【图解】连狗子都能看懂的Python基础总结(二)什么是库、包、模块?

【图解】连狗子都能看懂的Python基础总结!(二)什么是库、包、模块?

本章内容

  • 什么是模块?
  • 什么是包?
  • 什么是库?
  • 什么是标准库和第三方库?

上次,我们解释了“变量”“数组”“函数”“类”,它们是编程的基础。

在学习 Python 时,您会经常看到术语“模块”、“包”和“库”
这一次,我将解释这三个词的含义,它们的作用以及它们的区别

通过了解这三件事,您可以更好地了解使用 Python 进行编程。请看到最后

【图解】连狗子都能看懂的Python基础总结(二)什么是库、包、模块?_第1张图片
首先,我想用一个词来介绍模块、包和库

  1. 一个模块是几个函数和类的集合。
  2. 一个包是几个模块的集合。
  3. 库是几个包的集合。

概念的大小按如下顺序排列。

库>包>模块>类>函数>变量

在这篇图文中我会很详细的向你讲解

什么是模块?

【图解】连狗子都能看懂的Python基础总结(二)什么是库、包、模块?_第2张图片
模块是单个 Python 文件,用于表示程序的一部分。

如果你想用 Python 编程,创建一个扩展名为 .py 的文件并在其中编写代码。在开发应用程序或系统时,它通常不是一个文件。创建 10 个或 20 个或超过 100 个 Python 文件并将它们组合起来以使其作为程序运行。

这时,从整个程序的角度来看,一个文件被认为是一个部分。单个应用程序由大量部分组成。在 Python 中,单个文件称为模块。因此,一个模块包含几个变量、数组、函数和类。

举个例子

你目前正在用Python开发一个RPG游戏应用程序。 当你继续写程序时,代码量已经大到有些难以阅读。

所以你把程序分成三个文件,并命名为character.pymonster.pymagic.py。 每个文件都包含一个角色程序、一个怪物程序和一个魔法程序。 这三个文件在python世界中被称为模块。

character.py
monster.py
magic.py

模块是组合使用的。 例如,你可能经常想在character.py中使用magic.py中创建的一个函数。 在这种情况下,Python 允许你通过使用导入过程来调用其他模块的函数。

# 有关于魔术的技能

def fire():
    print("火魔法!")

def ice():
    print("水魔法!")

def thunder():
    print("雷魔法!")
# 包含有关该人物的过程的文件

import magic

print("我是一个法师!")
print("哈撒给!")
magic.fire()
# 执行结果
我是一名法术!
哈撒给!
火魔法!

通过这种方式,代码可以被分为每个角色的模块(部分),一个模块有一个功能,使代码易于阅读。 这在以后重读代码或作为一个团队开发时非常有用。

另外,通过将它们分组为模块,代码可以在以后被反复使用。

什么是包?

【图解】连狗子都能看懂的Python基础总结(二)什么是库、包、模块?_第3张图片
一个包是几个模块的集合。

包是管理几个模块的一个有用的工具。 在大型项目中,所需模块的数量可能会增加。 在这种情况下,有可能将模块组合成一个单一的包,并对其进行管理以方便使用。

如何创建一个包

当创建一个包时,首先把你想打包的模块放在一个目录中。 在该目录中,创建一个新的特殊文件,名为__init__.py。 这只是一个单一的Python文件,因为它的扩展名是.py。 然而,通过这样一个名为 init.py 的文件,该目录下的文件被视为一个单一的包。

# 目录结构
.
├── creatures
│   ├── __init__.py
│   ├── character.py
│   └── moster.py
└── magic
    ├── __init__.py
    └── magic.py

包也可以是分层的。 如果代码量变得很大,尽量组织模块和包,以方便程序开发。

什么是库?

【图解】连狗子都能看懂的Python基础总结(二)什么是库、包、模块?_第4张图片
一个库是几个包的集合。

在library的情况下,它们可以在互联网上发布,供任何人安装。

由天才工程师创建的程序以这些库的形式分发。 通过将你自己的程序以库的形式组合起来,你可以将它们提供给全世界的Python程序员。

到此为止的内容被总结了一次。

  • 模块 一个函数和类的集合
  • 包 一个模块的集合
  • 库 一个包的集合。

一个模块内的功能、模块本身和包本身有时被称为库。 库可以被认为是一个程序中使用的部分的总称。 在这篇文章中,我们将把它们都称为库,并对它们进行解释。

什么是标准库和第三方库?

标准库和第三方库的区别

1.常用的标准库

  • ① 常用的标准库 random
  • ② 常用的标准库 math
  • ③ 常用的标准库 os

2.常用的第三方库

  • ① Numpy
  • ② Pandas
  • ③ Matplotlib
  • ④ Scikit-learn
  • ⑤ pip

标准库和第三方库

库可以被分为标准库和第三方库

【图解】连狗子都能看懂的Python基础总结(二)什么是库、包、模块?_第5张图片

1、标准库

【图解】连狗子都能看懂的Python基础总结(二)什么是库、包、模块?_第6张图片
标准库是 Python 自带的标准库。

安装 Python 时,标准库也会自动安装。因此,您以后无需自行安装即可使用该功能。

下面是一个常用的机器学习标准库的列表。

  1. ramdom
  2. math
  3. os

经常使用的标准库 ①random

random是一个可以生成各种随机数的库。

# 举个例子
import random

print(random.random())

#结果
0.447948002492365

经常使用的标准库 ②math

math是一个帮助你进行数学计算的库。

# 举个例子
import math

print(math.pi) 
print(math.ceil(4.2)) 
print(math.sqrt(4)) 

#结果
3.141592653589793
5
2.0

经常使用的标准库 ③OS

os主要能够进行文件和目录操作,允许你获得文件列表和路径,并创建新的文件和目录

# 举个例子
import os

path = './dir'

flist = os.listdir(path) 
print(flist)

#结果
['hoge.py', 'sample1.txt', 'sample2.txt']

2、第三方库

【图解】连狗子都能看懂的Python基础总结(二)什么是库、包、模块?_第7张图片

第三方库是没有作为标准提供的库,需要安装。

可以与Python一起使用的外部库主要是在PyPI网站上编译的。

以下是做机器学习时常用的第三方库列表。

  1. Numpy
  2. Pandas
  3. Matplotlib
  4. Scikit-learn
  5. pip

经常使用的第三方库 ①Numpy

NumPy是一个用于快速矩阵计算的库,通常用于科学和数值计算。

# 举个例子
import numpy as np

data = [[1, 2, 3, 4], [5, 6, 7, 8]]
arr = np.array(data) 

print(arr)
print(arr.ndim) 
print(arr.shape) 

经常使用的第三方库 ②Pandas

Pandas是一个数据分析库,使数据分析变得简单。

# 举个例子
import pandas as pd

cnt = pd.Series([10, 20, 30, 50, 80, 130])
print(cnt)

#结果
    0     10
    1     20
    2     30
    3     50
    4     80
    5    130
    dtype: int64

经常使用的第三方库 ③Matplotlib

Matplotlib是一个Python绘图库。

# 举个例子
import math
import numpy as np
from matplotlib import pyplot

pi = math.pi  

x = np.linspace(0, 2*pi, 100)  
y = np.sin(x)

pyplot.plot(x, y)
pyplot.show()

【图解】连狗子都能看懂的Python基础总结(二)什么是库、包、模块?_第8张图片

经常使用的第三方库 ④Scikit-learn

Scikit-learn是一个实现各种机器学习方法的库。

# 举个例子

#导入所需的库和数据集
import pandas as pd
import sklearn
from sklearn.datasets import load_iris, load_boston

#读取虹膜数据集。
iris = load_iris()

#将这些特征存储在一个数据框中,并显示前五行。
iris_features = pd.DataFrame(data = iris.data, columns = iris.feature_names)

#将标签串联起来存放。
iris_label =pd.Series(iris.target)

#分为训练和测试数据。
from sklearn.model_selection import train_test_split
features_train, features_test, label_train, label_test = train_test_split(iris_features, iris_label,test_size =0.5, random_state=0)

#导入所需的模块。
from sklearn import svm

#创建一个LinearSVM的实例。
Linsvc = svm.LinearSVC(random_state=0, max_iter=3000)

#用LinearSVM学习数据。
Linsvc.fit(features_train,label_train)

#用LinearSVM预测虹膜种类。
label_pred_Linsvc = Linsvc.predict(features_test)
print(label_pred_Linsvc)

#结果
[2 1 0 2 0 2 0 1 1 1 2 1 1 1 1 0 1 1 0 0 2 2 0 0 2 0 0 1 1 0 2 2 0 2 2 1 0
 2 1 1 2 0 2 0 0 1 2 2 1 2 1 2 2 1 2 2 2 2 1 2 2 0 2 1 1 1 1 2 0 0 2 1 0 0
 1]

经常使用的第三方库 ⑤PIP

pip是一个管理库(包)的库

# 举个例子
pip install numpy

pip uninstall numpy

pip list

pip -v

这就是这篇文章的所有内容。

如果你也正在学习python,欢迎加入我的大本营,解答疑惑、python资料,兼职副业应有尽有

你可能感兴趣的:(Python,python,爬虫,开发语言)