Python中常用的第三方库有哪些

Python是一种高级语言，它有着多种功能强大的第三方库，这些库可以帮助开发者实现各种不同的任务。下面是一些常用的第三方库，附带使用例子：

1. NumPy：用于进行科学计算和数值操作的库。

import numpy as np

# 创建一个数组
arr = np.array([1, 2, 3, 4, 5])
print(arr)

# 使用数组进行数值计算
mean = np.mean(arr)
print(mean)

2. Pandas：用于处理和分析数据的库。

import pandas as pd

# 创建一个数据表
data = {'name': ['Alice', 'Bob', 'Charlie'], 'age': [23, 30, 45]}
df = pd.DataFrame(data)
print(df)

# 根据条件筛选数据
filtered_df = df[df['age'] > 25]
print(filtered_df)

3. Matplotlib：用于绘制图表和图形的库。

import matplotlib.pyplot as plt

# 绘制简单的折线图
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.plot(x, y)
plt.show()

4. Requests：用于进行网络请求和数据获取的库。

import requests

# 发送GET请求
response = requests.get('https://api.example.com/data')
data = response.json()
print(data)

# 发送POST请求
payload = {'name': 'Alice', 'age': 25}
response = requests.post('https://api.example.com/user', json=payload)

5. Beautiful Soup：用于解析HTML和XML文档的库。

import requests
from bs4 import BeautifulSoup

# 获取HTML内容
response = requests.get('https://www.example.com')
html = response.text

# 解析HTML内容
soup = BeautifulSoup(html, 'html.parser')
title = soup.title
print(title)

6. Scikit-learn：用于机器学习和数据挖掘的库。

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score

# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# 训练模型
model = LogisticRegression()
model.fit(X_train, y_train)

# 使用模型进行预测
y_pred = model.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print(accuracy)

以上只是一小部分常用的第三方库，Python有着更多丰富多样的库供开发者使用，选择适合自己需求的库进行开发能够提高代码效率和质量。