Python包和模块管理

二、模块

1. 模块是什么？模块就是一个.py文件，可以定义函数、类和变量，模块内也可能包含可执行的代码。

2. 模块的作用

   • 代码重用：模块可以将代码划分为更小的单元，方便在其他文件中重复使用。
   • 组织和结构化代码：模块帮助将大型代码库分解成逻辑单元，使代码结构更清晰。
   • 避免命名冲突：模块引入了命名空间机制，可以有效避免命名冲突。例如，两个模块中的相同变量名不会互相干扰。
   • 便于维护：通过模块化，开发者可以专注于一个模块的功能，便于修复错误、扩展功能或进行测试。
   • 引入标准库和第三方库：Python提供了丰富的标准库模块，可以直接导入使用。此外，还可以通过pip引入第三方模块。

3. 模块的使用

   • 导入整个模块import math
   • 导入模块中指定的函数from math import sqrt
   • 给模块起别名import math as m

4. 如果某个模块A内部有可执行代码，其它模块导入A时，怎么避免执行这些可执行代码？

   • __name__：当在本模块中执行时，会被替换成__main__，如果其他模块使用到了该模块，就变成了该模块名。

     • 举例子

       # my_module.py 代码
       
       def sayHello(name) :
           print("hello", name)
       
       
       sayHello("ouyang")
       print(__name__)
       

       # main.py 代码
       from my_module import sayHello
       sayHello("xx")
       

       结果

       ouyang@ouyangdeMacBook-Pro python_learn % python3 my_module.py
       hello ouyang
       __main__
       ouyang@ouyangdeMacBook-Pro python_learn % python3 main.py
       hello ouyang
       my_module
       hello xx
       
       
       # 上述结果可以看见，在my_module中，__name__的结果就是__main__
       # 而在main.py中，就是模块名
       

   • 所以，当某些模型内部代码，不希望其他模型执行时，可以做如下操作

     if __name__ == "__main__":
         sayHello("ouyang")
     

5. 当使用from 模块 import *时，可以使用__all__ = ['函数名']，来限制，只能导入__all__中的。

三、包

1. 包（Package） 是一个组织管理模块的文件夹。包本质上是一个包含多个模块的目录，其中每个模块都是一个 .py 文件。包的作用是提供一种层次化的方式来组织和管理多个相关的模块，以便于在大型项目中有效地管理代码。
2. 包的结构
   • 目录：包是一个目录，其中包含多个模块或子包。
   • __init__.py 文件：每个包目录都必须包含 __init__.py 文件，来告诉Python解释器该目录是一个包。它的存在允许你在包和包内的模块之间建立导入关系。__init__.py 文件可以是空的，也可以包含初始化代码，在包被导入时自动执行。
3. 使用
   • 导入包中的模块import my_package.module1或者from my_package import module1
     • 前者使用时要my_package.module1.xxx
     • 后者只需要module1.xxx
   • 导入包中的某个模块的某个函数from my_package.module1 import sayBye
     • 注意，没有import my_package.module1.sayBye这种用法。
4. 包的导入机制
   • 绝对导入：使用完整的路径导入模块或包
   • 相对导入：在包内部使用相对路径导入模块或包。
5. 可以在__init__.py中，使用__all__控制允许导入的模块 ，同样，这只能针对from 包 import *有效

四、第三方库

1. 数据处理与分析
   • NumPy：用于数值计算的基础库，提供多维数组对象和丰富的数学函数。
   • Pandas：用于数据分析和操作，提供数据表格（DataFrame）结构，适合数据清洗和操作。
   • Matplotlib：绘图库，用于创建静态、动态和交互式可视化。
   • Seaborn：基于Matplotlib的高级可视化库，特别适用于统计数据的可视化。
   • SciPy：用于科学和工程计算，扩展了NumPy的功能。
2. 机器学习与人工智能
   • Scikit-Learn：用于机器学习的工具包，支持分类、回归、聚类等基本算法。
   • TensorFlow：深度学习框架，由Google开发，支持神经网络的构建和训练。
   • PyTorch：另一个流行的深度学习框架，由Facebook开发，使用灵活且易于调试。
   • Keras：基于TensorFlow的高级神经网络库，适合快速构建和实验神经网络。
   • XGBoost：用于提升树模型的库，适合构建高效的梯度提升模型，常用于竞赛和实际应用。
3. 网络开发
   • Django：一个全功能的Web框架，适合快速构建复杂的Web应用。
   • Flask：轻量级Web框架，适合快速原型开发和小型应用程序。
   • Requests：简化HTTP请求的库，适合与Web API交互。
   • Beautiful Soup：用于解析和抓取HTML和XML内容，常用于网络爬虫。
   • Scrapy：功能强大的网络爬虫框架，适合构建高效的数据爬取项目。
4. 数据可视化
   • Plotly：用于交互式图表的库，支持多种图形类型，包括3D和金融图表。
   • Bokeh：创建交互式可视化图表，适合大数据量可视化。
   • Altair：基于Vega和Vega-Lite的声明性数据可视化库，适合快速制作简单的可视化。
5. pip基本使用
   • 安装包
     • pip install 包名：安装指定的包，
     • pip install 包名==版本号：安装指定的版本
     • pip install -r requirements.txt：从文件中安装
     • pip install -i https://pypi.tuna.tsinghua.edu.cn/simple package_name：使用指定源安装
   • 卸载包
     • pip uninstall package_name
   • 更新包
     • pip install --upgrade package_name
   • 查看已安装的包
     • pip list：列出已安装的包
     • pip list --outdated：检查包是否有可用的更新