四大Python神器,学习之路让你事半功倍!!!

Python语言现在已经成为最流行的编程语言之一了,也是人工智能领域的首选编程语言。使用Python多年,在这里给大家推荐一下平时喜欢使用的Python工具和第三方包:

#### 1. `conda` 一个`Python`的虚拟环境管理工具

四大Python神器,学习之路让你事半功倍!!!_第1张图片

`Conda` 是一个Python的虚拟环境管理工具,非常好用,没有之一。使用体验远胜于`virtualenv + virtualenvwrapper组合`和`pipenv`等,有Linux版和windows版,强烈安利哦!

以下是一些常用命令,大家可以通过命令感受到这种便捷

- 创建一个名字为`py36`,解释器版本为3.6的虚拟环境

  ```bash
  > conda create -n py36 python=3.6
  ```

- 进入名为`py36`的虚拟环境

  ```bash
  > conda activate py36 
  ```

- 查看已经安装的python包

  ```bash
  (py36)> conda list
  或者
  (py36)> pip list
  ```

- 安装第三方包

  ```bash
  (py36)> conda install requests
  或者
  (py36)> pip install requests
  ```

- 退出虚拟环境

  ```bash
  (py36)> conda deactivate
  ```

#### 2. `requests`为人类编写的`HTTP`库

四大Python神器,学习之路让你事半功倍!!!_第2张图片

`requests`为人类编写的`HTTP`库,作者是`GitHub`上的网红程序员`kennethreitz`,,自从使用上`requests`就感觉到了与`kennethreitz`这位大神的牛逼的地方,作为开发者他懂开发者需要什么。`kennethreitz` 的另一个高明之处在于 ,他选择为`HTTP`提供第三方库,而HTTP使用广泛。

下面是`requests`的使用简单示例,  从这些示例中我感受到了一种优雅

```
Python 3.7.4 (default, Sep  7 2019, 18:27:02)
> import requests
> r = requests.get('https://api.github.com/repos/psf/requests')
> r.json()["description"]
'A simple, yet elegant HTTP library. Handcrafted, with ♥, for the Python community.'

> r = requests.get('https://api.github.com/user', auth=('user', 'pass'))
> r.status_code
200
> r.headers['content-type']
'application/json; charset=utf8'
> r.encoding
'utf-8'
> r.text
u'{"type":"User"...'
> r.json()
{u'disk_usage': 368627, u'private_gists': 484, ...}
```

#### 3. `spyder`一个科学上的`IDE`

四大Python神器,学习之路让你事半功倍!!!_第3张图片

在进行数据分析,机器学习等相关编程工作时,我们往往要关注数据的变化,`spyder`就是一款让你可以关注数据的`IDE`工具,特别喜欢他的变量浏览器。

`spyder`的安装和启动非常简单, 在命令行中执行如下命令即可: 

- 安装: `> pip install spyder`
- 启动: `> spyder3`

下面是我编程的时候的界面,我使用`opencv`读取了一张图片, 并转换成灰度图片。使用`spyder3`的工具能让我很清晰的看到了灰度图片的像素内容。

四大Python神器,学习之路让你事半功倍!!!_第4张图片

#### 4. `jupyter` 一个网页`IDE`工具

四大Python神器,学习之路让你事半功倍!!!_第5张图片

​    `jupyter`非常好用,可以理解成基于网页的`IPython`。

​    使用`jupyter`主要基于两个原因:1. `jupyter` 基于网页,意味着我们几乎不会再被不同的环境困扰,很容易就能通过网页客户端进行服务器端的编程。2. `jupyter`也让我们能看到数据变化,适应于需要关注数据变化,持续进行数据分析的编程工作。

​    不过`jupyter`的代码最终还是要通过`pycharm`等`IDE`落地, 但我们可以在`jupyter`快速完成试错和初始版本的构建,这个已经够了。

​    一个使用`jupyter`编程的场景如下

四大Python神器,学习之路让你事半功倍!!!_第6张图片

以上就是我在工作中频繁使用到的四个`Python`神器,极大的方便了我的工作,希望对你有用,碰到合适的场景就赶快去使用吧!
 

你可能感兴趣的:(python,it,程序员)