和准备成为一个轻松的过程。

4. Numpy

Pandas 有数据框，而 Numpy 有数组。Numpy
以快速数据操作而闻名，是科学计算的必备工具。

5.请求

这个库让处理 HTTPS 请求变得轻而易举。Requests
提供了与 Web API 交互和管理 HTTP 响应的函数。

6. Scipy

Scipy 的核心功能基于 Numpy，专注于数学计算，具有优化、信号处理和插值等功能。

日期和时间

7.日期时间

DateTime 是一个标准的 Python 库，对于处理任何 DateTime 格式至关重要。

8.钟摆

Pendulum 拥有更高级的日期和时间处理所需的附加功能。
它们拥有更好的时区支持以及更出色的格式选项。

机器学习

9. Scikit-Learn

这个库无需赘述，理所当然。Scikit
Learn 是机器学习的参考库，涵盖从聚类到分类的各种算法。
它还包含从数据验证到数据选择等各种功能。

10. XGboost

该库因其对回归和分类算法的高效结果而闻名。

11. Catboost

Catboost 是一个机器学习库，专门用于处理主要显示分类数据的数据集。

深度学习

12. TensorFlow

TensorFlow 是一个成熟的深度学习库，专门用于自然语言处理和图像分类。

13. PyTorch

PyTorch 还是 TensorFlow，这是一个问题。
最终，你选择你的团队，但 PyTorch 的独特之处在于它更加注重自然语言处理，并且更具 Python 风格，从而降低了 TensorFlow 的学习曲线。

14.喀拉斯

Keras 是开始深度学习的绝佳方式，因为它在 TensorFlow 上运行，但具有简化的实施过程。

15. OpenCV

OpenCV 提供了各种实时计算机视觉算法。
您可以处理多种格式，包括物体、人体，甚至手写体。

自然语言处理

16. NLTK

NLTK 是自然语言处理的首选库。NLTK
的主要功能包括：处理和操作文本（例如分词、词干提取等），以及使用 NLP 任务进行分类，例如进行情感分析。

17. SpaCy

是该领域的新秀，专注于使 NLP 更易于访问和用户友好。
该库优化了流程，以确保更高的速度和效率。

测试

18. Pytest

Pytest 是一个简化测试编写和执行的框架。它语法简洁，用户友好。

19. Unitest

Unistest 是 Python 内置的测试框架。
其主要功能包括：测试发现、Fixture 支持、轻松组织和管理测试套件。

声音的

20. AudioFlux

Python 中用于音频信号处理的首选库，但操作简单。AudioFlux
拥有包括声音分析在内的众多功能，可用于深度学习训练。

21. Librosa

这个 Python 库允许分析和提取音频源的特征。

代码分析

22.黑色

它是一个自动化代码格式化程序。
它会自动格式化您的代码，以确保整个项目的代码风格一致。

23.皮林特

顾名思义，Pylint 是一个 linter。
它是一个静态代码分析工具，用于检查代码质量和错误。

24.Flake8​

这是另一个 linting 库，它将根据 PEP8 编码约定检查您的代码。

25.拉夫

Ruff 是等效 linters 的最快选择。
它提高了效率和速度，使处理速度提高了十倍。

分布式计算

26.达斯克

Dask 是一个流行的 Python 分布式计算包，它在处理大型数据集时特别有用。Dask
集成了 Pandas、Numpy 和 Scikit-learn API，因此使用起来非常方便。 

27. PySpark

顾名思义，PySpark 是 Apache Spark 的 Python API，允许我们直接在 Python 中利用 Spark 的功能。

28.极地

Polars 是一个用于处理大型数据集的 DataFrame 库。
它的灵感来源于 Python 的“皇室”Pandas，但速度上比 Pandas 快了 10 到 100 倍。

文档

29. Mkdocs

Mkdocs 是生成简单文档最便捷的库。
适用于小型项目，几乎没有学习难度。

30.狮身人面像

Sphinx 通常适用于较大规模的项目。
它支持多种格式，并允许进行特定的自定义。

31. Pydoc

Pydoc 已集成到 Python 生态系统中。它可以直接从模块生成文档。

地理数据

32. Geopy

Geopys 的主要功能是：距离计算、地理编码和反向地理编码。

33.叶

这个库允许你用 Python 创建交互式地图。它将改变游戏规则。

34.大熊猫

当你拥有地理空间数据时，这是必经之路。
正如标题所示，Geopandas 就是处理地理空间数据的 Pandas。该库提供各种函数，可轻松操作和分析地理数据。

游戏

35. Pygame

Pygame 是一个易于使用的简单库，它可以轻松地用 Python 创建 2D 和交互式视频游戏。

36.街机

就像 PyGame 一样，Arcade 也让用 Python 开发电子游戏的过程变得趣味十足。
它比经典的 Pygame 更具现代感，因此选择它完全取决于个人喜好。

网页抓取

37. Scrapy

Scrapy 是一个成熟的 Web 数据抓取库。
它的主要功能包括：支持异步/同步操作、HTTPS 请求处理等。
它功能丰富，因此学习起来比较困难。

38.美丽汤

Beautiful Soup 能够帮助您从 XML 和 HTML 文件中提取数据。
它因其 Python 风格而受到开发者的青睐。

可视化

39. Matplotlib

Matplotlib 是 Python 中的主要小部件库，这并非偶然。Matplotlib
支持绘制各种图表类型的二维图形，并且支持高度自定义。
对元素的细粒度控制是该库的一大优势。

40.散景

与 Matplotlib 相反，Bokeh 专注于交互式图表。

41.Seaborn​

Seaborn 建立在 Matplotlib 之上。Matplolib
注重精确性和简洁性，而 Seaborn 则在创建复杂的统计可视化时，凭借其流畅的视觉效果真正实现了附加价值。

42. Vizzu

Vizzu 在可视化领域找到了自己的利基市场，并且做得非常出色。
他们通过高度动画化的可视化，将叙事和图表完美融合——这是一种让图表更具动态效果的绝佳方式。

结论

无论您是资深 Python 爱好者，还是初学 Python 的新手，有了这份必备库列表，您就能轻松应对任何挑战。祝您编程愉快！