0基础学习python库的使用

标准库的介绍与导入

Python 标准库是 Python 官方自带的模块集合，涵盖多种功能，无需额外安装即可使用，是 Python 编程的基础工具集。

标准库的导入方法主要有以下几种，附代码示例：

• 直接导入整个模块

import random

print(random.random()) # 调用格式：模块名.方法名

• 导入模块中的特定方法

from time import sleep

sleep(2) # 调用格式：直接用方法名

• 导入模块并指定别名

import re as regex

print(regex.match(r'abc', 'abcdef')) # 调用格式：别名.方法名

本文将精简介绍 Python 标准库中随机库（random）、时间库（time）和正则表达式库（re）的核心方法，并附代码示例，同时说明各库使用时需注意的点。

随机库（random）

用于生成随机数，适用于多种随机场景。

• random.random()：返回 [0,1) 的浮点数。

import random

print(random.random()) # 示例输出：0.6789012345

• random.randint(a, b)：生成 [a,b] 范围内的整数。

print(random.randint(1, 10)) # 示例输出：5

• random.choice(seq)：从序列中随机选一个元素。

print(random.choice(['apple', 'banana', 'orange'])) # 示例输出：banana

• random.shuffle(seq)：就地打乱序列元素。

lst = [1, 2, 3, 4, 5]

random.shuffle(lst)

print(lst) # 示例输出：[3, 1, 5, 2, 4]

• random.sample(population, k)：从总体中抽取 k 个不重复元素。

print(random.sample([1, 2, 3, 4, 5], 2)) # 示例输出：[3, 5]

注意点：

• random 库生成的是伪随机数，其生成依赖于初始种子，若种子相同，生成的随机数序列也相同。可通过random.seed()设置种子，如random.seed(10)，设置后每次程序运行，随机数生成结果会固定。

• 使用random.shuffle(seq)时，该方法会直接修改原序列，无法作用于不可变序列（如元组、字符串），否则会报错。

• random.sample(population, k)中，k 的值不能大于 population 的长度，否则会引发 ValueError。

时间库（time）

处理时间相关操作，如获取时间、格式化等。

• time.time()：返回自 1970 年 1 月 1 日 00:00:00 UTC 以来的秒数（时间戳）。

import time

print(time.time()) # 示例输出：1720507836.123456

• time.localtime([secs])：将时间戳转为本地时间的 struct_time 对象。

local_time = time.localtime()

print(local_time.tm_year, local_time.tm_mon) # 示例输出：2025 7

• time.strftime(format[, t])：将 struct_time 对象按格式转为字符串。

print(time.strftime('%Y-%m-%d %H:%M:%S')) # 示例输出：2025-07-09 16:30:45

• time.sleep(secs)：使程序暂停 secs 秒。

time.sleep(2) # 程序暂停2秒

注意点：

• time.time()返回的时间戳受系统时间影响，若系统时间被修改，其返回值也会相应变化。

• time.localtime()转换后的本地时间会考虑时区因素，不同时区转换结果不同。

• time.strftime()中，格式符必须严格按照规定使用，若使用不存在的格式符，会抛出 ValueError。例如，使用%y表示两位数年份，若误写为%Y1，则会出错。

• time.sleep(secs)的暂停时间只是近似值，受系统调度等因素影响，实际暂停时间可能略长于指定的 secs。

正则表达式库（re）

用于字符串的模式匹配、搜索、替换等。

• re.match(pattern, string, flags=0)：从字符串起始位置匹配模式。

import re

print(re.match(r'abc', 'abcdef')) # 示例输出：<re.Match object; span=(0, 3), match='abc'>

print(re.match(r'abc', 'xabcdef')) # 输出：None

• re.search(pattern, string, flags=0)：在整个字符串中搜索第一个匹配模式的位置。

print(re.search(r'abc', 'xabcdef')) # 示例输出：<re.Match object; span=(1, 4), match='abc'>

• re.findall(pattern, string, flags=0)：找到所有匹配模式的子串，返回列表。

print(re.findall(r'\d+', 'abc123def456')) # 输出：['123', '456']

• re.sub(pattern, repl, string, count=0, flags=0)：替换匹配模式的子串。

print(re.sub(r'\d+', '*', 'abc123def456')) # 输出：abc*def*

• re.compile(pattern, flags=0)：编译正则表达式模式为对象，提高效率。

pattern = re.compile(r'\d+')

print(pattern.findall('abc123def456')) # 输出：['123', '456']

注意点：

• re.match()只从字符串开头匹配，若字符串开头不满足模式，则匹配失败；而re.search()会在整个字符串中查找，二者功能不同，使用时需注意区分。

• 正则表达式中的特殊字符（如.、*、+、?等）需要转义才能表示其本身含义，可在特殊字符前加\，例如要匹配.，需写成\.。

• re.findall()返回的列表中元素的顺序与匹配到的子串在原字符串中的顺序一致。

• 使用re.compile()编译正则表达式后，生成的对象可以重复使用，对于多次使用同一模式的场景，能提高执行效率。

• re.sub()中，repl 可以是一个函数，该函数会接收匹配对象作为参数，并返回替换后的字符串，这为复杂替换提供了灵活性。

第三方库

第三方库的介绍

第三方库是由全球开发者社区开发并分享的 Python 模块，它们能够满足各种特定且复杂的需求，极大地扩展了 Python 的功能。与标准库不同，第三方库并非 Python 自带，需要先安装才能使用，其丰富性和专业性让开发者能更高效地完成各类专业任务。

不同领域的第三方库

• 网络请求与爬虫领域：除了 requests 库，还有 Scrapy，它是一个强大的爬虫框架，能高效地爬取网站数据并进行处理；Beautiful Soup 则专注于解析 HTML 和 XML 文档，方便提取其中的信息。

• 数据分析与科学计算领域：除了 pandas 和 numpy，还有 SciPy，它基于 numpy，提供了更多的科学计算功能，如线性代数、傅里叶变换等；statsmodels 则用于统计建模和分析。

• 数据可视化领域：除了 matplotlib，seaborn 基于 matplotlib，提供了更美观、更简洁的 API，能轻松绘制出更具吸引力的统计图表；Plotly 则支持交互式可视化，可生成动态的图表。

• Web 开发领域：Django 是一个高级的 Web 框架，内置了许多功能，如 ORM、admin 后台等，适合快速开发复杂的 Web 应用；Flask 是一个轻量级的 Web 框架，灵活性高，适合小型应用和 API 开发。

• 机器学习领域：scikit-learn 是一个简单高效的机器学习库，包含了多种分类、回归、聚类算法；TensorFlow 和 PyTorch 则是用于深度学习的框架，支持构建和训练复杂的神经网络模型。

第三方库的安装

第三方库的安装主要依靠包管理工具，其中 pip 是最常用的。安装方法如下：

• 打开命令行工具（Windows 的 CMD 或 PowerShell，Mac 和 Linux 的终端）。

• 输入安装命令：pip install 库名，例如安装 requests 库，输入pip install requests。

• 对于需要指定版本的库，可使用pip install 库名==版本号，如pip install pandas==1.5.3。

安装报错的解决办法

• 网络问题：若安装时出现网络超时等错误，可尝试更换国内镜像源。例如使用清华大学的镜像源安装 requests：pip install -i Simple Index requests。常用的国内镜像源还有阿里云、豆瓣等。

• 权限问题：在部分系统中，可能会因权限不足导致安装失败，此时可在命令前加上sudo（Mac 和 Linux 系统），如sudo pip install requests；Windows 系统可右键命令行工具，选择 “以管理员身份运行” 后再执行安装命令。

• 依赖冲突：不同库之间可能存在依赖冲突，可尝试升级 pip 工具：pip install --upgrade pip，再重新安装；若仍有问题，可考虑创建虚拟环境，在虚拟环境中安装所需库，避免与系统环境的库产生冲突。

• 库版本与 Python 版本不兼容：某些库的新版本可能不支持当前使用的 Python 版本，可查看库的官方文档，确认支持的 Python 版本，然后安装对应的库版本，或升级 / 降级 Python 版本。

pip 工具的常用命令

• pip list：列出当前环境中已安装的所有第三方库及其版本。

• pip show 库名：显示指定库的详细信息，包括版本、安装路径、依赖等，如pip show requests。

• pip install --upgrade 库名：升级指定的库到最新版本，如pip install --upgrade pandas。

• pip uninstall 库名：卸载指定的库，如pip uninstall requests，执行后会提示确认，输入 y 即可卸载。

• pip freeze > requirements.txt：将当前环境中已安装的库及其版本信息导出到 requirements.txt 文件中，方便在其他环境中重现该环境。

• pip install -r requirements.txt：根据 requirements.txt 文件中的内容，安装所有指定的库及其对应版本。