功能：提供安全相关的哈希函数，如MD5、SHA等，用于数据校验和加密。

代码案例：计算字符串的MD5哈希值

import hashlib

str_to_hash = "Hello, World!"

hash_object = hashlib.md5(str_to_hash.encode())

hex_dig = hash_object.hexdigest()

print(hex_dig)

12. flask - 微型Web框架

功能：轻量级的Web服务器网关接口（WSGI）Web应用框架。

代码案例：创建一个简单的Web应用，返回"Hello, World!"

from flask import Flask

app = Flask(__name__)

@app.route('/')

def hello_world():

return 'Hello, World!'

if __name__ == '__main__':

app.run()

13. sqlalchemy - SQL工具包和ORM系统

功能：提供SQLAlchemy ORM，用于与SQL数据库交互，支持多种数据库后端。

代码案例：连接SQLite数据库并查询数据

from sqlalchemy import create_engine, MetaData, Table, select

from sqlalchemy.orm import sessionmaker

engine = create_engine('sqlite:///example.db', echo=True)

Session = sessionmaker(bind=engine)

session = Session()

metadata = MetaData()

users = Table('users', metadata, autoload_with=engine)

stmt = select(users)

result = session.execute(stmt)

for row in result:

print(row)

14. tensorflow - 机器学习库

功能：Google开发的开源机器学习框架，广泛应用于深度学习模型的构建、训练和推理。

代码案例：使用TensorFlow创建一个简单的线性模型

import tensorflow as tf

import numpy as np

# 创建数据集

x_data = np.random.rand(100).astype(np.float32)

y_data = x_data * 0.1 + 0.3

# 定义变量

Weights = tf.Variable(tf.random.uniform([1], -1.0, 1.0))

biases = tf.Variable(tf.zeros([1]))

# 定义模型

y = Weights*x_data + biases

# 定义损失函数

loss = tf.reduce_mean(tf.square(y-y_data))

# 定义优化器

optimizer = tf.optimizers.SGD(0.5)

# 训练模型

for step in range(201):

optimizer.minimize(loss, var_list=[Weights, biases])

if step % 20 == 0:

print(step, Weights.numpy(), biases.numpy())

15. scikit-learn - 机器学习库

功能：提供了简单高效的数据挖掘和数据分析工具，包括分类、回归、聚类等多种算法。

代码案例：使用scikit-learn进行简单线性回归

from sklearn.model_selection import train_test_split

from sklearn.linear_model import LinearRegression

from sklearn import datasets

# 加载波士顿房价数据集

boston = datasets.load_boston()

X = boston.data

y = boston.target

# 划分训练集和测试集

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建并训练模型

model = LinearRegression()

model.fit(X_train, y_train)

# 预测并打印分数

score = model.score(X_test, y_test)

print("模型得分: %.2f%%" % (score*100))

16. pillow - 图像处理

功能：Pillow是PIL（Python Imaging Library）的一个派生，提供了丰富的图像处理功能。

代码案例：打开一个图片，将其尺寸缩小一半，并保存新图片

from PIL import Image

# 打开图片

with Image.open('example.jpg') as img:

# 缩小图片

img_resized = img.resize((img.width // 2, img.height // 2))

# 保存新图片

img_resized.save('example_resized.jpg')

17. scrapy - 网络爬虫框架

功能：用于抓取网页内容并提取结构化数据的框架，适用于数据挖掘、监测等场景。

代码案例：Scrapy简单爬虫示例（仅展示基本结构，完整运行需根据目标网站调整）

import scrapy

class MySpider(scrapy.Spider):

name = 'myspider'

start_urls = ['http://www.example.com/']

def parse(self, response):

page_title = response.css('title::text').get()

yield { 'title': page_title}

请注意，实际使用时，应遵守网站的robots.txt规则和相关法律法规，尊重网站版权和隐私政策。

18. PyQt / PySide - GUI开发

功能：这两者都是用于创建图形用户界面（GUI）的库，基于Qt框架。PyQt是社区支持的版本，而PySide由Qt公司官方维护。

代码案例：使用PyQt5创建一个简单的窗口

from PyQt5.QtWidgets import QApplication, QWidget

# 创建应用程序对象

app = QApplication([])

# 创建窗口

window = QWidget()

window.setWindowTitle('My First PyQt App')

# 显示窗口

window.show()

# 进入主事件循环

app.exec_()

19. asyncio - 异步I/O、并发编程

功能：Python中的异步编程库，用于编写单线程并发代码，利用协程、事件循环等机制处理并发任务。

代码案例：异步下载网页

import asyncio

import aiohttp

async def fetch(session, url):

async with session.get(url) as response:

return await response.text()

async def main():

async with aiohttp.ClientSession() as session:

html = await fetch(session, 'https://www.example.com')

print(html[:100])

# 运行异步函数

loop = asyncio.get_event_loop()

loop.run_until_complete(main())

20. beautifulsoup4 - HTML和XML解析

功能：一个用于解析HTML和XML文档的库，常用于网络爬虫中提取数据。

代码案例：解析HTML页面，提取标题

from bs4 import BeautifulSoup

import requests

url = 'https://www.example.com'

response = requests.get(url)

soup = BeautifulSoup(response.text, 'html.parser')

title = soup.find('title').text

print(title)

21. seaborn - 统计图形库

功能：基于matplotlib，提供了高级接口用于绘制统计图形，使得数据可视化更加美观和直观。

代码案例：绘制散点图矩阵

import seaborn as sns

import pandas as pd

# 载入内置数据集

iris = sns.load_dataset("iris")

# 绘制散点图矩阵

sns.pairplot(iris, hue="species")code>

plt.show()

22. joblib - 并行计算和持久化