目錄
1、NumPy?(數值計算基礎庫)
核心特點：
應用場景：
代碼示例：
2、Pandas?(數據分析處理庫)
應用場景：
代碼示例：
3、Scikit-learn (機器學習庫)
核心特點：
應用場景：
代碼示例：
4、TensorFlow (深度學習框架)
核心特點：
應用場景：
代碼示例：
5、PyTorch (深度學習框架)
核心特點：
應用場景：
代碼示例：
6、Django (Web框架)
核心特點：
應用場景：
代碼示例：
7、Flask (輕量級Web框架)
核心特點：
應用場景：
代碼示例：
8、FastAPI (現代Web框架)
核心特點：
應用場景：
代碼示例：
9、Requests (HTTP庫)
核心特點：
應用場景：
代碼示例：
10、Scrapy (爬蟲框架)
核心特點：
應用場景：
代碼示例：
以下近80個常用庫。含網絡操作，數據分析，數據庫，機器學習股票操作等。介紹分名字，網址，特點，適用場景，示例代碼。可以先收藏后慢慢看，也可以轉發給需要的人。有問題留言。
正式的文章開始了。
1、NumPy?(數值計算基礎庫)
核心特點：
- 提供多維數組對象ndarray
- 支持廣播功能的向量化運算
- 強大的線性代數運算支持
- 高效的內存管理和數據處理能力
應用場景：
- 科學計算：矩陣運算、傅里葉變換
- 圖像處理：像素矩陣操作
- 數據分析：大規模數據處理
- 機器學習：特征工程、數據預處理
代碼示例：
import numpy as np
# 創建數組
arr = np.array([1, 2, 3])
# 矩陣運算
matrix = np.dot(arr, arr.T)
# 統計運算
mean = np.mean(arr)2、Pandas?(數據分析處理庫)
核心特點：
- DataFrame和Series數據結構
- 強大的數據清洗和轉換功能
- 高效的數據聚合和分組操作
- 完善的時間序列功能
應用場景：
- 金融數據分析：股票數據處理
- 商業智能：銷售數據分析
- 數據清洗：缺失值處理、異常值檢測
- 數據可視化：與matplotlib配合使用
代碼示例：
import pandas as pd
# 讀取CSV
df = pd.read_csv('data.csv')
# 數據篩選
filtered = df[df['price'] > 100]
# 分組統計
grouped = df.groupby('category').mean()3、Scikit-learn (機器學習庫)
核心特點：
- 集成主流機器學習算法
- 統一的API接口設計
- 完善的數據預處理工具
- 模型評估和選擇工具
應用場景：
- 預測分析：銷售預測、用戶行為預測
- 分類問題：垃圾郵件識別、圖像分類
- 聚類分析：客戶群體劃分
- 特征工程：數據降維、特征選擇
代碼示例：
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
# 數據集分割
X_train, X_test, y_train, y_test = train_test_split(X, y)
# 模型訓練
model = LogisticRegression().fit(X_train, y_train)4、TensorFlow (深度學習框架)
核心特點：
- 靈活的神經網絡構建
- 自動微分系統
- 分布式訓練支持
- 完善的可視化工具TensorBoard
應用場景：
- 計算機視覺：物體檢測、人臉識別
- 自然語言處理：機器翻譯、文本分類
- 推薦系統：個性化推薦
- 語音識別：語音轉文字
代碼示例：
import tensorflow as tf
# 構建神經網絡
model = tf.keras.Sequential([tf.keras.layers.Dense(128, activation='relu'),tf.keras.layers.Dense(10, activation='softmax')
])5、PyTorch (深度學習框架)
核心特點：
- 動態計算圖
- Python優先的設計理念
- 優秀的調試能力
- 豐富的預訓練模型
應用場景：
- 研究原型開發：快速實驗新想法
- 計算機視覺：圖像分割、風格轉換
- 自然語言處理：情感分析、文本生成
- 強化學習：游戲AI、機器人控制
代碼示例：
import torch
# 創建模型
class Net(torch.nn.Module):def __init__(self):super().__init__()self.fc = torch.nn.Linear(784, 10)6、Django (Web框架)
?
核心特點：
- MTV架構設計
- 內置管理后臺
- ORM數據庫抽象
- 完善的安全機制
應用場景：
- 企業網站：內容管理系統
- 電子商務：購物網站
- 社交平臺：社區網站
- API服務：RESTful接口
代碼示例：
from django.db import models
# 模型定義
class Product(models.Model):name = models.CharField(max_length=100)price = models.DecimalField(max_digits=10, decimal_places=2)7、Flask (輕量級Web框架)
https://github.com/pallets/flask
核心特點：
- 微框架設計
- 靈活的擴展系統
- 簡單直觀的路由
- 內置開發服務器
應用場景：
- 小型應用：個人博客
- API服務：微服務接口
- 原型開發：快速驗證想法
- 數據可視化：展示平臺
代碼示例：
from flask import Flask
app = Flask(__name__)@app.route('/')
def hello():return 'Hello World!'8、FastAPI (現代Web框架)
https://github.com/tiangolo/fastapi
核心特點：
- 異步支持
- 自動API文檔
- 類型提示支持
- 高性能設計
應用場景：
- 高性能API：實時數據接口
- 微服務：服務端點
- WebSocket應用：實時通信
- 數據流處理：流式API
代碼示例：
from fastapi import FastAPI
app = FastAPI()@app.get("/items/{item_id}")
async def read_item(item_id: int):return {"item_id": item_id}9、Requests (HTTP庫)
https://github.com/psf/requests
核心特點：
- 人性化的API設計
- 自動JSON解析
- Session和Cookie支持
- 強大的認證機制
應用場景：
- API調用：第三方服務集成
- 網絡爬蟲：數據采集
- 自動化測試：接口測試
- 系統集成：服務間通信
代碼示例：
import requests
# GET請求
response = requests.get('https://api.example.com/data')
# POST請求
response = requests.post('https://api.example.com/create', json={'key': 'value'})10、Scrapy (爬蟲框架)
https://github.com/scrapy/scrapy
核心特點：
- 異步網絡處理
- 可擴展的爬蟲框架
- 內置項目管理
- 數據提取工具
應用場景：
- 數據采集：電商價格監控
- 信息聚合：新聞采集
- 內容抓取：圖片下載
- 市場分析：競品監控
代碼示例：
import scrapy
class MySpider(scrapy.Spider):name = 'example'start_urls = ['http://example.com']def parse(self, response):for title in response.css('.title'):yield {'title': title.extract()}
