5 najlepszych modułów Pythona, które powinieneś znać w 2022 roku

Python to język programowania, który podbił serca na całym świecie. Od społeczności koderów po społeczność Data Science, Python jest absolutnym faworytem wszystkich. Powodem jego popularności jest to, że Python jest wyposażony w szeroką gamę bibliotek i modułów, dzięki którym programowanie jest bezproblemowym zadaniem.

Chociaż wcześniej omawialiśmy obszernie biblioteki Pythona, dzisiaj skupimy się na modułach Pythona.

Czym są moduły Pythona?

Mówiąc prościej, moduł Pythona to obiekt Pythona składający się z arbitralnie nazwanych atrybutów, które mogą być używane zarówno do wiązania, jak i odniesienia. Zasadniczo moduł może definiować funkcje, klasy i zmienne. Moduły pomagają w logicznej organizacji kodu Pythona. Grupując powiązany kod w moduły, możesz uczynić kod Pythona łatwiejszym w użyciu i zrozumiałym.

W Pythonie możesz zdefiniować moduł na trzy sposoby:

• Możesz napisać moduł w Pythonie.
• Możesz napisać moduł w C i ładować go dynamicznie w czasie wykonywania.
• Możesz użyć wbudowanych modułów Pythona, które są nieodłącznie zawarte w interpreterze.

Co to jest ścieżka wyszukiwania modułu?

Ścieżka wyszukiwania odnosi się do listy katalogów, które interpreter przeszukuje, zanim będzie mógł zaimportować moduł. Powiedzmy, że chcesz wykonać instrukcję:

importuj mod

Kiedy interpreter wykona tę instrukcję, wyszuka mod.py na liście katalogów zebranych z wielu źródeł, w tym:

• Katalog, z którego uruchomiono skrypt wejściowy lub katalog bieżący (pod warunkiem, że interpreter działa interaktywnie).
• Jeśli ustawiono zmienną środowiskową PYTHONPATH , przeszuka listę zawartych w niej katalogów.
• Lista katalogów zależnych od instalacji, które są konfigurowane podczas instalacji Pythona.

Możesz uzyskać dostęp do wynikowej ścieżki wyszukiwania za pomocą zmiennej Pythona sys.path, która jest następnie tworzona z modułu sys:

>>> system importu

>>> ścieżka.sys

[”, 'C:\\Użytkownicy\\john\\Dokumenty\\Python\\doc', 'C:\\Python36\\Lib\\idlelib',

'C:\\Python36\\python36.zip', 'C:\\Python36\\DLL', 'C:\\Python36\\lib',

'C:\\Python36', 'C:\\Python36\\lib\\site-packages']

Po zaimportowaniu modułu możesz określić jego lokalizację za pomocą atrybutu __file__ modułu, na przykład:

>>> importuj mod

>>> mod.__plik__

'C:\\Użytkownicy\\jan\\mod.py'

>>> importuj ponownie

>>> odp.__plik__

„C:\\Python36\\lib\\re.py”

Należy jednak pamiętać, że ta część katalogu __file__ powinna być katalogiem zawartym w sys.path.

Teraz, gdy zrozumiałeś już istotę modułów Pythona, przyjrzyjmy się niektórym z najlepszych modułów Pythona.

Najlepsze moduły Pythona

1. Oświadczenie „import”

Wykonując instrukcję import w jednym pliku źródłowym Pythona, możesz użyć dowolnego pliku źródłowego Pythona jako modułu. Składnia instrukcji import to:

importuj moduł1[, moduł2[,… modułN]

Po uruchomieniu instrukcji import interpreter zaimportuje dostarczony moduł, jeśli jest on obecny w ścieżce wyszukiwania. Na przykład, jeśli chcesz zaimportować moduł calc.py, musisz napisać i wykonać następujące polecenie:

# importowanie modułu calc.py

importuj kalkulację

drukuj dodaj(10,2)

Po pomyślnym wykonaniu tego polecenia dane wyjściowe będą wyglądać następująco:

12

Ważną rzeczą do zapamiętania o modułach Pythona jest to, że bez względu na to, ile razy zaimportujesz moduł, zostanie on załadowany tylko raz. Pomaga to zapobiec powtórnemu wykonywaniu modułu w przypadku wielu importów.

2. Oświadczenie „z…importu”

W Pythonie instrukcja „from…import” umożliwia importowanie określonych atrybutów z modułu. Oto przykład instrukcji „from…import”:

z importu nazwy modu *

# importowanie sqrt() i silnia z

# moduł matematyki

z matematyki import sqrt, silnia

# jeśli po prostu zrobimy „importuj matematykę”, to

# math.sqrt(16) i math.factorial()

# są wymagane.

drukuj sqrt(16)

drukuj silnia(6)

Po uruchomieniu tego kodu otrzymasz:

4.0

720

Korzystając z tego modułu, możesz zaimportować wszystkie elementy zawarte w danym module do bieżącej przestrzeni nazw.

3. Funkcja „dir()”

W Pythonie dir() jest funkcją wbudowaną, która zwraca posortowaną listę ciągów zawierających nazwy wszystkich modułów, funkcji i zmiennych zdefiniowanych w module. Poniżej podano przykład funkcji dir():

#!/usr/bin/python

# Importuj losowo wbudowany moduł

importuj losowo

drukuj dir(matematyka)

Po wykonaniu ten kod zwróci następujący wynik:

['BPF', 'LOG4', 'NV_MAGICCONST', 'RECIP_BPF', 'Losowo',

„SG_MAGICCONST”, „SystemRandom”, „TWOPI”, „WichmannHill”,

'_BuiltinMethodType', '_MethodType', '__all__',

'__wbudowane__', '__doc__', '__file__', '__name__',

'__pakiet__', '_acos', '_ceil', '_cos', '_e', '_exp',

„_hashlib”, „_hexlify”, „_inst”, „_log”, „_pi”, „_losowo”,

„_sin”, „_sqrt”, „_test”, „_test_generator”, „_urandom”,

„_ostrzeż”, „betawariacja”, „wybór”, „podział”,

'expovariate', 'gammavariate', 'gauss', 'getrandbits',

„getstate”, „jumpahead”, „lognormvariate”, „normalvariate”,

'paretozmienna', 'randint', 'losowo', 'randrange',

„próbka”, „nasiono”, „stan ustawienia”, „przetasowanie”, „trójkątny”,

'uniform', 'vonmisesvariate', 'weibullvariate']

W danych wyjściowych podanych powyżej, podczas gdy specjalna zmienna łańcuchowa __file__ wskazuje na nazwę pliku, z którego został załadowany moduł, __name__ staje się nazwą modułu.

4. Funkcje globals() i locals()

Możesz użyć funkcji globals() i locals(), aby zwrócić nazwy modułów w globalnej i lokalnej przestrzeni nazw. Zależy to jednak od miejsca, z którego dzwonisz. Jeśli wywołasz funkcję globals() w innej funkcji, zwróci ona wszystkie nazwy, do których można uzyskać globalny dostęp z tej konkretnej funkcji. Wręcz przeciwnie, jeśli funkcja locals() zostanie wywołana z poziomu funkcji, wygeneruje wszystkie nazwy, do których można uzyskać dostęp lokalnie z określonej funkcji.

5. Funkcja reload Ogólnie rzecz biorąc, kiedy importujesz moduł do skryptu, kod obecny w części najwyższego poziomu modułu zostanie wykonany tylko raz. W tej sytuacji, jeśli chcesz ponownie wykonać kod najwyższego poziomu w module, funkcja reload() jest funkcją przejdź do. Ta funkcja umożliwia ponowne zaimportowanie wcześniej zaimportowanego modułu.

Składnia funkcji reload() jest następująca:

przeładuj (nazwa_modułu)

W składni nazwa_modułu odnosi się do nazwy modułu, który chcesz przeładować – nie dotyczy ciągu zawierającego nazwę modułu. Na przykład, jeśli chcesz przeładować moduł hello, musisz napisać:

przeładuj (cześć)

Wniosek

W Pythonie pakiety i moduły są ze sobą powiązane. Pakiety Pythona ułatwiają hierarchiczną strukturę przestrzeni nazw modułu za pomocą notacji kropkowej. Podczas gdy pakiety Pythona zapobiegają kolizjom (nakładaniu się) między nazwami modułów, moduły Pythona zapobiegają kolizjom między nazwami zmiennych globalnych.

Jeśli jesteś zainteresowany nauką o danych, sprawdź IIIT-B i upGrad's PG Diploma in Data Science, który jest stworzony dla pracujących profesjonalistów i oferuje ponad 10 studiów przypadków i projektów, praktyczne warsztaty praktyczne, mentoring z ekspertami z branży, 1- on-1 z mentorami branżowymi, ponad 400 godzin nauki i pomocy w pracy z najlepszymi firmami.

Czym jest Anakonda Pythona i dlaczego jest tak popularna?

Anaconda to menedżer pakietów dla Pythona i R. Jest uważana za jedną z najpopularniejszych platform dla aspirujących do nauki o danych. Oto niektóre z powodów, dla których Anaconda wyprzedza konkurencję. Jego solidny system dystrybucji pomaga w zarządzaniu językami takimi jak Python, który ma ponad 300 bibliotek. Jest to darmowa platforma typu open source. Jego społeczność open source ma wielu kwalifikujących się programistów, którzy stale pomagają nowicjuszom. Posiada różne narzędzia oparte na AI i ML, które mogą łatwo wyodrębnić dane z różnych źródeł. Anaconda ma ponad 1500 pakietów do nauki danych Python i R i jest uważana za branżowy standard testowania i trenowania modeli.

Wymień niektóre z najpopularniejszych bibliotek Pythona do przetwarzania obrazów.

Python jest najbardziej odpowiednim językiem do przetwarzania obrazów ze względu na bogate w funkcje biblioteki, które udostępnia. Poniżej znajdują się niektóre z najlepszych bibliotek Pythona, które sprawiają, że przetwarzanie obrazów jest bardzo wygodne. OpenCV to bez wątpienia najpopularniejsza i powszechnie używana biblioteka Pythona do zadań wizyjnych, takich jak przetwarzanie obrazu oraz wykrywanie obiektów i twarzy. Jest niezwykle szybki i wydajny, ponieważ został napisany w C++. Rozmowa na temat bibliotek przetwarzania obrazów Pythona jest niepełna bez obrazu Sci-Kit. Jest to prosta i przejrzysta biblioteka, którą można wykorzystać do dowolnego zadania widzenia komputerowego. SciPy jest głównie używany do obliczeń matematycznych, ale jest również zdolny do przetwarzania obrazu. Wykrywanie twarzy, konwolucja i segmentacja obrazu to tylko niektóre z funkcji oferowanych przez SciPy.

Dlaczego większość analityków danych woli Pythona od innych języków?

Istnieje wiele języków, takich jak R i Julia, które można wykorzystać do nauki o danych, ale Python jest uważany za najlepiej do tego przystosowany z wielu powodów. Niektóre z tych powodów są wymienione poniżej: Python jest znacznie bardziej skalowalny niż inne języki, takie jak Scala i R. Jego skalowalność polega na elastyczności, jaką zapewnia programistom. Posiada szeroką gamę bibliotek do nauki o danych, takich jak NumPy, Pandas i Scikit-learn, co daje mu przewagę nad innymi językami. Duża społeczność programistów Pythona stale przyczynia się do rozwoju języka i pomaga nowicjuszom rozwijać się wraz z Pythonem.