2022년에 알아야 할 상위 5개 Python 모듈
게시 됨: 2021-01-08Python은 전 세계의 마음을 사로잡은 프로그래밍 언어입니다. 코딩 커뮤니티에서 데이터 과학 커뮤니티에 이르기까지 Python은 모든 사람이 절대적으로 좋아하는 것입니다. Python이 인기 있는 이유는 개발을 번거롭지 않게 만드는 광범위한 라이브러리와 모듈이 탑재되어 있기 때문입니다.
이전에 Python 라이브러리에 대해 길게 이야기했지만 오늘은 Python 모듈에 중점을 둘 것입니다.
목차
파이썬 모듈이란 무엇입니까?
간단히 말해서, Python 모듈은 바인딩과 참조 모두에 사용할 수 있는 임의로 명명된 속성으로 구성된 Python 객체입니다. 기본적으로 모듈은 함수, 클래스 및 변수를 정의할 수 있습니다. 모듈은 Python 코드를 논리적으로 구성하는 데 도움이 됩니다. 관련 코드를 모듈로 그룹화하여 Python 코드를 더 사용하기 쉽고 이해하기 쉽게 만들 수 있습니다.
Python에서는 세 가지 방법으로 모듈을 정의할 수 있습니다.
- Python으로 모듈을 작성할 수 있습니다.
- C로 모듈을 작성하고 런타임에 동적으로 로드할 수 있습니다.
- 인터프리터에 본질적으로 포함된 내장 Python 모듈을 사용할 수 있습니다.
모듈 검색 경로란 무엇입니까?
검색 경로는 인터프리터가 모듈을 가져오기 전에 검색하는 디렉토리 목록을 나타냅니다. 다음 명령문을 실행하려고 한다고 가정해 보겠습니다.
모드 가져오기
인터프리터가 이 명령문을 실행하면 다음을 포함하여 여러 소스에서 조합된 디렉토리 목록에서 mod.py를 검색합니다.
- 입력 스크립트를 실행한 디렉토리 또는 현재 디렉토리(인터프리터가 대화식으로 실행 중인 경우).
- PYTHONPATH 환경 변수가 설정되어 있으면 그 안에 포함된 디렉토리 목록을 검색합니다.
- Python을 설치하는 동안 구성되는 설치 종속 디렉터리 목록입니다.
sys 모듈에서 추가로 생성되는 Python 변수 sys.path를 사용하여 결과 검색 경로에 액세스할 수 있습니다.
>>> 가져오기 시스템
>>> 시스템 경로
[”, 'C:\\Users\\john\\Documents\\Python\\doc', 'C:\\Python36\\Lib\\idlelib',
'C:\\Python36\\python36.zip', 'C:\\Python36\\DLL', 'C:\\Python36\\lib',
'C:\\Python36', 'C:\\Python36\\lib\\사이트 패키지']
모듈을 가져오면 다음 과 같이 모듈의 __file__ 속성을 사용하여 위치를 결정할 수 있습니다.
>>> 가져오기 모드
>>> 모드.__파일__
'C:\\사용자\\john\\mod.py'
>>> 다시 가져오기
>>> 다시 __파일__
'C:\\Python36\\lib\\re.py'
그러나 __file__ 의 디렉토리 부분은 sys.path에 포함된 디렉토리여야 합니다.
이제 Python 모듈의 본질을 이해했으므로 최고의 Python 모듈을 살펴보겠습니다.
상위 Python 모듈
1. "가져오기" 문구
하나의 Python 소스 파일에서 import 문을 실행하면 모든 Python 소스 파일을 모듈로 사용할 수 있습니다. import 문의 구문은 다음과 같습니다 .
import module1[, module2[,… moduleN]
import 문을 실행할 때 인터프리터는 제공된 모듈이 검색 경로에 있는 경우 해당 모듈을 가져옵니다. 예를 들어, calc.py 모듈을 가져오려면 다음 명령을 작성하고 실행해야 합니다.
# calc.py 모듈 가져오기
수입산
인쇄 추가(10,2)
이 명령을 성공적으로 실행하면 다음과 같이 출력됩니다.
12
Python 모듈에 대해 기억해야 할 중요한 점은 모듈을 몇 번 가져오든 상관없이 한 번만 로드된다는 것입니다. 이는 다중 가져오기의 경우 반복되는 모듈 실행을 방지하는 데 도움이 됩니다.
2. "from…import" 문
Python에서 "from…import" 문을 사용하면 모듈에서 특정 속성을 가져올 수 있습니다. 다음은 "from…import" 문의 예입니다.
모드 이름 가져오기에서 *
# sqrt() 및 factorial 가져오기
# 모듈 수학
수학에서 가져오기 sqrt, 계승
# 단순히 "수학 가져오기"를 수행하면
# math.sqrt(16) 및 math.factorial()
# 필수입니다.
인쇄 제곱(16)
인쇄 팩토리얼(6)
이 코드를 실행하면 다음을 얻을 수 있습니다.
4.0
720
이 모듈을 사용하여 특정 모듈에 포함된 모든 항목을 현재 네임스페이스로 가져올 수 있습니다.
3. "dir()" 함수
Python에서 dir()은 모듈에 정의된 모든 모듈, 함수 및 변수의 이름을 포함하는 정렬된 문자열 목록을 반환하는 내장 함수입니다. 다음은 dir() 함수의 예입니다.
#!/usr/bin/python
# 내장 모듈을 무작위로 가져오기
무작위로 가져오기
인쇄 디렉토리(수학)
실행 시 이 코드는 다음 결과를 반환합니다.
['BPF', 'LOG4', 'NV_MAGICCONST', 'RECIP_BPF', '랜덤',
'SG_MAGICCONST', '시스템랜덤', 'TWOPI', 'WichmannHill',
'_BuiltinMethodType', '_MethodType', '__all__',
'__builtins__', '__doc__', '__file__', '__name__',
'__패키지__', '_acos', '_ceil', '_cos', '_e', '_exp',
'_hashlib', '_hexlify', '_inst', '_log', '_pi', '_random',
'_sin', '_sqrt', '_test', '_test_generator', '_urandom',
'_경고', '베타변량', '선택', '나누기',
'expovariate', 'gammavariate', 'gauss', 'getrandbits',
'getstate', 'jumpahead', 'lognormvariate', 'normalvariate',
'파레토변량', 'randint', 'random', 'randrange',
'샘플', '시드', 'setstate', '셔플', '삼각형',
'uniform', 'vonmisesvariate', 'weibullvariate']
위에 주어진 출력에서 특수 문자열 변수 __file__ 은 모듈이 로드된 파일 이름을 가리키는 반면 __name__ 은 모듈의 이름이 됩니다.
4. globals() 및 locals() 함수
globals() 및 locals() 함수를 사용하여 전역 및 로컬 네임스페이스에서 모듈 이름을 반환할 수 있습니다. 그러나 이것은 이름을 부르는 위치에 따라 다릅니다. 다른 함수 내에서 globals() 함수를 호출하면 해당 특정 함수에서 전역적으로 액세스할 수 있는 모든 이름을 반환합니다. 반대로 locals() 함수가 함수 내에서 호출되면 특정 함수에서 로컬로 액세스할 수 있는 모든 이름이 생성됩니다.
5. 일반적으로 모듈을 스크립트로 가져올 때 모듈의 최상위 부분에 있는 코드는 한 번만 실행됩니다. 이 상황에서 모듈의 최상위 코드를 다시 실행하려면 reload() 함수가 이동 함수입니다. 이 기능을 사용하면 이전에 가져온 모듈을 다시 가져올 수 있습니다.
reload() 함수의 구문은 다음과 같습니다.
새로고침(module_name)
구문에서 module_name 은 다시 로드하려는 모듈의 이름을 나타냅니다. 이는 모듈 이름을 포함하는 문자열과 관련이 없습니다. 예를 들어 hello 모듈을 다시 로드하려면 다음을 작성해야 합니다.
새로고침(안녕하세요)
결론
Python에서 패키지와 모듈은 상호 연관되어 있습니다. Python 패키지는 점 표기법을 사용하여 모듈 네임스페이스의 계층적 구조화를 용이하게 합니다. Python 패키지는 모듈 이름 간의 충돌(중첩)을 방지하지만 Python 모듈은 전역 변수 이름 간의 충돌을 방지합니다.
데이터 과학에 대해 자세히 알아보려면 IIIT-B & upGrad의 데이터 과학 PG 디플로마를 확인하세요. 이 PG 디플로마는 실무 전문가를 위해 만들어졌으며 10개 이상의 사례 연구 및 프로젝트, 실용적인 실습 워크숍, 업계 전문가와의 멘토링, 1- 업계 멘토와 일대일, 400시간 이상의 학습 및 최고의 기업과의 취업 지원.
Python Anaconda는 무엇이며 왜 그렇게 인기가 있습니까?
Anaconda는 Python 및 R용 패키지 관리자입니다. 데이터 과학 지망생에게 가장 인기 있는 플랫폼 중 하나로 간주됩니다. 다음은 Anaconda가 경쟁사보다 앞서는 몇 가지 이유입니다. 강력한 배포 시스템은 300개 이상의 라이브러리가 있는 Python과 같은 언어를 관리하는 데 도움이 됩니다. 무료 오픈 소스 플랫폼입니다. 오픈 소스 커뮤니티에는 초보자를 지속적으로 돕는 많은 적격 개발자가 있습니다. 다양한 소스에서 쉽게 데이터를 추출할 수 있는 다양한 AI 및 ML 기반 도구가 있습니다. Anaconda는 1500개 이상의 Python 및 R 데이터 과학 패키지를 보유하고 있으며 모델 테스트 및 교육을 위한 업계 표준으로 간주됩니다.
이미지 처리에 가장 많이 사용되는 Python 라이브러리의 이름을 지정하십시오.
Python은 풍부한 기능을 제공하는 라이브러리로 인해 이미지 처리에 가장 적합한 언어입니다. 다음은 이미지 처리를 매우 편리하게 만드는 몇 가지 최고의 Python 라이브러리입니다. OpenCV는 이미지 처리, 물체 및 얼굴 감지와 같은 비전 작업을 위해 가장 인기 있고 널리 사용되는 Python 라이브러리입니다. 원래 C++로 작성되었기 때문에 매우 빠르고 효율적입니다. Python 이미지 처리 라이브러리에 대한 대화는 Sci-Kit Image 없이는 불완전합니다. 모든 컴퓨터 비전 작업에 사용할 수 있는 간단하고 직관적인 라이브러리입니다. SciPy는 주로 수학적 계산에 사용되지만 이미지 처리도 수행할 수 있습니다. 얼굴 감지, 컨볼루션 및 이미지 분할은 SciPy에서 제공하는 기능 중 일부입니다.
대부분의 데이터 과학자가 다른 언어보다 Python을 선호하는 이유는 무엇입니까?
데이터 과학에 사용할 수 있는 R 및 Julia와 같은 많은 언어가 있지만 여러 가지 이유로 Python이 가장 적합한 언어로 간주됩니다. 이러한 이유 중 일부는 아래에 언급되어 있습니다. Python은 Scala 및 R과 같은 다른 언어보다 훨씬 확장성이 뛰어납니다. 확장성은 프로그래머에게 제공하는 유연성에 있습니다. NumPy, Pandas 및 Scikit-learn과 같은 다양한 데이터 과학 라이브러리가 있어 다른 언어보다 우위에 있습니다. Python 프로그래머의 대규모 커뮤니티는 지속적으로 언어에 기여하고 초보자가 Python과 함께 성장할 수 있도록 돕습니다.