python包機制

1. python怎麼打包整個項目

distutils - Python自帶的基本安裝工具, 適用於非常簡單的應用場景使用, 不支持依賴包的安裝

通過distutils來打包，生成安裝包，安裝python包等工作，需要編寫名為setup.py python腳本文件。

setuptools - 針對 distutils 做了大量擴展, 尤其是加入了包依賴機制。不支持python3，安裝完setuptools後會有easy_install

distribute - 類似於setuptools，支持python3，安裝完distribute後會有easy_install。

easy_install - setuptools 和 distribute 自帶的安裝腳本, 也就是一旦setuptools或distribute安裝完畢, easy_install 也便可用了。

pip - 目標是取代easy_install。easy_install 有很多不足: 安裝事務是非原子操作, 只支持 svn, 沒有提供卸載命令, 安裝一系列包時需要寫

腳本; pip 解決了以上問題, 已儼然成為新的事實標准, virtualenv 與它已經成為一對好搭檔;

distutils2 - setuptools 和 distribute 的誕生是因為 distutils 的不濟, 進而導致目前分化的狀況。它將成為 Python 3.3 的標准庫

packaging , 並在其它版本中以distutils2 的身份出現; 換句話說, 它和 pip 將聯手結束目前混亂的狀況。

virtualenv - 用來創建隔離的python環境，處理python環境的多版本和模塊依賴。

常識

sudo apt-get install 安裝的package存放在 /usr/lib/python2.7/dist-packages目錄中

pip 或者 easy_install安裝的package存放在/usr/local/lib/python2.7/dist-packages目錄中

手動從源代碼安裝的package存放在site-packages目錄中。

更多學習內容，請點擊Python學習網！

2. python常用的數據分析包有哪些

ndarray.ndim

數組軸的個數，在python的世界中，軸的個數被稱作秩

ndarray.shape

數組的維度。這是一個指示數組在每個維度上大小的整數元組。例如一個n排m列的矩陣，它的shape屬性將是(2,3),這個元組的長度顯然是秩，即維度或者ndim屬性

ndarray.size

數組元素的總個數，等於shape屬性中元組元素的乘積。

ndarray.dtype

一個用來描述數組中元素類型的對象，可以通過創造或指定dtype使用標准Python類型。另外NumPy提供它自己的數據類型。

ndarray.itemsize

數組中每個元素的位元組大小。例如，一個元素類型為float64的數組itemsiz屬性值為8(=64/8),又如，一個元素類型為complex32的數組item屬性為4(=32/8).

ndarray.data

包含實際數組元素的緩沖區，通常我們不需要使用這個屬性，因為我們總是通過索引來使用數組中的元素。

NumPy-快速處理數據

標准安裝的Python中用列表(list)保存一組值，可以用來當作數組使用，不過由於列表的元素可以是任何對象，因此列表中所保存的是對象的指針。這樣為了保存一個簡單的[1,2,3]，需要有3個指針和三個整數對象。對於數值運算來說這種結構顯然比較浪費內存和CPU計算時間。

此外Python還提供了一個array模塊，array對象和列表不同，它直接保存數值，和C語言的一維數組比較類似。但是由於它不支持多維，也沒有各種運算函數，因此也不適合做數值運算。

NumPy的誕生彌補了這些不足，NumPy提供了兩種基本的對象：ndarray（N-dimensional array object）和 ufunc（universal function object）。ndarray(下文統一稱之為數組)是存儲單一數據類型的多維數組，而ufunc則是能夠對數組進行處理的函數。

3. python怎麼定義addcat

Python中的Mole是比較重要的概念。常見的情況是，事先寫好一個.py文 件，在另一個文件中需要import時，將事先寫好的.py文件拷貝 到當前目錄，或者是在sys.path中增加事先寫好的.py文件所在的目錄，然後import。這樣的做法，對於少數文件是可行的，但如果程序數目很 多，層級很復雜，就很吃力了。
有沒有辦法，像Java的Package一樣，將多個.py文件組織起來，以便在外部統一調用，和在內部互相調用呢？答案是有的。
主要是用到python的包的概念，python
__init__.py在包里起一個比較重要的作用
要弄明白這個問題，首先要知道，python在執行import語句時，到底進行了什麼操作，按照python的文檔，它執行了如下操作：
第1步，創建一個新的，空的mole對象（它可能包含多個mole）；
第2步，把這個mole對象插入sys.mole中
第3步，裝載mole的代碼（如果需要，首先必須編譯）
第4步，執行新的mole中對應的代碼。

在執行第3步時，首先要找到mole程序所在的位置，其原理為：
如 果需要導入的mole的名字是m1，則解釋器必須找到m1.py，它首先在當前目錄查找，然後是在環境變數PYTHONPATH中查找。 PYTHONPATH可以視為系統的PATH變數一類的東西，其中包含若干個目錄。如果PYTHONPATH沒有設定，或者找不到m1.py，則繼續搜索 與python的安裝設置相關的默認路徑，在Unix下，通常是/usr/local/lib/python。
事實上，搜索的順序是：當前路徑 （以及從當前目錄指定的sys.path），然後是PYTHONPATH，然後是python的安裝設置相關的默認路徑。正因為存在這樣的順序，如果當前 路徑或PYTHONPATH中存在與標准mole同樣的mole，則會覆蓋標准mole。也就是說，如果當前目錄下存在xml.py，那麼執 行import
xml時，導入的是當前目錄下的mole，而不是系統標準的xml。

了解了這些，我們就可以先構建一個package，以普通mole的方式導入，就可以直接訪問此package中的各個mole了。

Python中的package定義很簡單，其層次結構與程序所在目錄的層次結構相同，這一點與Java類似，唯一不同的地方在於，python中的package必須包含一個__init__.py的文件。
例如，我們可以這樣組織一個package:

package1/
__init__.py
subPack1/
__init__.py
mole_11.py
mole_12.py
mole_13.py
subPack2/
__init__.py
mole_21.py
mole_22.py
……

__init__.py可以為空，只要它存在，就表明此目錄應被作為一個package處理。當然，__init__.py中也可以設置相應的內容，下文詳細介紹。

好了，現在我們在mole_11.py中定義一個函數：

def funA():
print "funcA in mole_11"
return

在頂層目錄（也就是package1所在的目錄，當然也參考上面的介紹，將package1放在解釋器能夠搜索到的地方）運行python:

>>>from package1.subPack1.mole_11 import funcA
>>>funcA()
funcA in mole_11

這樣，我們就按照package的層次關系，正確調用了mole_11中的函數。

細心的用戶會發現，有時在import語句中會出現通配符*，導入某個mole中的所有元素，這是怎麼實現的呢？
答案就在__init__.py中。我們在subPack1的__init__.py文件中寫

__all__ = ['mole_13', 'mole_12']

然後進入python
>>>from package1.subPack1 import *
>>>mole_11.funcA()
Traceback (most recent call last):
File "", line 1, in
ImportError: No mole named mole_11

也就是說，以*導入時，package內的mole是受__init__.py限制的。

好了，最後來看看，如何在package內部互相調用。
如果希望調用同一個package中的mole，則直接import即可。也就是說，在mole_12.py中，可以直接使用
import mole_11

如果不在同一個package中，例如我們希望在mole_21.py中調用mole_11.py中的FuncA，則應該這樣：
from mole_11包名.mole_11 import
funcA

包機制

# a.py
def add_func(a,b):
return a+b

# b.py
from a import add_func # Also can be : import a

print ("Import add_func from mole a")
print ("Result of 1 plus 2 is: ")
print (add_func(1,2)) # If using "import a" , then here should be "a.add_func"

mole可以定義在包裡面.Python定義包的方式稍微有點古怪,假設我們有一個parent文件夾,該文件夾有一個child子文件夾.child中有一個mole
a.py . 如何讓Python知道這個文件層次結構?很簡單,每個目錄都放一個名為_init_.py 的文件.該文件內容可以為空.這個層次結構如下所示:

parent
--__init_.py
--child
-- __init_.py
--a.py

b.py
那麼Python如何找到我們定義的mole?在標准包sys中,path屬性記錄了Python的包路徑.你可以將之列印出來:
import sys

print(sys.path)
通常我們可以將mole的包路徑放到環境變數PYTHONPATH中,該環境變數會自動添加到sys.path屬性.另一種方便的方法是編程中直接指定我們的mole路徑到sys.path 中:
import sys
import os
sys.path.append(os.getcwd()+'\\parent\\child')
print(sys.path)
from a import add_func
print (sys.path)
print ("Import add_func from mole a")
print ("Result of 1 plus 2 is: ")
print (add_func(1,2))

知識點:

如何定義模塊和包

如何將模塊路徑添加到系統路徑,以便python找到它們

如何得到當前路徑

4. python數據挖掘工具包有什麼優缺點

【導讀】python數據挖掘工具包就是scikit-learn，scikit-learn是一個基於NumPy, SciPy,
Matplotlib的開源機器學習工具包，主要涵蓋分類，回歸和聚類演算法，例如SVM，
邏輯回歸，樸素貝葉斯，隨機森林，k-means等演算法，代碼和文檔都非常不錯，在許多Python項目中都有應用。

優點：

1、文檔齊全：官方文檔齊全，更新及時。

2、介面易用：針對所有演算法提供了一致的介面調用規則，不管是KNN、K-Means還是PCA.

3、演算法全面：涵蓋主流機器學習任務的演算法，包括回歸演算法、分類演算法、聚類分析、數據降維處理等。

缺點：

缺點是scikit-learn不支持分布式計算，不適合用來處理超大型數據。

Pandas是一個強大的時間序列數據處理工具包，Pandas是基於Numpy構建的，比Numpy的使用更簡單。最初開發的目的是為了分析財經數據，現在已經廣泛應用在Python數據分析領域中。Pandas，最基礎的數據結構是Series，用它來表達一行數據，可以理解為一維的數組。另一個關鍵的數據結構為DataFrame，它表示的是二維數組

Pandas是基於NumPy和Matplotlib開發的，主要用於數據分析和數據可視化，它的數據結構DataFrame和R語言里的data.frame很像，特別是對於時間序列數據有自己的一套分析機制。有一本書《Python
for Data Analysis》，作者是Pandas的主力開發，依次介紹了iPython, NumPy,
Pandas里的相關功能，數據可視化，數據清洗和加工，時間數據處理等，案例包括金融股票數據挖掘等，相當不錯。

Mlpy是基於NumPy/SciPy的Python機器學習模塊，它是Cython的擴展應用。

關於python數據挖掘工具包的優缺點，就給大家介紹到這里了，scikit-learn提供了一致的調用介面。它基於Numpy和scipy等Python數值計算庫，提供了高效的演算法實現，所以想要學習python，以上的內容得學會。

5. python如何粘包有沒有專門的函數之類的

粘包與拆包是由於TCP協議是位元組流協議，沒有記錄邊界所導致的。所以如何確定一個完整的業務包就由應用層來處理了。（這就是分包機制，本質上就是要在應用層維護消息與消息的邊界。）
分包機制一般有兩個通用的解決方法；
1：特殊字元控制，例如FTP協議。2：在包頭首都添加數據包的長度，例如HTTP協議。

所以說：粘包這種情況應用程序根本干涉不了，只能採用分包技術在應用層解決該問題。

6. python的回收機制是什麼

Python中的垃圾回收機制總體上有三種，

引用計數

Python語言默認採用的垃圾收集機制是『引用計數法 Reference Counting』，該演算法最早George E. Collins在1960的時候首次提出，50年後的今天，該演算法依然被很多編程語言使用，『引用計數法』的原理是：每個對象維護一個ob_ref欄位，用來記錄該對象當前被引用的次數，每當新的引用指向該對象時，它的引用計數ob_ref加1，每當該對象的引用失效時計數ob_ref減1，一旦對象的引用計數為0，該對象立即被回收，對象佔用的內存空間將被釋放。它的缺點是需要額外的空間維護引用計數，這個問題是其次的，不過最主要的問題是它不能解決對象的「循環引用」，因此，也有很多語言比如Java並沒有採用該演算法做來垃圾的收集機制。

在上圖中，我們把小黑圈視為全局變數，也就是把它作為root object，從小黑圈出發，對象1可直達，那麼它將被標記，對象2、3可間接到達也會被標記，而4和5不可達，那麼1、2、3就是活動對象，4和5是非活動對象會被GC回收。

標記清除演算法作為Python的輔助垃圾收集技術主要處理的是一些容器對象，比如list、dict、tuple，instance等，因為對於字元串、數值對象是不可能造成循環引用問題。Python使用一個雙向鏈表將這些容器對象組織起來。不過，這種簡單粗暴的標記清除演算法也有明顯的缺點：清除非活動的對象前它必須順序掃描整個堆內存，哪怕只剩下小部分活動對象也要掃描所有對象。

分代回收

分代回收是一種以空間換時間的操作方式，Python將內存根據對象的存活時間劃分為不同的集合，每個集合稱為一個代，Python將內存分為了3「代」，分別為年輕代（第0代）、中年代（第1代）、老年代（第2代），他們對應的是3個鏈表，它們的垃圾收集頻率與對象的存活時間的增大而減小。新創建的對象都會分配在年輕代，年輕代鏈表的總數達到上限時，Python垃圾收集機制就會被觸發，把那些可以被回收的對象回收掉，而那些不會回收的對象就會被移到中年代去，依此類推，老年代中的對象是存活時間最久的對象，甚至是存活於整個系統的生命周期內。同時，分代回收是建立在標記清除技術基礎之上。分代回收同樣作為Python的輔助垃圾收集技術處理那些容器對象。

Python垃圾回收機制--完美講解! 東皇Amrzs

Python中的垃圾回收機制

7. python構成一個程序最基本的三部分

python程序可以分解為模塊、語句、表達式和對象四部分
1，模塊包含語句
2，語句包含表達式
3，表達式建立並處理對象

8. 求下面python代碼的差別。

題主你好,

    你不明白上面代碼的原因,是因為你沒弄明白python包導入的相關機制.

a.先說一下包, 包其實就是一個文件夾,我們假設這個文件夾叫A;

b.還有一個子包的概念, 結合上一句話,假如說包A下有個子包B,說白了就是A文件夾下有個子文件夾B;

c.再說一下包的特殊之處,就是每個包根目錄下都有一個__init__.py文件, 關鍵來了, 這個__init__.py就是你在導入包的時候被執行的文件.

------------------------

先看一下selenium包的結構:

一環套一環吧.

寫在最後: 其實問題關鍵點就一個: 直接導入包, 相當於執行包下的__init__.py文件, 而你第2種方法不能使用selenium.webdriver的原因是selenium文件夾下的__init__.py文件中沒有相應的導入操作

希望可以幫到題主, 歡迎追問

9. Python是什麼

Python由荷蘭數學和計算機科學研究學會的Guido van Rossum 於1990
年代初設計，作為一門叫做ABC語言的替代品。Python提供了高效的高級數據結構，還能簡單有效地面向對象編程。Python語法和動態類型，以及解釋型語言的本質，使它成為多數平台上寫腳本和快速開發應用的編程語言，隨著版本的不斷更新和語言新功能的添加，逐漸被用於獨立的、大型項目的開發。
Python解釋器易於擴展，可以使用C或C++(或者其他可以通過C調用的語言)擴展新的功能和數據類型。Python
也可用於可定製化軟體中的擴展程序語言。Python豐富的標准庫，提供了適用於各個主要系統平台的源碼或機器碼。

10. Python中有autoload機制嗎

即使放入包中，也需要在文件開頭import這個包時，才會起作用。

有點怪。

說個實際的問題，大家可能就有體會了。

python2.6中改變默認除法運行需要「from __future__ import division」,

假設我目的很明確，我所有的代碼都希望以上面的方式進行除法運算，那麼，現在我得每個文件頭加這一行代碼，

要是能有某種方式在一處位置就能解決這個目的，會方便很多。