14 Python-Bibliotheken und -Module, die jeder Entwickler kennen sollte

Bibliotheken und Module machen das Leben eines Programmierers reibungslos.

Wenn Sie an Projekten arbeiten, können Sie auf Szenarien stoßen, die Sie mit der Standardcodierung einer Programmiersprache nicht lösen können. Wir brauchen einige Bibliotheken und Module, um diese Probleme zu überwinden.

Glücklicherweise unterstützt Python eine Vielzahl von Modulen und Bibliotheken. Python hat eingebaut Module sowie basierte Online-to-Offline-Werbezuordnungen von anderen gab. Bibliotheken und Module für die Entwicklung. Wir werden sowohl integrierte als auch Module von Drittanbietern sehen, die für Python-Projekte sehr vorteilhaft sind. Sehen wir uns zuerst die eingebauten Module an.

Python kommt mit vielen integrierten Modulen für verschiedene Anwendungsfälle. Wir werden die Module einzeln nach ihrer Verwendung studieren.

Collections

Python hat verschiedene Arten von Produktauswahl um die Sammlung von Daten zu speichern. Beispielsweise, Tupel, Liste, Diktat usw .., sind einige der integrierten Sammlungen von Python. Das Produktauswahl Das Modul bietet zusätzliche Funktionen für die integrierten Sammlungen.

Wenn du nimmst worüber Datenerfassung aus dem Produktauswahl Modul, es ist eher wie eine Python-Liste. Aber wir können drücken und Pop die Elemente von beiden Seiten. Es ist schneller als das Liste. Sie können die Verwendung worüber basierend auf Ihren Bedürfnissen. Lassen Sie uns einige echte Codierung mit sehen collection.deque Datensammlung.

import collections
nums = [1, 2, 3]
# creating deque collection from the list
deque = collections.deque(nums)

print(deque)

# adding an element at the end
deque.append(4)

print(deque)

# adding element at the starting
deque.appendleft(0)

print(deque)

# removing the element at the end
deque.pop()

print(deque)

# removing element at the starting
deque.popleft()

print(deque)

Führen Sie den obigen Code aus. siehe die Ergebnisse. Wir haben auch andere Datensammlungen in der Produktauswahl Modul.

Einige davon sind:

Gehen Sie zur Dokumentation der Produktauswahl Modul zum Erkunden aller Datensammlungen und Methoden.

Schnelle Notiz:- Verwenden Sie das dir (Objekt) integrierte Methode von Python, um alle Methoden eines Objekts anzuzeigen.

CSV

Wir können das benutzen CSV (durch Kommas getrennte Werte) Dateien zum Speichern der Tabellendaten. Das am häufigsten verwendete Format zum Importieren und Exportieren von Daten aus Tabellenkalkulationen und Datenbanken. Python wird mit einem Modul namens CSV geliefert mit dem umgehen CSV Dateien.

Sehen wir uns ein Beispiel für das Lesen der Daten aus a an CSV-Datei.

Erstellen Sie eine Datei mit dem Namen Beispiel.csv in Ihren Laptop und fügen Sie die folgenden Daten ein.

Name, Alter, Abschlussjahr Hafeez, 21,2021 Aslan, 23,2019 Rambabu, 21,2021

Wir haben Methoden zum Lesen und Schreiben im CSV-Modul. Wir werden sehen, wie die Daten aus den CSV-Dateien mit dem CSV-Modul gelesen werden.

import csv

with open('sample.csv') as file:
    # creating the reader
    reader = csv.reader(file)
    
    # reading line by line using loop
    for row in reader:
        # row is a list containing elements from the CSV file
        # joingin the list using join(list) method
        print(','.join(row))

Führen Sie den obigen Code aus, um die Ergebnisse anzuzeigen.

Wir werden auch ein Objekt namens haben csv.writer() um die Daten in die zu schreiben CSV Datei. Spielen Sie alleine mit den anderen Methoden dir() und  help()eingebaute Methoden. Wir haben ein anderes Modul namens JSON, die für die Handhabung verwendet wird JSON Dateien. Es ist auch ein eingebautes Modul.

Random

Python hat ein Modul namens zufällig Dadurch können die Daten zufällig generiert werden. Wir können alles zufällig produzieren, indem wir verschiedene Methoden anwenden zufällig Modul. Sie können dieses Modul in Anwendungen wie Tic-Tac-Toe, einem Würfelspiel usw. verwenden.

Sehen wir uns ein einfaches Programm an, um zufällige Ganzzahlen aus einem bestimmten Bereich zu generieren.

import random

# generating a random number from the range 1-100
print(random.randint(1, 100)) 

Sie überprüfen die anderen Methoden der zufällig Modul mit dir()und  help() Methoden. Lassen Sie uns ein kleines und einfaches Spiel mit dem schreiben zufällig Modul. Wir können es a nennen Zahlen-Ratespiel.

Was ist das Zahlen-Ratespiel?

Das Programm generiert eine Zufallszahl im Bereich von 1 bis 100. Der Benutzer errät die Zahl, bis sie mit der vom Programm generierten Zufallszahl übereinstimmt. Jedes Mal, wenn Sie drucken, ob die Benutzernummer kleiner als die Zufallszahl oder höher als die Zufallszahl ist. Der Quellcode zeigt dann die Anzahl der Vermutungen an.

Siehe den folgenden Code für das obige Programm.

# importing random module
import random

# generating random number
random_number = random.randint(1, 100)

# initializing no. of guess to 0
guess_count = 0

# running loop until user guess the random number
while True:
    # getting user input

    user_guessed_number = int(input("Enter a number in the range of 1-100:- "))

    # checking for the equality
    if user_guessed_number == random_number:
        print(f"You have guessed the number in {guess_count} guesses")
        # breaking the loop
        break
    elif user_guessed_number < random_number:
        print("Your number is low")
    elif user_guessed_number > random_number:
        print("Your number is high")

    # incrementing the guess count
    guess_count += 1

Tkinter

Tkinter ist ein eingebautes Modul für die Entwicklung von GUI (Graphical User Interface)-Anwendungen. Es ist praktisch für Anfänger. Wir können GUI-Anwendungen wie Taschenrechner, Anmeldesysteme, Texteditoren usw. entwickeln; Es gibt viele Ressourcen da draußen zu lernen GUI Entwicklung mit Tkinter.

Die beste Unterstützung ist es, dem Beamten zu folgen docs. Um mit dem zu beginnen Tkinter, Wähle den Shop von Ground & Grow docs und fange an, schön zu erschaffen GUI um weitere Anwendungsbeispiele zu finden.

# Module von Drittanbietern

Requests

Das Anforderungsmodul wird zum Senden aller Arten von verwendet HTTP Anfragen an den Server. Es erlaubt HTTP / 1.1 Anfragen zu senden. Wir können auch Header, Daten und andere Dinge mithilfe von Python-Wörterbüchern hinzufügen. Da es sich um ein Modul eines Drittanbieters handelt, müssen wir es installieren. Führen Sie den folgenden Befehl im Terminal oder in der Befehlszeile aus, um das zu installieren Zugriffe Modul.

pip install requests

Es ist unkompliziert, mit dem zu arbeiten Zugriffe Modul. Wir können anfangen mit dem zu arbeiten Zugriffe ohne Vorkenntnisse. Mal sehen, wie man eine Get-Anfrage sendet und was sie zurückgibt.

import requests

# sening a get request
request = requests.get("https://www.google.com/")

# 
print(request.status_code)
print(request.url)
print(request.request)

Der obige Code druckt den Statuscode, die URL und die Anforderungsmethode (GET, POST). Sie erhalten die Quelle der URL auch. Sie können mit dem darauf zugreifen Anfrage.Inhalt Bytes. Gehe zum docs dauert ebenfalls 3 Jahre. Das erste Jahr ist das sog. Zugriffe Modul und erkunden Sie mehr.

BeautifulSoup4

BeautifulSuppe Die Bibliothek wird für das Web Scraping verwendet. Es ist ein praktisches Modul, mit dem man arbeiten kann. Auch Anfänger können mit der Arbeit damit beginnen docs. Lesen Sie den Beispielcode, um die Details der Kundenberichte zu löschen.

Sie können installieren BeautifulSuppe indem Sie den folgenden Befehl in das Terminal/die Befehlszeile eingeben.

pip install beautifulsoup4

Und ein einfaches Programm für Ihr erstes Scraping.

## Scrping the ConsumerReport products list using BeautifulSoup

## importing bs4, requests modules
import bs4
import requests

## initializing url
url = "https://www.consumerreports.org/cro/a-to-z-index/products/index.htm"

## getting the reponse from the page using get method of requests module
page = requests.get(url)

## storing the content of the page in a variable
html = page.content

## creating BeautifulSoup object
soup = bs4.BeautifulSoup(html, "lxml")

## see the class or id of the tag which contains names ans links
div_class = "crux-body-copy"

## getting all the divs using find_all method
div_tags = soup.find_all("div", class_=div_class) ## finding divs whichs has mentioned class

## we will see all the tags with a tags which has name and link inside the div
for tag in div_tags:
    print(tag)

Führen Sie den obigen Code aus, um die Magie des Web-Scrapings zu sehen. Da sind mehr Web Scraping Frameworks da draußen, damit du es versuchst.

# Data Science und maschinelles Lernen

Es gibt einige Bibliotheken, die speziell für Data Science und maschinelles Lernen entwickelt wurden. All dies wird in entwickelt C. Sie sind blitzschnell.

Numpy

Numpy wird für wissenschaftliche Berechnungen verwendet.

Es erlaubt uns, mit mehrdimensionalen Arrays zu arbeiten. Die Implementierung von Arrays ist in Python nicht vorhanden. Hauptsächlich verwenden die Entwickler numpig in ihren maschinellen Lernprojekten. Es ist leicht zu lernen und Open-Source-Bibliothek. Fast jeder Ingenieur für maschinelles Lernen oder Datenwissenschaftler verwendet dieses Modul für komplexe mathematische Berechnungen.

Führen Sie den folgenden Befehl aus, um das zu installieren numpig Modul.

pip install numpy

Pandas

Pandas ist ein Datenanalysemodul. Wir können die Daten am effektivsten mit dem filtern Pandas Bibliothek. Es bietet verschiedene Arten von Datenstrukturen, mit denen man bequem arbeiten kann. Es bietet auch eine Dateiverwaltung mit verschiedenen Dateiformaten.

Installieren Sie das Modul mit dem folgenden Befehl.

pip install pandas

Matplotlib

Matplotlib ist eine 2D-Diagrammdiagrammbibliothek. Sie können die Daten mit visualisieren Matplotlib.

Wir können Bilder der Figuren in verschiedenen Formaten erzeugen. Wir zeichnen verschiedene Arten von Diagrammen wie Balkendiagramme, Fehlerdiagramme, Histogramme, Streudiagramme usw. Sie können das installieren Matplotlib mit dem folgenden Befehl.

pip install matplotlib

Schnelle Notiz:- Sie können installieren Anaconda um alle für Data Science erforderlichen Bibliotheken und Module zu erhalten.

Wenn Sie es ernst meinen, Python für Data Science und ML zu lernen, dann sehen Sie sich das an Udemy natürlich.

TensorFlow

TensorFlow ist eine von Google entwickelte End-to-End-Python-Bibliothek für maschinelles Lernen.

Mit TensorFlow können Sie Standardalgorithmen für maschinelles Lernen ausführen, neuronale Netze erstellen und numerische Berechnungen durchführen. Für die Arbeit mit TensorFlow ist jedoch ein tiefes Verständnis von Vektoren und Algebra erforderlich. 

So verwenden Sie TensorFlow

Erstellen Sie ein Projekt, navigieren Sie hinein und installieren Sie dann TensorFlow mit diesem Befehl.

pip install tensorflow-cpu

TensorFlow ist aus diesen Gründen sehr beliebt;

• Flexibel: TensorFlow kann verschiedene maschinelle Lernaufgaben wie Spracherkennung, Bilderkennung und Verarbeitung natürlicher Sprache ausführen, um nur einige zu nennen. 
• Skalierbar: Sie können TensorFlow verwenden, um Modelle für maschinelles Lernen auf verschiedenen Hardwaresystemen wie TPUs, GPUs und CPUs zu trainieren und bereitzustellen. 
• Große Gemeinschaft: TensorFlow hat mit mehr als eine große Benutzerbasis angezogen 174 Sterne und 88 Gabeln auf GitHub. 
• erweiterbar: Sie können TensorFlow an die spezifischen Anforderungen Ihres Projekts anpassen. 

TensorFlow ist ein kostenloses Open-Source-Projekt, dessen Quellcode auf GitHub verfügbar ist. 

Keras

Keras ist eine Deep Learning Application Programming Interface (API), die darauf aufbaut TensorFlow, eine Plattform für maschinelles Lernen. Deep Learning ist ein Teilbereich des maschinellen Lernens. Keras wurde entwickelt, um beim schnellen Experimentieren zu helfen und es den Benutzern zu ermöglichen, schnell von einer Idee zu einem Produkt zu gelangen. 

Während TensorFlow als Infrastrukturschicht für differenzierbare Programmierung fungiert, bietet Keras die wesentlichen Bausteine ​​und Abstraktionen für den Aufbau und die Auslieferung von Lösungen für maschinelles Lernen. Mit Keras nutzen Ingenieure die plattformübergreifenden Funktionen und die Skalierbarkeitsfunktion von TensorFlow. 

Um mit der Verwendung von Keras zu beginnen, installieren Sie es mit pip;

pip install keras

Warum Keras?

• Flexibel: Keras wurde mit dem „progressive Offenlegung von Komplexität” Prinzip. So können Sie verschiedene neuronale Netze erstellen, da sie verschiedene Optimierer, Aktivierungsfunktionen und Schichttypen unterstützen. 
• Einfache Anwendung: Keras ist einfach, aber nicht simpel aufgebaut. Als Ingenieur können Sie sich mit Keras auf die wichtigen Lösungen konzentrieren und werden gleichzeitig von der kognitiven Belastung entlastet. 
• Große Gemeinschaft: Keras hat eine große aufstrebende Community mit über 57.9 Sterne auf GitHub. 
• Skalierbar: Sie können Keras zum Experimentieren verwenden. Sie können diese API jedoch auch weiterhin verwenden, wenn Ihre Anwendung wächst. 

Keras ist eine kostenlose Open-Source-Deep-Learning-Python-Bibliothek. 

Scikitt-Learn

Scikitt-Lernen ist ein Python-Modul für maschinelles Lernen, das darauf aufbaut SciPy. Das Modul bietet effiziente und einfache Tools, mit denen Ingenieure Vorhersagedaten analysieren können. 

Scikitt-Learn hat viele Anwendungsfälle, wie unter anderem Klassifizierung, Clustering, Regression und Vorverarbeitung. 

In der Klassifizierungsfunktion können Sie dieses Modul verwenden, um die Kategorie eines Objekts zu identifizieren. Diese Funktion ist nützlich bei der Bilderkennung und Spam-Erkennung. 

Sie können Scikitt-Learn mit pip wie folgt in Ihrem Projektordner installieren;

pip install scikit-learn

Nach der Installation können Sie überprüfen, ob es gut eingerichtet ist, indem Sie in Ihre Dateien importieren als;

import sklearn

Warum Scikitt-Learn?

• Verschiedene maschinelle Lernalgorithmen: Sie können auf Algorithmen zugreifen, die von Entscheidungsbäumen, neuronalen Netzwerken und Random Forests bis hin zu Support-Vektor-Maschinen reichen. 
• Modellvisualisierung: Das Modul verfügt über verschiedene Tools zur Visualisierung von Machine-Learning-Modellen. 
• Modellbewertung: Mit diesem Modul können Sie Cross-Validation und Scoring-Metriken durchführen. 
• Datenvorverarbeitung: Mit dem Datenvorverarbeitungstool dieses Moduls können Sie Dimensionalitätsreduktion, Normalisierung und Merkmalsauswahl durchführen. 

Scikkit-Learn ist Open Source und mit einer BSD-Lizenz kommerziell nutzbar. 

# Web-Frameworks

Wir können viele Web-Frameworks in finden Python. Wir werden zwei Frameworks diskutieren, die von den Entwicklern häufig verwendet werden. Die beiden Frameworks sind Django und  Flasche.

Django

Django ist ein in Python entwickeltes Open-Source-Webframework. Es ist bequem, Websites mit zu erstellen Django. Mit diesem Framework können wir jede Art von Website erstellen. Einige der beliebtesten Websites, die mit Django erstellt wurden, sind Instagram, Bitbucket, Disqus, Mozilla Firefox usw ..,

• Mit den Funktionen von Django können wir schnell komplexe Websites erstellen.
• Django erledigt bereits viele der Aufgaben, die für die Webentwicklung erforderlich sind.
• Es bietet auch Sicherheit für die Angriffe SQL Injection, Cross-Site-Scripting, Cross-Site-Request-Fälschung und Clickjacking.
• Wir können jede Website erstellen, vom Content-Management-System bis hin zu sozialen Websites.

Die Dokumentation von Django ist eindeutig. Sie müssen mit Python für Django vertraut sein. Aber mach dir keine Sorgen, wenn du nicht bist. Django lernen ist einfach.

Flask

Flask ist ein in Python entwickeltes Micro-Web-Framework.

Es ist pythonischer als Django. Es hat eine ausgezeichnete Dokumentation klicken. Es verwendet die Jinja Template Engine. Es ist sehr komplex, große Websites zu erstellen. Die meisten Funktionen wie URL-Routing, Anforderungsversand, sichere Cookies, Sitzungen usw. sind in beiden Funktionen vorhanden Django und  Flasche.

Wählen Sie das Framework basierend auf der Komplexität Ihrer Website. Django wird bei Entwicklern immer beliebter. Es ist das am häufigsten verwendete Framework für die Webentwicklung in Python.

Fazit

Ich hoffe, Sie haben verschiedene Module, Bibliotheken und Frameworks für Python kennengelernt.

Jeder ist einmal ein Anfänger.

Was auch immer Sie beginnen möchten, gehen Sie zuerst zur Dokumentation und beginnen Sie, es zu lernen. Wenn Sie die Dokumente nicht verstehen können, finden Sie Crashkurse zu diesen Bildungs-Websites.

Sie können auch unseren Beitrag zur Vorgehensweise lesen Pip installieren auf verschiedenen Betriebssystemen.