Las bibliotecas y los módulos facilitan la vida de un programador.
Cuando está trabajando en proyectos, puede encontrar escenarios que no podrá resolver con la codificación estándar de un lenguaje de programación. Necesitamos algunas bibliotecas y módulos para superar esos problemas.
Afortunadamente, Python admite una gran cantidad de módulos y bibliotecas. Python tiene incorporado módulos así como terceros. bibliotecas y módulos para el desarrollo. Veremos módulos tanto integrados como de terceros, que son muy beneficiosos para los proyectos de Python. Exploremos primero los módulos incorporados.
Python viene con muchos módulos incorporados para diferentes casos de uso. Estudiaremos los módulos uno por uno según su uso.
Collections
Python tiene diferentes tipos de colecciones para almacenar la recopilación de datos. Por ejemplo, tupla, lista, dictado, etc., son algunas de las colecciones integradas de Python. los colecciones El módulo proporciona características adicionales a las colecciones integradas.
Si lo tomas deque recopilación de datos del colecciones módulo, es más como una lista de Python. Pero nosotros podemos empuje y Deliciosos los elementos de ambos lados. Es mas rapido que el --. Puede utilizar el deque basado en sus necesidades. Veamos algo de codificación real con colecciones.deque recopilación de datos.
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)
Ejecute el código anterior; ver los resultados. También tenemos otras colecciones de datos en el colecciones módulo.
Algunos de ellos son:
Para contrarrestar | Devuelve un dictado que contiene la frecuencia de elementos de la lista. Es una subclase de la clase dict. |
Lista de usuarios | Se utiliza para una subclase rápida de la lista. |
UserDict | Se usa para una subclase rápida del dict. |
Cadena de usuario | Se usa para una subclase rápida de str. |
Ir a la documentación del colecciones módulo para explorar todas las colecciones de datos y métodos.
Nota rápida:- Use el dir (objeto) método incorporado de Python para ver todos los métodos de un objeto.
CSV
Podemos usar el CSV (valores separados por comas) para almacenar los datos tabulares. El formato más utilizado para importar y exportar datos de hojas de cálculo y bases de datos. Python viene con un módulo llamado CSV para manejar el CSV archivos.
Veamos un ejemplo de lectura de datos de un archivo CSV.
Crea un archivo con el nombre muestra.csv en su computadora portátil y pegue los siguientes datos.
Nombre, edad, año de graduación Hafeez, 21,2021 Aslan, 23,2019 Rambabu, 21,2021
Tenemos métodos para leer y escribir en el módulo CSV. Veremos cómo leer los datos de los archivos CSV usando el módulo CSV.
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))
Ejecute el código anterior para ver los resultados.
También tendremos un objeto llamado csv.writer()
para escribir los datos en el CSV expediente. Juega con los otros métodos por tu cuenta usando el dir()
y help()
métodos incorporados. Tenemos otro módulo llamado JSON, que se utiliza para manipular JSON archivos. También es un módulo integrado.
Random
Python tiene un módulo llamado azar que permite generar los datos de forma aleatoria. Podemos producir cualquier cosa al azar utilizando diferentes formas de azar módulo. Puede utilizar este módulo en aplicaciones como tic-tac-toe, un juego de dados, etc.
Veamos un programa simple para generar números enteros aleatorios a partir de un rango dado.
import random
# generating a random number from the range 1-100
print(random.randint(1, 100))
Verifica los otros métodos del azar módulo usando dir()
y help()
métodos. Escribamos un juego pequeño y sencillo usando el azar módulo. Podemos llamarlo un Juego de adivinanzas de números.
¿Qué es el juego de adivinar números?
El programa generará un número aleatorio en el rango de 1 a 100. El usuario adivinará el número hasta que coincida con el número aleatorio generado por el programa. Cada vez imprimirá si el número de usuario es menor que el número aleatorio o mayor que el número aleatorio. Luego, el código fuente mostrará el número de conjeturas.
Consulte el código a continuación para el programa anterior.
# 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 es un módulo integrado para el desarrollo de aplicaciones GUI (interfaz gráfica de usuario). Es conveniente para los principiantes. Podemos desarrollar aplicaciones GUI como calculadoras, sistemas de inicio de sesión, editores de texto, etc.; hay muchos recursos para aprender GUI desarrollo con Tkinter.
El mejor apoyo es seguir al oficial documentos. Para empezar con el Tkinter, ir a la documentos y empieza a crear hermosas GUI aplicaciones.
# Módulos de terceros
Requests
El módulo de solicitudes se utiliza para enviar todo tipo de HTTP solicitudes al servidor. Permite HTTP / 1.1 solicitudes para enviar. También podemos agregar encabezados, datos y otras cosas usando diccionarios de Python. Como es un módulo de terceros, tenemos que instalarlo. Ejecute el siguiente comando en la terminal o la línea de comandos para instalar el solicitudes módulo.
pip install requests
Es sencillo trabajar con solicitudes módulo. Podemos empezar a trabajar con el solicitudes sin ningún conocimiento previo. Veamos cómo enviar una solicitud de obtención y qué devuelve.
import requests
# sening a get request
request = requests.get("https://www.google.com/")
#
print(request.status_code)
print(request.url)
print(request.request)
El código anterior imprimirá el status_code, la URL y el método de solicitud (GET, POST). Obtendrá la fuente del Enlance también. Puedes acceder a él con el solicitud.contenido bytes. Ve a la documentos de la solicitudes módulo y explorar más.
BeautifulSoup4
BeautifulSoup biblioteca se utiliza para raspado web. Es un módulo útil para trabajar. Incluso los principiantes pueden empezar a trabajar con él usando el documentos. Consulte el código de muestra para descartar los detalles de los informes del cliente.
Puede instalar BeautifulSoup escribiendo el siguiente comando en la terminal/línea de comando.
pip install beautifulsoup4
Y, un programa simple para su primer raspado.
## 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)
Ejecute el código anterior para ver la magia del web scraping. Hay mas marcos de web scraping ahí fuera para que lo pruebes.
# Ciencia de datos y aprendizaje automático
Existen algunas bibliotecas creadas especialmente para la ciencia de datos y el aprendizaje automático. Todos estos se desarrollan en C. Son ultrarrápidos.
Numpy
Numpy se utiliza para cálculos científicos.
Nos permite trabajar con arrays multidimensionales. La implementación de matrices no existe en Python. Principalmente los desarrolladores usan numpy en sus proyectos de aprendizaje automático. Es fácil de aprender y tiene una biblioteca de código abierto. Casi todos los ingenieros de aprendizaje automático o científicos de datos utilizan este módulo para cálculos matemáticos complejos.
Ejecute el siguiente comando para instalar el numpy módulo.
pip install numpy
Pandas
pandas es un módulo de análisis de datos. Podemos filtrar los datos de forma más eficaz utilizando Los pandas biblioteca. Ofrece diferentes tipos de estructuras de datos que son útiles para trabajar. También proporciona manejo de archivos con diferentes formatos de archivo.
Instale el módulo usando el siguiente comando.
pip install pandas
Matplotlib
matplotlib es una biblioteca de trazado de gráficos 2D. Puede visualizar los datos usando matplotlib.
Podemos generar imágenes de las figuras en diferentes formatos. Trazamos diferentes tipos de diagramas como gráficos de barras, gráficos de error, histogramas, diagramas de dispersión, etc., puede instalar el matplotlib usando el siguiente comando.
pip install matplotlib
Nota rápida:- Puede instalar Anaconda para obtener todas las bibliotecas y módulos necesarios para Data Science.
Si se toma en serio el aprendizaje de Python para ciencia de datos y aprendizaje automático, consulte este brillante Curso Udemy.
TensorFlow
TensorFlow es una biblioteca Python de aprendizaje automático integral que desarrolló Google.
Con TensorFlow, puede ejecutar algoritmos de aprendizaje automático estándar, crear redes neuronales y realizar cálculos numéricos. Sin embargo, se necesita una comprensión profunda de los vectores y el álgebra para trabajar con TensorFlow.

Cómo usar TensorFlow
Cree un proyecto, navegue hasta él y luego instale TensorFlow usando este comando;
pip install tensorflow-cpu
TensorFlow es bastante popular por estas razones;
- Flexible: TensorFlow puede realizar varias tareas de aprendizaje automático, como reconocimiento de voz, reconocimiento de imágenes y procesamiento de lenguaje natural, por mencionar algunas.
- Escalable: Puedes usar TensorFlow para entrenar e implementar modelos de aprendizaje automático en varios sistemas de hardware, como TPU, GPU y CPU.
- Gran comunidad: TensorFlow ha atraído a una gran base de usuarios con más de 174k estrellas y 88k bifurcaciones en GitHub.
- extensibles: Puede personalizar TensorFlow para que se adapte a las necesidades específicas de su proyecto.
TensorFlow es un proyecto gratuito de código abierto cuyo código fuente se encuentra en GitHub.
Keras
Keras es una interfaz de programación de aplicaciones (API) de aprendizaje profundo basada en TensorFlow, una plataforma de aprendizaje automático. Deep Learning es una subsección de Machine Learning. Keras se creó para ayudar en la experimentación rápida, lo que permite a los usuarios pasar rápidamente de una idea a un producto.

Si bien TensorFlow actúa como una capa de infraestructura para la programación diferenciable, Keras ofrece los componentes básicos y las abstracciones esenciales para crear y enviar soluciones de aprendizaje automático. Con Keras, los ingenieros aprovechan las capacidades multiplataforma y la característica de escalabilidad de TensorFlow.
Para comenzar a usar Keras, instálelo usando pip;
pip install keras
Por que Keras?
- Flexible: Keras fue construido con el “revelación progresiva de la complejidad” principio. Por lo tanto, puede crear varias redes neuronales, ya que admite diferentes optimizadores, funciones de activación y tipos de capas.
- Facilidad de uso: Keras está diseñado para ser simple pero no simplista. Como ingeniero, Keras le permite concentrarse en las soluciones que importan mientras lo descarga de la carga cognitiva.
- Gran comunidad: Keras tiene una gran comunidad en ciernes con más de 57.9k estrellas en GitHub.
- Escalable: Puedes usar Keras para experimentar. Sin embargo, también puede seguir usando esta API a medida que crece su aplicación.
Keras es una biblioteca de Python de aprendizaje profundo gratuita y de código abierto.
Scikitt-Learn
Scikitt-Learn es un módulo de aprendizaje automático de Python que se basa en Ciencia. El módulo ofrece herramientas simples y eficientes que los ingenieros pueden usar para analizar datos predictivos.

Scikitt-Learn tiene muchos casos de uso, como Clasificación, Agrupación, Regresión y Preprocesamiento, entre otros.
En la función Clasificación, puede usar este módulo para identificar la categoría de un objeto. Esta función es útil para el reconocimiento de imágenes y la detección de spam.
Puede instalar Scikitt-Learn en la carpeta de su proyecto usando pip de la siguiente manera;
pip install scikit-learn
Después de la instalación, puede verificar que esté bien configurado importando a sus archivos como;
import sklearn
¿Por qué Scikitt-Learn?
- Varios algoritmos de aprendizaje automático: Puede acceder a algoritmos que van desde árboles de decisión, redes neuronales y bosques aleatorios hasta admitir máquinas vectoriales.
- Visualización del modelo: El módulo tiene varias herramientas para visualizar modelos de aprendizaje automático.
- Evaluación del modelo: Puede realizar una validación cruzada y métricas de puntuación utilizando este módulo.
- Preprocesamiento de datos: Puede realizar reducción de dimensionalidad, normalización y selección de características a través de la herramienta de preprocesamiento de datos de este módulo.
Scikkit-Learn es de código abierto y comercialmente utilizable con una licencia BSD.
# Marcos Web
Podemos encontrar muchos frameworks web en Python. Discutiremos dos marcos que son ampliamente utilizados por los desarrolladores. Los dos marcos son Django y Frasco.
Django
Django es un marco web de código abierto desarrollado en Python. Es conveniente crear sitios web con Django. Podemos generar cualquier tipo de sitio utilizando este marco. Algunos de los sitios más populares creados con Django son Instagram, bitbucket, Disqus, Mozilla Firefox, etc.,
- Podemos construir sitios web complejos rápidamente con las características de Django.
- Django ya realiza muchas de las tareas necesarias para el desarrollo web.
- También proporciona seguridad para los ataques. Inyección de SQL, scripts entre sitios, falsificación de solicitudes entre sitios y clickjacking.
- Podemos construir cualquier sitio web, desde el sistema de administración de contenido hasta los sitios sociales.
La documentación de Django es inequívoca. Tienes que familiarizarte con Python para Django. Pero no se preocupe si no es así. Aprendiendo Django es fácil.
Flask
Flask es un marco de micro web desarrollado en Python.
Es más pitónico que Django. Tiene excelente documentación aquí. Usa el Jinja motor de plantillas. Es muy complejo crear grandes sitios web Flask. La mayoría de las funciones como enrutamiento de URL, envío de solicitudes, cookies seguras, sesiones, etc., están presentes en ambos Django y Frasco.
Elija el marco en función de la complejidad de su sitio web. Django está ganando popularidad entre los desarrolladores. Es el marco más utilizado para el desarrollo web en Python.
Conclusión
Espero que conozcas diferentes módulos, bibliotecas y marcos para Python.
Todo el mundo es una vez un principiante.
Sea lo que sea que quieras comenzar, primero ve a la documentación y comienza a aprenderlo. Si no puede entender los documentos, busque cursos intensivos sobre estos sitios web educativos.
También puede consultar nuestra publicación sobre cómo instalar pip en diferentes sistemas operativos.