最受欢迎的 15 大 Python 库有哪些 python 最好的 网页分析库 有哪些
2017\u5e7410\u5927\u6d41\u884cPython\u5e93\u6709\u54ea\u4e9b1\u3001NumPy
NumPy\u662f\u6784\u5efa\u79d1\u5b66\u8ba1\u7b97 stack \u7684\u6700\u57fa\u7840\u7684\u5305\u3002\u5b83\u4e3a Python \u4e2d\u7684 n \u7ef4\u6570\u7ec4\u548c\u77e9\u9635\u7684\u64cd\u4f5c\u63d0\u4f9b\u4e86\u5927\u91cf\u6709\u7528\u7684\u529f\u80fd\u3002\u8be5\u5e93\u8fd8\u63d0\u4f9b\u4e86 NumPy \u6570\u7ec4\u7c7b\u578b\u7684\u6570\u5b66\u8fd0\u7b97\u5411\u91cf\u5316\uff0c\u53ef\u4ee5\u63d0\u5347\u6027\u80fd\uff0c\u4ece\u800c\u52a0\u5feb\u6267\u884c\u901f\u5ea6\u3002
2\u3001SciPy
SciPy \u662f\u4e00\u4e2a\u5de5\u7a0b\u548c\u79d1\u5b66\u8f6f\u4ef6\u5e93\uff0c \u5305\u542b\u7ebf\u6027\u4ee3\u6570\u3001\u4f18\u5316\u3001\u96c6\u6210\u548c\u7edf\u8ba1\u7684\u6a21\u5757\u3002SciPy \u5e93\u7684\u4e3b
\u8981\u529f\u80fd\u5efa\u7acb\u5728 NumPy \u7684\u57fa\u7840\u4e4b\u4e0a\uff0c\u5b83\u901a\u8fc7\u5176\u7279\u5b9a\u7684\u5b50\u6a21\u5757\u63d0\u4f9b\u9ad8\u6548\u7684\u6570\u503c\u4f8b\u7a0b\u64cd\u4f5c\u3002SciPy \u7684\u6240\u6709\u5b50\u6a21\u5757\u4e2d\u7684\u51fd\u6570\u90fd\u6709\u8be6\u7ec6\u7684\u6587\u6863\uff0c\u8fd9\u4e5f\u662f\u4e00\u4e2a\u4f18\u52bf\u3002
3\u3001Pandas
Pandas\u662f\u4e00\u4e2a Python \u5305\uff0c\u65e8\u5728\u901a\u8fc7\u300c\u6807\u8bb0(labeled)\u300d\u548c\u300c\u5173\u7cfb(relational)\u300d\u6570\u636e\u8fdb\u884c\u5de5\u4f5c\uff0c\u7b80\u5355\u76f4\u89c2\u3002Pandas \u662f data wrangling \u7684\u5b8c\u7f8e\u5de5\u5177\u3002\u5b83\u8bbe\u8ba1\u7528\u4e8e\u5feb\u901f\u7b80\u5355\u7684\u6570\u636e\u64cd\u4f5c\u3001\u805a\u5408\u548c\u53ef\u89c6\u5316\u3002
4\u3001Seaborn
Seaborn \u4e3b\u8981\u5173\u6ce8\u7edf\u8ba1\u6a21\u578b\u7684\u53ef\u89c6\u5316;\u8fd9\u79cd\u53ef\u89c6\u5316\u5305\u62ec\u70ed\u5ea6\u56fe(heat map)\uff0c\u53ef\u4ee5\u603b\u7ed3\u6570\u636e\u4f46\u4e5f\u63cf\u7ed8\u603b\u4f53\u5206\u5e03\u3002Seaborn \u57fa\u4e8e Matplotlib\uff0c\u5e76\u9ad8\u5ea6\u4f9d\u8d56\u4e8e\u5b83\u3002
5\u3001Bokeh
Bokeh\u662f\u4e00\u4e2a\u5f88\u597d\u7684\u53ef\u89c6\u5316\u5e93\uff0c\u5176\u76ee\u7684\u662f\u4ea4\u4e92\u5f0f\u53ef\u89c6\u5316\uff0c\u4e0d\u8fc7\u8fd9\u4e2a\u5e93\u72ec\u7acb\u4e8e Matplotlib\uff0c\u5b83\u901a\u8fc7\u73b0\u4ee3\u6d4f\u89c8\u5668\u4ee5\u6570\u636e\u9a71\u52a8\u6587\u6863(D3.js)\u7684\u98ce\u683c\u5448\u73b0\u3002
6\u3001Scikits
Scikits \u662f SciPy Stack \u7684\u9644\u52a0\u8f6f\u4ef6\u5305\uff0c\u4e13\u4e3a\u7279\u5b9a\u529f\u80fd(\u5982\u56fe\u50cf\u5904\u7406\u548c\u8f85\u52a9\u673a\u5668\u5b66\u4e60)\u800c\u8bbe\u8ba1\u3002\u5176\u4e2d\u6700\u7a81\u51fa\u7684\u4e00\u4e2a\u662f scikit-learn\u3002\u8be5\u8f6f\u4ef6\u5305\u6784\u5efa\u4e8e SciPy \u4e4b\u4e0a\uff0c\u5e76\u5927\u91cf\u4f7f\u7528\u5176\u6570\u5b66\u64cd\u4f5c\uff0c\u662f\u4f7f\u7528 Python \u8fdb\u884c\u673a\u5668\u5b66\u4e60\u7684\u5b9e\u9645\u4e0a\u7684\u884c\u4e1a\u6807\u51c6\u3002
7\u3001Theano
Theano \u662f\u4e00\u4e2a Python \u5305\uff0c\u5b83\u5b9a\u4e49\u4e86\u4e0e NumPy \u7c7b\u4f3c\u7684\u591a\u7ef4\u6570\u7ec4\uff0c\u4ee5\u53ca\u6570\u5b66\u8fd0\u7b97\u548c\u8868\u8fbe\u5f0f\u3002\u8be5\u5e93\u662f\u7ecf\u8fc7\u7f16\u8bd1\u7684\uff0c\u4f7f\u5176\u5728\u6240\u6709\u67b6\u6784\u4e0a\u80fd\u591f\u9ad8\u6548\u8fd0\u884c\u3002\u8fd9\u4e2a\u5e93\u6700\u521d\u7531\u8499\u7279\u5229\u5c14\u5927\u5b66\u673a\u5668\u5b66\u4e60\u7ec4\u5f00\u53d1\uff0c\u4e3b\u8981\u662f\u4e3a\u4e86\u6ee1\u8db3\u673a\u5668\u5b66\u4e60\u7684\u9700\u6c42\u3002
8\u3001Keras
Keras\u662f\u4e00\u4e2a\u4f7f\u7528\u9ad8\u5c42\u63a5\u53e3\u6784\u5efa\u795e\u7ecf\u7f51\u7edc\u7684\u5f00\u6e90\u5e93\uff0c\u5b83\u662f\u7528 Python \u7f16\u5199\u7684\u3002\u5b83\u7b80\u5355\u6613\u61c2\uff0c\u5177\u6709\u9ad8\u7ea7\u53ef\u6269\u5c55\u6027\u3002Keras \u6781\u5176\u5bb9\u6613\u4e0a\u624b\uff0c\u800c\u4e14\u53ef\u4ee5\u8fdb\u884c\u5feb\u901f\u7684\u539f\u578b\u8bbe\u8ba1\uff0c\u8db3\u4ee5\u7528\u4e8e\u4e25\u8083\u7684\u5efa\u6a21\u3002
9\u3001Gensim
Gensim\u662f\u4e00\u4e2a\u7528\u4e8e Python \u7684\u5f00\u6e90\u5e93\uff0c\u5b9e\u73b0\u4e86\u7528\u4e8e\u5411\u91cf\u7a7a\u95f4\u5efa\u6a21\u548c\u4e3b\u9898\u5efa\u6a21\u7684\u5de5\u5177\u3002Gensim \u5b9e\u73b0\u4e86\u8bf8\u5982\u5206\u5c42 Dirichlet \u8fdb\u7a0b(HDP)\u3001\u6f5c\u5728\u8bed\u4e49\u5206\u6790(LSA)\u548c\u6f5c\u5728 Dirichlet \u5206\u914d(LDA)\u7b49\u7b97\u6cd5\uff0c\u8fd8\u6709 tf-idf\u3001\u968f\u673a\u6295\u5f71\u3001word2vec \u548c document2vec\uff0c\u4ee5\u4fbf\u4e8e\u68c0\u67e5\u4e00\u7ec4\u6587\u6863(\u901a\u5e38\u79f0\u4e3a\u8bed\u6599\u5e93)\u4e2d\u6587\u672c\u7684\u91cd\u590d\u6a21\u5f0f\u3002
10\u3001Scrapy
Scrapy \u662f\u7528\u4e8e\u4ece\u7f51\u7edc\u68c0\u7d22\u7ed3\u6784\u5316\u6570\u636e\u7684\u722c\u866b\u7a0b\u5e8f\u7684\u5e93\u3002\u5b83\u73b0\u5728\u5df2\u7ecf\u53d1\u5c55\u6210\u4e86\u4e00\u4e2a\u5b8c\u6574\u7684\u6846\u67b6\uff0c\u53ef\u4ee5\u4ece API \u6536\u96c6\u6570\u636e\uff0c\u4e5f\u53ef\u4ee5\u7528\u4f5c\u901a\u7528\u7684\u722c\u866b\u3002\u8be5\u5e93\u5728\u63a5\u53e3\u8bbe\u8ba1\u4e0a\u9075\u5faa\u8457\u540d\u7684 Don\u300ft Repeat Yourself \u539f\u5219\u2014\u2014\u63d0\u9192\u7528\u6237\u7f16\u5199\u901a\u7528\u7684\u53ef\u590d\u7528\u7684\u4ee3\u7801\uff0c\u56e0\u6b64\u53ef\u4ee5\u7528\u6765\u5f00\u53d1\u548c\u6269\u5c55\u5927\u578b\u722c\u866b\u3002
1.Beautiful Soup\u5728java\u91cc\u7528\u8fc7\uff0c\u8fd8\u6210\uff0c\u5076\u5c14\u89e3\u6790\u4e0d\u5230\u3002 \u7b80\u5355\u3002
2.python\u81ea\u5e26\u4e86\u4e00\u4e2aSGML\u7684\u89e3\u6790\u3002\u90a3\u4e2a\u5c0f\u6a21\u5757\u7565\u7565\u6539\u4e00\u6539\u5e94\u8be5\u5f88\u597d\u7528\u7684\u3002\u6211\u4ee5\u524d\u7528\u5b83\u505a\u8fc7\u7578\u5f62\u6821\u6b63\u6a21\u5757\u3002\u6548\u7387\u4e00\u822c\u3002
3.\u5927\u591a\u6570\u60c5\u51b5\u4e0b\u6211\u90fd\u662f\u7528re\u5e93\uff0c\u6b63\u5219\u8868\u8fbe\u5f0f\u76f4\u63a5\u89e3\u6790\uff0c\u7b80\u5355\u76f4\u63a5\u6613\u7528\u3002\u7528\u597d\u4e86\u901f\u5ea6\u6700\u5feb\u3002\u7ecf\u5e38\u7528\u6765\u642d\u5efa\u670d\u52a1\u7aef\u7684\u9ad8\u6548\u5904\u7406\u8fc7\u6ee4\u5668\u3002
2、Numpy：是专门为Python中科学计算而设计的软件集合，它为Python中的n维数组和矩阵的操作提供了大量有用的功能。该库提供了NumPy数组类型的数学运算向量化，可以改善性能，从而加快执行速度。
3、SciPy：是一个工程和科学软件库，包含线性代数，优化，集成和统计的模块。SciPy库的主要功能是建立在NumPy上，通过其特定子模块提供有效的数值例程，并作为数字积分、优化和其他例程。
4、Matplotlib：为轻松生成简单而强大的可视化而量身定制，它使Python成为像MatLab或Mathematica这样的科学工具的竞争对手。
5、Seaborn：主要关注统计模型的可视化(包括热图)，Seaborn高度依赖于Matplotlib。
6、Bokeh：独立于Matplotlib，主要焦点是交互性，它通过现代浏览器以数据驱动文档的风格呈现。
7、Plotly：是一个基于Web用于构建可视化的工具箱，提供API给一些编程语言(Python在内)。
8、Scikits：是Scikits
Stack额外的软件包，专为像图像处理和机器学习辅助等特定功能而设计。它建立在SciPy之上，中集成了有质量的代码和良好的文档、简单易用并且十分高效，是使用Python进行机器学习的实际行业标准。
9、Theano：是一个Python软件包，它定义了与NumPy类似的多维数组，以及数学运算和表达式。此库是被编译的，可实现在所有架构上的高效运行。
10、TensorFlow：是数据流图计算的开源库，旨在满足谷歌对训练神经网络的高需求，并且是基于神经网络的机器学习系统DistBelief的继任者，可以在大型数据集上快速训练神经网络。
11、Keras：是一个用Python编写的开源的库，用于在高层的接口上构建神经网络。它简单易懂，具有高级可扩展性。
12、NLTK：主要用于符号学和统计学自然语言处理(NLP) 的常见任务，旨在促进NLP及相关领域(语言学，认知科学人工智能等)的教学和研究。
13、Gensim：是一个用于Python的开源库，为有向量空间模型和主题模型的工作提供了使用工具。这个库是为了高效处理大量文本而设计，不仅可以进行内存处理，还可以通过广泛使用NumPy数据结构和SciPy操作来获得更高的效率。
…………
Python常用库大全，看看有没有你需要的。
环境管理
管理 Python 版本和环境的工具
p – 非常简单的交互式 python 版本管理工具。
pyenv – 简单的 Python 版本管理工具。
Vex – 可以在虚拟环境中执行命令。
virtualenv – 创建独立 Python 环境的工具。
virtualenvwrapper- virtualenv 的一组扩展。
包管理
管理包和依赖的工具。
pip – Python 包和依赖关系管理工具。
pip-tools – 保证 Python 包依赖关系更新的一组工具。
conda – 跨平台，Python 二进制包管理工具。
Curdling – 管理 Python 包的命令行工具。
wheel – Python 分发的新标准，意在取代 eggs。
包仓库
本地 PyPI 仓库服务和代理。
warehouse – 下一代 PyPI。
Warehousebandersnatch – PyPA 提供的 PyPI 镜像工具。
devpi – PyPI 服务和打包/测试/分发工具。
localshop – 本地 PyPI 服务（自定义包并且自动对 PyPI 镜像）。
分发
打包为可执行文件以便分发。
PyInstaller – 将 Python 程序转换成独立的执行文件（跨平台）。
dh-virtualenv – 构建并将 virtualenv 虚拟环境作为一个 Debian 包来发布。
Nuitka – 将脚本、模块、包编译成可执行文件或扩展模块。
py2app – 将 Python 脚本变为独立软件包（Mac OS X）。
py2exe – 将 Python 脚本变为独立软件包（Windows）。
pynsist – 一个用来创建 Windows 安装程序的工具，可以在安装程序中打包 Python本身。
构建工具
将源码编译成软件。
buildout – 一个构建系统，从多个组件来创建，组装和部署应用。
BitBake – 针对嵌入式 Linux 的类似 make 的构建工具。
fabricate – 对任何语言自动找到依赖关系的构建工具。
PlatformIO – 多平台命令行构建工具。
PyBuilder – 纯 Python 实现的持续化构建工具。
SCons – 软件构建工具。
交互式解析器
交互式 Python 解析器。
IPython – 功能丰富的工具，非常有效的使用交互式 Python。
bpython- 界面丰富的 Python 解析器。
ptpython – 高级交互式Python解析器， 构建于python-prompt-toolkit 之上。
文件
文件管理和 MIME（多用途的网际邮件扩充协议）类型检测。
imghdr – （Python 标准库）检测图片类型。
mimetypes – （Python 标准库）将文件名映射为 MIME 类型。
path.py – 对 os.path 进行封装的模块。
pathlib – （Python3.4+ 标准库）跨平台的、面向对象的路径操作库。
python-magic- 文件类型检测的第三方库 libmagic 的 Python 接口。
Unipath- 用面向对象的方式操作文件和目录
watchdog – 管理文件系统事件的 API 和 shell 工具
日期和时间
操作日期和时间的类库。
arrow- 更好的 Python 日期时间操作类库。
Chronyk – Python 3 的类库，用于解析手写格式的时间和日期。
dateutil – Python datetime 模块的扩展。
delorean- 解决 Python 中有关日期处理的棘手问题的库。
moment – 一个用来处理时间和日期的Python库。灵感来自于Moment.js。
PyTime – 一个简单易用的Python模块，用于通过字符串来操作日期/时间。
pytz – 现代以及历史版本的世界时区定义。将时区数据库引入Python。
when.py – 提供用户友好的函数来帮助用户进行常用的日期和时间操作。
文本处理
用于解析和操作文本的库。
通用
chardet – 字符编码检测器，兼容 Python2 和 Python3。
difflib – (Python 标准库)帮助我们进行差异化比较。
ftfy – 让Unicode文本更完整更连贯。
fuzzywuzzy – 模糊字符串匹配。
Levenshtein – 快速计算编辑距离以及字符串的相似度。
pangu.py – 在中日韩语字符和数字字母之间添加空格。
pyfiglet -figlet 的 Python实现。
shortuuid – 一个生成器库，用以生成简洁的，明白的，URL 安全的 UUID。
unidecode – Unicode 文本的 ASCII 转换形式 。
uniout – 打印可读的字符，而不是转义的字符串。
xpinyin – 一个用于把汉字转换为拼音的库。
常用的有如下这些吧
sys
os
fileinput
time
shelve
re
shelve
扩展阅读：xbox series x ... c14 一千多 严重吗 ... oneplus 9r ... apple 15 pro max ... iphone 15 pro max ... 12 pro max ... 一丨一2丨的值是多少 ... 生活中4种行为最伤肝 ... 伤透肝脏的五种行为 ...
