多少个模块有Python（2023年的最新答案）

时间：2023-03-06 00:32:47 网络应用技术

　　简介：许多朋友问有关Python有多少个模块的问题。本文的首席CTO注释将为您提供一个详细的答案，以供所有人参考。我希望这对每个人都会有所帮助！让我们一起看看！

　　简而言之，该模块是实现函数的一堆代码。它们已经写成.py文件。在我们的.py文件中，我们只需要将模块导入模块即可使用其函数。

　　Python中的模块已在标准模块，开源模块和自定义模块中构建。

　　构建的标准模块是Python的模块，也就是说，下载Python可以直接导入模块，例如我们以前使用过的数学模块，时间模块等。

　　开源模块是由一个好人写的模块，没有充电。下载这些模块后，我们可以导入这些模块。开源模块通常称为第三 - 方模块，例如数据处理工具Numpy，Pandas和Deep Learning著名框架Tensorflow TensorFlowAll属于开源模块。

　　自定义模块对应于开源模块。开源模块由其他人编写，自定义模块是由其本身编写的模块。

　　Python中常用的三个模块

　　1.时间和DateTime模块

　　在Python中，通常有这些代表时间的方法：

　　时间戳：一般而言，时间戳表示1970年1月1日的00:00:00秒计算出的偏移量。我们运行“ type（time.time（））并返回浮点类型。

　　格式时间字符串（格式字符串）

　　构建时间（struct_time）：struct_time金属组总共有9个元素：（年，月，日，时间，时间，第二，第二周，一年中的前几天，夏季时间）

　　2.随机模块

　　3. OS模块

　　OS模块是与操作系统交互的接口

　　Python是一种非常高级的编程语言，具有许多标准模块，例如：SYS，OS，DateTime等。

　　操作系统模块

　　OS.GetCWD（）＃获取当前的工作目录，当前Python脚本工作的目录路径

　　os.chdir（“ dirname”）＃更改当前脚本工作目录;等效于CD下的外壳

　　OS.Curdir＃返回当前目录：{'。'）

　　OS.Pardir＃获取当前目录的父目录字符串：（'..'）

　　OS.Makedirs（'dirname1/dirname2'）＃

　　OS.removedirs（'dirname1'）＃如果目录为空，请删除并将其恢复到目录的先前级别中。如果它也为空，请删除它。

　　os.mkdir（'dirname'）＃生成一个单级目录;等效于壳中的mkdir dirname

　　OS.RMDIR（'dirname'）＃＃删除单个阶段空目录。如果目录不是空的，则无法删除它，并且报告了错误；

　　OS.listDir（'dirname'）＃＃在指定目录中列出所有文件和sub -directory，包括隐藏的文件，并在列表中打印。

　　OS.Remove（）＃删除文件

　　os.Rename（“ oldname”，“ newname”）＃

　　OS.STAT（'PATH/FILENAME'）＃获取文件/目录信息

　　OS.SEP＃输出操作系统 - 特定路径分离器，“ \”下的“ \”，“ Linux”下

　　OS.linesep＃输出当前平台使用的线终止符号，在Win下

　　“，linux是”

　　“

　　OS.Pathsep＃输出用于划分文件路径。

　　OS.NAME＃输出字符串指示当前平台。win-'t';linux-'posix'

　　OS.System（“ bash命令”）＃运行shell命令并直接显示

　　OS.Environ＃获取系统环境变量

　　OS.PATH.ABSPATH（路径）＃返回到标准路径的绝对路径

　　os.path.split（路径）＃返回将路径分为目录和文件名二进制组

　　os.path.dirname（路径）＃返回路径目录。

　　os.path.basename（路径）＃

　　返回路径的最终文件名。如何在末端返回pate，然后将返回空值。也就是说，这是OS.Path.split（path）的第二个元素

　　os.path.exists（路径）＃如果存在路径，请返回true;如果不存在路径，请返回false

　　os.path.isabs（路径）＃如果路径是绝对路径，请返回true

　　os.path.isfile（路径）＃如果路径是现有文件，请返回true。否则，返回false

　　os.path.isdir（路径）＃如果路径是现有目录，请返回true。否则，返回false

　　os.path.join（path1 [，path2 [，...]]）＃组合多个路径后的多个路径，在第一个绝对路径之前的参数将被忽略

　　os.path.getAtime（路径）＃返回到文件或路径指向的最后一个访问时间或目录

　　os.path.getmtime（path）＃返回到路径指向文件或目录的最终修改时间

　　OS.Path.getSize（路径）＃返回路径的大小

　　系统模块

　　sys.argv＃命令行参数列表，第一个元素是程序本身

　　sys.exit（n）＃退出程序，出口（0）正常出口时

　　sys.version＃获取Python解释程序的版本信息

　　sys.maxint＃最大的int值

　　sys.path＃返回模块的搜索路径，在初始化时使用PythonPath环境变量的值

　　sys.platform＃返回操作系统平台名称

　　DateTime模块

　　dateTime.today（）返回指示此期间当前日期的DateTime对象

　　datetime.now（[tz]）返回指定时区日期的日期对象。如果未指定TZ参数，则结果是相同的

　　dateTime.utcnow（）返回到当前UTC日期时间的日期对象

　　dateTime.fromtimestamp（timestamp [，tz]）基于指定的时间戳创建DateTime对象

　　datetime.utcfromtimestamp（Timestamp）基于指定的时间戳创建DateTime对象

　　datetime.strptime（date_str，格式）将时间字符串转换为dateTime对象

　　Python中六个最重要的图书馆：

　　首先，numpy

　　numpy是数值的

　　Python的缩写是Python数值计算的基石。它提供了各种数据结构，算法和大多数涉及Python数值计算的接口。Numpy也包括其他内容：

　　①快速有效的多维阵列对象ndarray

　　②基于元素的数字计算或数组之间的数学操作函数之间

　　③在硬盘中读取和编写数据集的工具

　　④线性代数操作，傅立叶变换和随机数生成

　　除了Numby的快速阵列处理能力到Python外，Numpy的另一个主要目的是算法和库之间的数据容器作为数据容器。对于数值数据，Numpy阵列可以比Python的构建-Iin更有效地存储和操作数据数据结构。

　　第二，熊猫

　　PANDA提供高级别的数据结构和功能。这些数据结构和功能的设计允许快速，简单且表现出结构化和汤匙的数据。它出现在2010年，并帮助Python一个强大而有效的数据分析环境。常用的PANDAS对象是DataFrame，它是数据框架，是一个数据。用于实现片剂，面向列和使用标签等级的结构；和系列，一个维标签数组对象。

　　PANDA将表和关系数据库的灵活数据操作功能与Numpy高性能数组计算的概念结合在一起。它提供了复杂的索引功能，从而选择了数据重组，阻塞，切片，聚合和子集选择。预处理和清洁是数据分析中的重要技能，大熊猫将是一个重要的主题。

　　第三，matplotlib

　　Matplotlib是用于绘图和其他两个维数据可视化的最流行的Python库。是约翰·D。

　　由Hunter创立，目前由一个大型开发人员团队维护。Matplotlib被设计为适合发布的绘图工具。

　　还有其他用于Python程序员的视觉库，但是Matplotlib仍然使用最广泛的库，并且与生态系统的其他库充分集成。

　　第四，伊比顿

　　ipython项目始于2001年，费尔南多（Fernando）

　　佩雷斯（Pérez）被发起开发更具交互性的Python解释器。在过去的16年中，它已成为Python数据技术堆栈中最重要的工具之一。

　　尽管它不提供任何计算或数据分析工具，但其设计侧重于在交互式计算和软件开发中最大化生产率。它使用执行探索工作流程以其他语言兼容 - 兼容 - 兼容式工作流程来替换典型的编辑器。-to-使用操作系统命令行和文件系统的接口。由于数据分析和编码工作包含大量探索，测试，试用错误和遍历，因此IPYTHON可以使您更快地完成工作。

　　第五，Scipy

　　Scipy是针对不同标准的科学计算领域的包装集合。以下是Scipy中包含的一些软件包：

　　①scipy。整合数值集成程序和微分方程解决方案设备

　　②scipy.linalg线性代数和numpy.linalg基质矩阵分解

　　③scipy.ptimize功能优化器和生根算法

　　④scipy.Signal信号处理工具

　　⑤scipy.sparse稀疏矩阵和稀疏线性系统解决方案

　　Scipy和Numpy以及许多传统的科学计算应用以及合理，完整和成熟的计算基础。

　　第六，Scikit-Learn

　　Scikit-Learn项目诞生于2010年，现在已成为Python程序员的首选。在七年中，Scikit-Learn在世界各地拥有1,500名代码贡献者。包括以下内容：

　　①类别：SVM，最近的邻居，随机森林，逻辑回归等。

　　②返回：拉索，Ling Return等。

　　③分类：K-均值，频谱聚类等。

　　④分配：PCA，功能选择，矩阵分解等。

　　⑤模型选择：网格搜索，交叉验证，索引矩阵

　　⑥预处理：特征提取，正状态

　　Scikit-Learn和Pandas，StatsModels和Ipython使Python成为有效的数据科学编程语言。