Python必学的模块有哪些？ python十大必学模块是什么？
python\u5341\u5927\u5fc5\u5b66\u6a21\u5757os
os \u8fd9\u4e2a\u6a21\u5757\u7279\u522b\u5e38\u7528\uff0c\u4e5f\u7279\u522b\u7684\u597d\u7528\uff0c\u4e3b\u8981\u7528\u4e8e\u8fdb\u884c\u7cfb\u7edf\u7ea7\u522b\u7684\u64cd\u4f5c\uff0c\u4ece\u91cd\u65b0\u547d\u540d\u3001\u79fb\u52a8\u6587\u4ef6\u3001\u5220\u9664\u6587\u4ef6\u3001\u590d\u5236\u6587\u4ef6\u2026\u7b49\u7b49\uff0c\u57fa\u672c\u4e0a\u4f60\u4f1a\u5bf9\u6587\u4ef6\u505a\u7684\u4e8b\uff0c\u8fd8\u6709\u5bf9\u76ee\u5f55(\u6587\u4ef6\u5939)\u7684\u64cd\u4f5c\uff0c\u8fd9\u4e2a\u6a21\u5757\u90fd\u80fd\u5e2e\u52a9\u4f60\u5728\u7a0b\u5e8f\u4e2d\u505a\u5230\uff01
time \u548c datetime
\u8fd9\u4e24\u4e2a\u6a21\u5757\u76f8\u8f85\u76f8\u6210\uff0c\u5e38\u5e38\u9700\u8981\u5728\u5f7c\u6b64\u95f4\u4e92\u76f8\u8f6c\u6362\uff0c\u56e0\u4e3a\u5e38\u5e38\u7528\u5230\u65f6\u95f4\u6233\u3001\u683c\u5f0f\u5316\u7684\u65f6\u95f4\u5b57\u4e32\u3001\u53ca\u5143\u7ec4\u7b49\u4e0d\u540c\u7c7b\u578b\u7684\u8f6f\u4ef6\u3002\u4ed6\u4eec\u80fd\u505a\u5230\u7684\u4e8b\u4e5f\u76f8\u5f53\u591a\uff0c\u57fa\u672c\u4e0a\u53ea\u8981\u4f60\u9700\u8981\u64cd\u4f5c\u65f6\u95f4\uff0c\u6216\u662f\u8fd0\u7b97\u65e5\u671f\u7b49\u7b49\uff0c\u90fd\u5fc5\u987b\u7528\u5230\u4ed6\u4eec\u3002
random
random \u662f\u5728\u505a\u4ec0\u4e48\u7684\u5462\uff1f\u987e\u540d\u601d\u4e49\uff0c\u5c31\u662f\u5728\u505a\u8ddf\u968f\u673a\u76f8\u5173\u64cd\u4f5c\u7684\u6a21\u5757\uff0c\u8fd9\u662f\u6700\u5e38\u7528\u5230\u7684\u6a21\u5757\uff0c\u7528\u6cd5\u975e\u5e38\u591a\uff0c\u6bd4\u5982\u751f\u4ea7\u968f\u673a\u6574\u6570\u3001\u5c0f\u6570\uff0c\u4ece\u4e32\u5217\u4e2d\u968f\u673a\u6311\u9009\u4e00\u4e2a\u7269\u4ef6\uff0c\u751a\u81f3\u662f\u76f4\u63a5\u6253\u4e71\u4e32\u5217\u6392\u5e8f\u7684\u6d17\u724c\u52a8\u4f5c\u7b49\u7b49\uff0crandom \u5168\u90e8\u90fd\u80fd\u7528\u51e0\u884c\u4ee3\u7801\u8f7b\u677e\u5b8c\u6210\u3002
NumPy
Numpy \u662f Python \u7684\u4e00\u4e2a\u91cd\u8981\u6a21\u5757\uff0c\u4e3b\u8981\u7528\u4e8e\u8d44\u6599\u5904\u7406\u4e0a\u3002Numpy \u5e95\u5c42\u4ee5 C \u548c Fortran \u8bed\u8a00\u7f16\u5199\uff0c\u6240\u4ee5\u80fd\u5feb\u901f\u64cd\u4f5c\u591a\u91cd\u7ef4\u5ea6\u7684\u9635\u5217\u3002\u5f53 Python \u5904\u7406\u5e9e\u5927\u8d44\u6599\u65f6\uff0c\u5185\u5efa\u7684\u8d44\u6599\u578b\u6001 list \u6548\u80fd\u5e76\u4e0d\u7406\u60f3\uff0c\u800c Numpy \u5177\u5907\u5e73\u884c\u5904\u7406\u7684\u80fd\u529b\uff0c\u53ef\u4ee5\u5c06\u64cd\u4f5c\u52a8\u4f5c\u4e00\u6b21\u5957\u7528\u5728\u5927\u578b\u9635\u5217\u4e0a\u3002\u6b64\u5916\uff0c Python \u5176\u91cd\u91cf\u7ea7\u7684\u8d44\u6599\u79d1\u5b66\u76f8\u5173\u5957\u4ef6\uff08\u4f8b\u5982\uff1aPandas\u3001SciPy\u3001Scikit-learn \u7b49\uff09\u90fd\u51e0\u4e4e\u90fd\u662f\u5728 Numpy \u7684\u57fa\u7840\u4e0a\u3002\u56e0\u6b64\u5b66\u4f1a Numpy \u4f1a\u4e3a\u4ee5\u540e\u5b66\u4e60\u5176\u4ed6\u79d1\u5b66\u76f8\u5173\u5185\u5bb9\u6253\u597d\u575a\u5b9e\u7684\u57fa\u7840\u3002
SciPy
\u5e38\u7528\u79d1\u5b66\u8ba1\u7b97\u7684\u53e6\u4e00\u4e2a\u91cd\u8981\u6a21\u5757\u5c31\u662f SciPy\u3002SciPy \u662f\u4e00\u79cd\u4f7f\u7528 NumPy \u4e3a\u57fa\u7840\uff0c\u6765\u505a\u9ad8\u7b49\u6570\u5b66\u3001\u7edf\u8ba1\u548c\u8bb8\u591a\u5176\u5b83\u79d1\u5b66\u4efb\u52a1\u7684\u6a21\u5757\u3002\u5b83\u57fa\u4e8eNumPy\uff0c\u5e76\u6269\u5c55\u4e86NumPy\u7684\u529f\u80fd\u3002SciPy \u7684\u4e3b\u8981\u7684\u6570\u636e\u7ed3\u6784\u662f\u7531 Numpy \u5b9e\u73b0\u7684\u591a\u7ef4\u9635\u5217\u3002\u8fd9\u4e2a\u6a21\u5757\u5305\u542b\u4e86\u89e3\u51b3\u7ebf\u6027\u4ee3\u6570\u3001\u6982\u7387\u8bba\u3001\u79ef\u5206\u7b49\u7b49\u9ad8\u7b49\u3002
\u7136\u800c\uff0cscipy\u548cnumpy \u90fd\u6ca1\u6709\u63d0\u4f9b\u7ed8\u56fe\u51fd\u6570\u3002\u5b83\u4eec\u53ea\u662f\u6570\u5b57\u5904\u7406\u7684\u5de5\u5177\uff0c\u80fd\u591f\u8f85\u52a9\u7ed8\u56fe\u7684\u6a21\u5757\u4e00\u4f1a\u5c31\u4f1a\u63a8\u8350\u3002
Pandas
Pandas \u4e5f\u662f\u4e00\u4e2a\u5e38\u7528 Python \u6a21\u5757\uff0c\u63d0\u4f9b\u4e86\u9ad8\u9636\u7684\u8d44\u6599\u7ed3\u6784\u548c\u591a\u79cd\u5206\u6790\u5de5\u5177\u3002\u5b83\u7684\u6700\u5927\u7279\u70b9\u662f\u80fd\u591f\u5c06\u590d\u6742\u7684\u6570\u636e\u64cd\u4f5c\uff0c\u8f6c\u6362\u6210\u4e00\u4e24\u4e2a\u547d\u4ee4\u3002Pandas\u5305\u542b\u8bb8\u591a\u7528\u4e8e\u5206\u7ec4\u3001\u8fc7\u6ee4\u548c\u7ec4\u5408\u6570\u636e\u4ee5\u53ca\u65f6\u95f4\u5e8f\u5217\u529f\u80fd\u7684\u5185\u7f6e\u51fd\u5f0f\u3002
Pandas\u5728\u524d\u9635\u5b50\u7684\u7248\u672c\u66f4\u65b0\u4e2d\uff0c\u589e\u52a0\u4e86\u6570\u767e\u4e2a\u65b0\u7279\u6027\u3001\u5e76\u4e14\u5bf9bug\u8fdb\u884c\u4fee\u590d\u4ee5\u53caAPI\u66f4\u6539\u3002\u8fd9\u4e9b\u6539\u8fdb\u662f\u9488\u5bf9\u6570\u636e\u5206\u7ec4\u548c\u6392\u5e8f\u7684\u80fd\u529b\uff0c\u8ba9\u5b83\u53d8\u5f97\u66f4\u5bb9\u6613\u8f93\u51fa\uff0c\u4ee5\u53ca\u652f\u6301\u5bf9\u81ea\u5b9a\u4e49\u7684\u7c7b\u522b(class)\u8fdb\u884c\u64cd\u4f5c\u3002
Matplotlib
Matplotlib \u662f\u4e00\u4e2a\u7528\u4e8e\u521b\u5efa\u4e8c\u7ef4\u56fe\u8868\u548c\u56fe\u5f62\u7684\u6a21\u5757\u3002\u5728\u5b83\u7684\u5e2e\u52a9\u4e0b\uff0c\u4f60\u53ef\u4ee5\u8f7b\u677e\u6784\u5efa\u4e0d\u540c\u7684\u56fe\u8868\uff0c\u4ece\u76f4\u6761\u56fe\u3001\u70b9\u72b6\u56fe\u5230\u5750\u6807\u56fe\u90fd\u53ef\u4ee5\u3002\u91cd\u70b9\u662f\uff0c\u5f88\u591a\u70ed\u95e8\u7684\u6a21\u5757\u90fd\u652f\u6301\u4e0e Matplotlib \u534f\u540c\u5de5\u4f5c\u3002
Matplotlib \u867d\u7136\u4e3b\u8981\u90fd\u662f\u7528\u7eafPython\u5199\u7684\uff0c\u4f46\u662f\u4e3a\u4e86\u5728\u8fd0\u884c\u65f6\u6709\u66f4\u9ad8\u7684\u6027\u80fd\uff0c\u5c24\u5176\u662f\u5728\u663e\u793a\u5927\u91cf\u6570\u636e\u7684\u60c5\u51b5\u4e0b\uff0c\u91cc\u9762\u4e5f\u5927\u91cf\u4f7f\u7528\u4e86NumPy\u3002
Bokeh
Bokeh\u6a21\u5757\u900f\u8fc7JavaScript\u5728\u6d4f\u89c8\u5668\u4e2d\u521b\u9020\u51fa\u4e92\u52a8\u5f0f\u3001\u53ef\u4f38\u7f29\u7684\u89c6\u89c9\u6548\u679c\u3002 \u5b83\u63d0\u4f9b\u4e86\u5404\u5f0f\u5404\u6837\u7684\u89c6\u89c9\u5316\u5fc5\u987b\u7684\u8f85\u52a9\u51fd\u6570\uff0c\u540c\u65f6\u4e5f\u5c06\u7f51\u9875\u524d\u7aef\u7684\u6280\u672f\u7ec6\u8282\u5305\u88c5\u6210\u4e00\u4e2a\u4e2a\u7684 Python \u51fd\u5f0f\u4e0e\u53c2\u6570\u4f9b\u6211\u4eec\u8c03\u7528\uff0c\u8ba9\u6211\u4eec\u4e0d\u518d\u9700\u8981\u7f16\u8f91 HTML \u4e0e JavaScript \u4fbf\u80fd\u5236\u4f5c\u7f51\u9875\u524d\u7aef\u3002
TensorFlows
TensorFlow\u662f\u5728 Google\u5927\u8111\u4e2d\u5f00\u53d1\u7684\u4e00\u4e2a\u7528\u4e8e\u6df1\u5ea6\u548c\u673a\u5668\u5b66\u4e60\u7684\u6d41\u884c\u6846\u67b6\u3002\u5b83\u63d0\u4f9b\u4e86\u5177\u6709\u591a\u4e2a\u6570\u636e\u96c6\u7684\u4eba\u5de5\u795e\u7ecf\u7f51\u7edc\u4e00\u8d77\u5de5\u4f5c\u7684\u80fd\u529b\u3002\u5728\u6700\u6d41\u884c\u7684TensorFlow \u5e94\u7528\u7a0b\u5e8f\u4e2d\uff0c\u6709\u5bf9\u8c61\u8bc6\u522b\u3001\u8bed\u97f3\u8bc6\u522b\u7b49\uff0c\u800c\u4e14\uff0c\u5b83\u7684\u66f4\u65b0\u901f\u5ea6\u975e\u5e38\u5feb\u3002
PyTorch
PyTorch\u662f\u4e00\u4e2a\u5927\u578b\u6846\u67b6\uff0c\u5141\u8bb8\u4f60\u4f7f\u7528GPU\u52a0\u901f\u8fdb\u884c\u8ba1\u7b97\uff0c\u521b\u5efa\u52a8\u6001\u8ba1\u7b97\u56fe\uff0c\u5e76\u81ea\u52a8\u8ba1\u7b97\u68af\u5ea6\u3002\u4ee5\u6b64\u4e3a\u57fa\u7840\uff0cPyTorch \u4e3a\u89e3\u51b3\u4e0e\u795e\u7ecf\u7f51\u7edc\u76f8\u5173\u7684\u5e94\u7528\u7a0b\u5e8f\u63d0\u4f9b\u4e86\u4e30\u5bcc\u7684API\u3002\u8fd9\u4e2a\u6a21\u5757\u57fa\u4e8eTorch\uff0c\u662f\u4e00\u4e2a\u5f00\u6e90\u7684\u6df1\u5ea6\u5b66\u4e60\u5e93\uff0c\u901a\u8fc7C\u8bed\u8a00\u5b9e\u73b0\u3002\u4ece2017\u5e74\u8d77\u8fdb\u5165\u4f17\u4eba\u89c6\u91ce\uff0c\u8be5\u6846\u67b6\u5c31\u8d8a\u6765\u8d8a\u53d7\u6b22\u8fce\uff0c\u5e76\u5438\u5f15\u4e86\u8d8a\u6765\u8d8a\u591a\u7684\u6570\u636e\u79d1\u5b66\u5bb6\u3002
\u8fd9\u4e2a\u4e0d\u80fd\u4e00\u6982\u800c\u8bba\u7684\uff0c\u636e\u8bf4python\u76ee\u524d\u9ad8\u8fbe27\u4e07+\u4e2a\u5e93\uff0c\u770b\u4f60\u5b66\u4e60\u7684\u65b9\u5411\u5fc5\u5b66\u6a21\u5757\u4e5f\u6709\u4e0d\u540c\uff0c\u7b80\u5355\u5217\u4e3e\uff1a
1\u3001\u7f51\u7edc\u901a\u7528\u65b9\u9762\uff1a
urllib -\u7f51\u7edc\u5e93
requests -\u7f51\u7edc\u5e93
pycurl \u2013 \u7f51\u7edc\u5e93
httplib2 \u2013 \u7f51\u7edc\u5e93
RoboBrowser \u2013 \u6d4f\u89c8\u7f51\u9875
MechanicalSoup -\u4e00\u4e2a\u4e0e\u7f51\u7ad9\u81ea\u52a8\u4ea4\u4e92Python\u5e93
socket \u2013 \u5e95\u5c42\u7f51\u7edc\u63a5\u53e3
2\u3001\u722c\u866b\u65b9\u9762\uff1a
grab \u2013 \u722c\u866b\u6846\u67b6
scrapy \u2013 \u7f51\u7edc\u722c\u866b\u6846\u67b6\uff0c\u4e0d\u652f\u6301Python3
pyspider \u2013\u722c\u866b\u7cfb\u7edf\u3002
cola \u2013 \u722c\u866b\u6846\u67b6
portia \u2013 \u53ef\u89c6\u5316\u722c\u866b
3\u3001HTML/XML\u89e3\u6790\u65b9\u9762\uff1a
lxml \u2013 \u9ad8\u6548HTML/ XML\u5904\u7406\u5e93
cssselect \u2013 \u89e3\u6790DOM\u6811\u548cCSS\u9009\u62e9\u5668\u3002
pyquery \u2013 \u89e3\u6790DOM\u6811\u548cjQuery\u9009\u62e9\u5668\u3002
html5lib \u2013 \u6839\u636eWHATWG\u89c4\u8303\u751f\u6210HTML/ XML\u6587\u6863\u7684DOM
feedparser \u2013 \u89e3\u6790RSS/ATOM feeds\u3002
MarkupSafe \u2013 \u4e3aXML/HTML/XHTML\u63d0\u4f9b\u4e86\u5b89\u5168\u8f6c\u4e49\u7684\u5b57\u7b26\u4e32\u3002
xhtml2pdf \u2013 \u5c06HTML/CSS\u8f6c\u6362\u4e3aPDF\u3002
untangle \u2013 XML\u6587\u4ef6\u8f6cPython\u5bf9\u8c61
4\u3001\u6587\u4ef6\u5904\u7406\u65b9\u9762\uff1a
xpinyin \u2013 \u5c06\u4e2d\u56fd\u6c49\u5b57\u8f6c\u4e3a\u62fc\u97f3
tablib \u2013 \u6570\u636e\u5bfc\u51fa\u4e3aXLS\u3001CSV\u3001JSON\u3001\u7b49\u683c\u5f0f\u7684\u6a21\u5757
textract \u2013 \u4ece\u6587\u4ef6\u4e2d\u63d0\u53d6\u6587\u672c
messytables \u2013 \u89e3\u6790\u8868\u683c\u6570\u636e
rows \u2013 \u5e38\u7528\u6570\u636e\u63a5\u53e3
Office
python-docx \u2013 \u8bfb\u53d6\uff0c\u67e5\u8be2\u548c\u4fee\u6539docx\u6587\u4ef6
xlwt / xlrd \u2013 \u4eceExcel\u6587\u4ef6\u8bfb\u53d6\u5199\u5165\u6570\u636e\u548c\u683c\u5f0f\u4fe1\u606f
PDF
Markdown
Python-Markdown \u2013 \u4e00\u4e2a\u7528Python\u5b9e\u73b0\u7684John Gruber\u7684Markdown\u3002
简单来说，模块就是一堆代码实现某个功能，它们是已经写好的.py文件，在我们的.py文件中只需要用import导入模块就能使用它的功能了。
Python中的模块有内置标准模块、开源模块和自定义模块。
内置标准模块就是Python自带的模块，即下载好Python就可以直接导入使用的模块，例如我们之前使用过的math模块、time模块等。
开源模块就是不收费的由好心人写好的模块，我们可以通过下载这些模块后导入使用，开源模块一般也被我们称为第三方模块，例如数据处理工具NumPy、Pandas，以及深度学习著名框架Tensorflow都属于开源模块。
自定义模块与开源模块相对应，开源模块是他人写的，而自定义模块就是自己写好的模块。
Python常见的三个模块
一、time与datetime模块
在Python中，通常有这几种方式来表示时间：
时间戳(timestamp)：通常来说，时间戳表示的是从1970年1月1日00:00:00开始按秒计算的偏移量。我们运行“type(time.time())”，返回的是float类型。
格式化的时间字符串(Format String)
结构化的时间(struct_time)：struct_time元组共有9个元素共九个元素:(年，月，日，时，分，秒，一年中第几周，一年中第几天，夏令时)
二、random模块
三、os模块
os模块是与操作系统交互的一个接口
Python中模块的定义：用一堆代码实现了某个功能的代码集合。
类似与函数式编程和面向过程编程，函数式编程则完成一个功能，其他代码用来调用即可，提供了代码的重用性和代码间的耦合，对于一个复杂的功能来讲，可能需要多个函数才能完成，n个.py文件组成的代码集合被称为模块。
Python模块大概分为三种：自定义模块、内置模块、开源模块(第三方模块)，常见的有以下这些：requests、time、datetime、random、os、sys等。
绛旓細- django锛氬叏鍔熻兘Web寮鍙戞鏋 4. 鏁版嵁搴撶浉鍏虫ā鍧楋細- sqlite3锛歋QLite鏁版嵁搴撴ā鍧 - MySQLdb锛歁ySQL鏁版嵁搴撴ā鍧 - psycopg2锛歅ostgreSQL鏁版嵁搴撴ā鍧 - pymongo锛歁ongoDB鏁版嵁搴撴ā鍧 5. GUI寮鍙戞ā鍧楋細- tkinter锛歅ython鑷甫鐨勫浘褰㈢晫闈㈡ā鍧 - PyQt锛氳法骞冲彴鐨勫浘褰㈢晫闈㈡ā鍧 - wxPython锛氬熀浜巜xWidgets鐨勫浘褰㈢晫闈㈡ā鍧...
绛旓細1. 鏁板璁＄畻妯″潡 math妯″潡锛氭彁渚涗簡涓绯诲垪鏁板鍑芥暟鍜屽父閲忥紝濡傚钩鏂规牴銆佸鏁般佷笁瑙掑嚱鏁扮瓑銆2. 鏂囦欢鎿嶄綔妯″潡 os妯″潡鍜宻ys妯″潡锛氭彁渚涗簡涓庢搷浣滅郴缁熶氦浜掔殑鍔熻兘锛屽寘鎷枃浠舵搷浣溿佺幆澧冨彉閲忔帶鍒剁瓑銆俹s妯″潡涓昏澶勭悊鏂囦欢鍜岀洰褰曡矾寰勪互鍙婁笌涔嬬浉鍏崇殑杩涚▼鎺у埗鍔熻兘銆俿ys妯″潡鍒欐槸鐢ㄦ潵澶勭悊涓嶱ython瑙ｉ噴鍣ㄦ湰韬浉鍏崇殑鍔熻兘銆3. 缃戠粶...
绛旓細1銆乻ys 2銆乷s 3銆乻ocket 4銆乼ime 5銆乮o 6銆乨atetime 7銆乵ath 8銆乼kinter 9銆亁ml 10銆乺e 11銆乻tring 12銆乻ubprocess
绛旓細浜屻乺andom妯″潡 涓夈乷s妯″潡 os妯″潡鏄笌鎿嶄綔绯荤粺浜や簰鐨勪竴涓帴鍙
绛旓細杩欎釜涓嶈兘涓姒傝岃鐨勶紝鎹python鐩墠楂樿揪27涓+涓簱锛岀湅浣犲涔犵殑鏂瑰悜蹇呭妯″潡涔熸湁涓嶅悓锛岀畝鍗曞垪涓撅細1銆佺綉缁滈氱敤鏂归潰锛歶rllib -缃戠粶搴 requests -缃戠粶搴 pycurl 鈥 缃戠粶搴 httplib2 鈥 缃戠粶搴 RoboBrowser 鈥 娴忚缃戦〉 MechanicalSoup -涓涓笌缃戠珯鑷姩浜や簰Python搴 socket 鈥 搴曞眰缃戠粶鎺ュ彛 2銆佺埇铏柟闈細gr...
绛旓細2銆乻ys妯″潡#鎻愪緵瑙ｉ噴鍣ㄧ浉鍏虫搷浣 3銆乭ashlib妯″潡# 鐢ㄤ簬鍔犲瘑鐩稿叧鐨勬搷浣 4銆乯son鍜宲ickle妯″潡 #鐢ㄤ簬搴忓垪鍖栨暟鎹 5銆乻ubprocess妯″潡 6銆乻huit妯″潡#鏂囦欢鐨勫鍒剁Щ鍔 7銆乴ogging妯″潡#鏍煎紡鍖栬褰曟棩蹇 8銆乺andom妯″潡 鐢ㄤ簬鍙栭殢鏈烘暟 9銆乼ime datetime妯″潡鏃堕棿妯″潡 10銆乺e妯″潡 姝ｅ垯鍖归厤 鍏充簬Python寮鍙戜腑甯哥敤鐨勬ā鍧楁湁鍝簺...
绛旓細smtplib妯″潡 鍙戦佺數瀛愰偖浠 鍏朵粬搴撴殏鏈垎绫 1.PyInstaller: 鏄竴涓崄鍒嗘湁鐢ㄧ殑绗笁鏂瑰簱,瀹冭兘澶熷湪Windows銆丩inux銆 Mac OS X 绛夋搷浣滅郴缁熶笅灏 Python 婧愭枃浠舵墦鍖,閫氳繃瀵规簮鏂囦欢鎵撳寘, Python 绋嬪簭鍙互鍦ㄦ病鏈夊畨瑁 Python 鐨鐜涓繍琛,涔熷彲浠ヤ綔涓轰竴涓 鐙珛鏂囦欢鏂逛究浼犻掑拰绠＄悊銆 2.Ipython 涓绉嶄氦浜掑紡璁＄畻鍜屽紑鍙戠幆澧 璁茶В...
绛旓細涓銆佸鍏妯″潡 importmodule frommodule.xximportxx frommodule.xximportxxasrename frommodule.xximport 浜屻佸紑婧愭ā鍧 yum銆乸ip銆乤pt-get 婧愮爜缂栬瘧瀹夎锛Pythonsetup.pybuildPythonsetupinstall 涓夈佸父鐢ㄦā鍧 os妯″潡#鐢ㄤ綔绯荤粺绾у埆鐨勫伐浣 sys妯″潡#鎻愪緵瑙ｉ噴鍣ㄧ浉鍏虫搷浣 hashlib妯″潡#鐢ㄤ簬鍔犲瘑鐩稿叧鐨勬搷浣 json鍜宲ickle...
绛旓細Python鏄竴闂ㄩ潪甯搁珮绾х殑缂栫▼璇█锛屽唴缃簡璁稿鏍囧噯妯″潡锛屾瘮濡傦細sys銆乷s銆乨atetime绛夈俹s妯″潡 os.getcwd() # 鑾峰彇褰撳墠宸ヤ綔鐩綍锛屽嵆褰撳墠python鑴氭湰宸ヤ綔鐨勭洰褰曡矾寰 os.chdir("dirname") # 鏀瑰彉褰撳墠鑴氭湰宸ヤ綔鐩綍;鐩稿綋浜巗hell涓媍d os.curdir # 杩斿洖褰撳墠鐩綍: ('.')os.pardir # 鑾峰彇褰撳墠鐩綍鐨勭埗鐩綍瀛楃涓...
绛旓細路import璇彞-import modulefrom ...import璇彞-python涓鐨刦rom璇彞鏄寚浠庝竴涓寚瀹氱殑閮ㄥ垎瀵煎叆涓涓寚瀹氭ā鍧楀悕瀛梖orm mod_name import name 5銆佸悇涓被鍒鐨勬ā鍧楁湁鍝簺 鍐呯疆妯″潡: 灏辨槸python鑷繁鍐呴儴鑷甫鐨勪笉闇瑕佹垜浠幓涓嬭浇鐨勬ā鍧楋紝姣斿: sys锛宼ime锛宺andom绛変负浜嗗ぇ瀹舵柟渚跨悊瑙ｅ苟涓旇兘鏈変釜澶ф锛屾垜浠厛鏉ヤ妇鍑犱釜...
