文章目录

前言1.numpy（数据处理和科学计算）2.pandas（数据处理和分析）3.matplotlib（数据可视化）4.scikit-learn（机器学习工具）5.tensorflow（深度学习框架）6.keras（深度学习框架）7.requests（HTTP 库）8.flask（Web 框架）9.scrapy（网络爬虫框架）10.beautifulsoup（HTML 解析器）11.selenium（Web 自动化测试）12.ctypes（调用 C 语言库）13.wxPython（GUI 开发）14.pillow（图像处理）15.openpyxl（处理 Excel 文件）16.nltk（自然语言处理）17.jieba（中文分词）18.re（正则表达式）19.datetime（日期时间处理）20.random（随机数生成）总结关于Python技术储备一、Python所有方向的学习路线二、Python基础学习视频三、精品Python学习书籍

四、Python工具包+项目源码合集①Python工具包②Python实战案例③Python小游戏源码五、面试资料

六、Python兼职渠道

前言

【python零基础入门小白】博主存在的意义：旨在帮助各位学习Python的小伙伴获得更高速更效率的学习收获。

这篇文章主要介绍了Python最常用的20 个包总结,在平时使用Python的过程中,需要用到很多有用的包,今天就来盘点一下常用的包,需要的朋友可以参考下

1.numpy（数据处理和科学计算）

代码示例：

<code>arr = np.array([1, 2, 3, 4, 5])

print(arr)

2.pandas（数据处理和分析）

data = { 'name': ['John', 'Bob', 'Alice'], 'age': [20, 35, 25]}

df = pd.DataFrame(data)

print(df)

3.matplotlib（数据可视化）

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]

y = [4, 2, 7, 5, 9]

plt.plot(x, y)

plt.show()

4.scikit-learn（机器学习工具）

from sklearn.linear_model import LinearRegression

X = [[1, 4], [2, 5], [3, 6]]

y = [8, 10, 12]

model = LinearRegression().fit(X, y)

print(model.predict([[4, 7]]))

5.tensorflow（深度学习框架）

import tensorflow as tf

x = tf.constant([1, 2, 3, 4])

y = tf.constant([5, 6, 7, 8])

z = tf.add(x, y)

sess = tf.Session()

print(sess.run(z))

6.keras（深度学习框架）

from keras.models import Sequential

from keras.layers import Dense

model = Sequential()

model.add(Dense(10, input_dim=5, activation='relu'))code>

model.add(Dense(1, activation='sigmoid'))code>

model.compile(loss='binary_crossentropy', optimizer='adam')code>

7.requests（HTTP 库）