常用Python库整理 _生活百科

记录工作和学习中遇到和使用过的Python库。Target四个Level

整理 Collect
学习 Learn
练习 Practice
掌握 Master

1. Python原生和功能增强1.1 python-dateutilPython-dateutil 模块为标准的 datetime 模块提供了强大的功能扩展。普通的 Python datetime 无法做到的事情都可以使用 python-dateutil 完成。
https://juejin.cn/post/7028598668483641351
1.2 pytz类似于dateutils，该库可以帮助你操作日期和时间。处理时区很麻烦。幸运的是，这个包可以让时区处理变得很容易。
关于时间，我的经验是：在内部永远使用UTC，只有在需要产生供人阅读的输出时才转换成本地时间。
https://cloud.tencent.com/developer/article/1619246
1.3 jsonpath【常用Python库整理】jsonpath用来解析json数据，是一种简单的方法来提取给定JSON文档的部分内容。它提供了类似正则表达式的语法，可以解析复杂的嵌套数据结构，可以非常方便的提取接口返回的数据信息。
https://cloud.tencent.com/developer/article/1511637
Online Evaluator: https://jsonpath.com/
1.4 progress，tqdm创建进度条。
python/article/details/118764070" rel="external nofollow noreferrer">https://blog.csdn.net/qianfengpython/article/details/118764070
2. 科学计算，统计学，数据分析和可视化2.1 NumpyNumPy是Numerical Python的简写，是Python数值计算的基石。它提供多种数据结构、算法以及大部分涉及Python数值计算所需的接口。NumPy还包括其他内容：

快速、高效的多维数组对象ndarray
基于元素的数组计算或数组间数学操作函数
用于读写硬盘中基于数组的数据集的工具
线性代数操作、傅里叶变换以及随机数生成

除了NumPy赋予Python的快速数组处理能力之外，NumPy的另一个主要用途是在算法和库之间作为数据传递的数据容器。对于数值数据，NumPy数组能够比Python内建数据结构更为高效地存储和操作数据。
2.2 Pandaspandas提供了高级数据结构和函数，这些数据结构和函数的设计使得利用结构化、表格化数据的工作快速、简单、有表现力。
2.3 Matplotlib对于Python编程者来说也有其他可视化库，但matplotlib依然使用最为广泛，并且与生态系统的其他库良好整合。我认为将它作为默认可视化工具是一个安全的选择。
2.4 SciPySciPy是科学计算领域针对不同标准问题域的包集合。以下是SciPy中包含的一些包：