『壹』 常用的python庫有哪些
1.Matplotlib
Matplotlib是一個用於創立二維圖和圖形的底層庫。藉由它的協助，你可以構建各種不同的圖標，從直方圖和散點圖到費笛卡爾坐標圖。matplotlib可以與許多盛行的繪圖庫結合運用。
2.Seaborn
Seaborn本質上是一個根據matplotlib庫的高級API。它包括更適合處理圖表的默認設置。此外，還有豐厚的可視化庫，包括一些雜亂類型，如時刻序列、聯合分布圖(jointplots)和小提琴圖(violindiagrams)。
3.Plotly
Plotly是一個盛行的庫，它可以讓你輕松構建雜亂的圖形。該軟體包適用於互動式Web運用程，可完成輪廓圖、三元圖和三維圖等視覺效果
4.Bokeh
Bokeh庫運用JavaScript小部件在瀏覽器中創立互動式和可縮放的可視化。該庫提供了多種圖表調集，樣式可能性(stylingpossibilities)，鏈接圖、增加小部件和界說回調等方式的交互才能，以及許多更有用的特性。
5.Pydot
Pydot是用純Python編寫的Graphviz介面，經常用於生成雜亂的定向圖和無向圖，可以顯現圖形的結構，對於構建神經網路和根據決策樹的演算法時十分有效。
6.pyecharts
是根據網路開源的Echarts而開發的Python可視化東西。
pyecharts功用十分強大，支撐多達400+地圖;支撐JupyterNotebook、JupyterLab;可以輕松集成至Flask，Sanic，Django等幹流Web結構。
關於常用的python庫有哪些，環球青藤小編就和大家分享到這里了，學習是沒有盡頭的，學習一項技能更是受益終身，因此，只要肯努力學，什麼時候開始都不晚。如若你還想繼續了解關於python編程的素材及學習方法等內容，可以點擊本站其他文章學習。
『貳』 Python常用的標准庫以及第三方庫有哪些
Python常用的標准庫有http庫。第三方庫有scrapy，pillow和wxPython.以下有介紹：
Requests.Kenneth Reitz寫的最富盛名的http庫，每個Python程序員都應該有它。
Scrapy.如果你從事爬蟲相關的工作，那麼這個庫也是必不可少的。用過它之後你就不會再想用別的同類庫了。
wxPython.Python的一個GUI（圖形用戶界面）工具。我主要用它替代tkinter。
Pillow.它是PIL的一個友好分支。對於用戶比PIL更加友好，對於任何在圖形領域工作的人是必備的庫。
『叄』 python常用到哪些庫
第一、NumPy
NumPy是NumericalPython的簡寫，是Python數值計算的基石。它提供多種數據結構、演算法以及大部分涉及Python數值計算所需的介面。NumPy還包括其他內容：
①快速、高效的多維數組對象ndarray
②基於元素的數組計算或數組間數學操作函數
③用於讀寫硬碟中基於數組的數據集的工具
④線性代數操作、傅里葉變換以及隨機數生成
除了NumPy賦予Python的快速數組處理能力之外，NumPy的另一個主要用途是在演算法和庫之間作為數據傳遞的數據容器。對於數值數據，NumPy數組能夠比Python內建數據結構更為高效地存儲和操作數據。
第二、pandas
pandas提供了高級數據結構和函數，這些數據結構和函數的設計使得利用結構化、表格化數據的工作快速、簡單、有表現力。它出現於2010年，幫助Python成為強大、高效的數據分析環境。常用的pandas對象是DataFrame，它是用於實現表格化、面向列、使用行列標簽的數據結構;以及Series，一種一維標簽數組對象。
pandas將表格和關系型資料庫的靈活數據操作能力與Numpy的高性能數組計算的理念相結合。它提供復雜的索引函數，使得數據的重組、切塊、切片、聚合、子集選擇更為簡單。由於數據操作、預處理、清洗在數據分析中是重要的技能，pandas將是重要主題。
第三、matplotlib
matplotlib是最流行的用於制圖及其他二維數據可視化的Python庫，它由John D.
Hunter創建，目前由一個大型開發者團隊維護。matplotlib被設計為適合出版的制圖工具。
對於Python編程者來說也有其他可視化庫，但matplotlib依然使用最為廣泛，並且與生態系統的其他庫良好整合。
第四、IPython
IPython項目開始於2001年，由FernandoPérez發起，旨在開發一個更具交互性的Python解釋器。在過去的16年中，它成為Python數據技術棧中最重要的工具之一。
盡管它本身並不提供任何計算或數據分析工具，它的設計側重於在交互計算和軟體開發兩方面將生產力最大化。它使用了一種執行-探索工作流來替代其他語言中典型的編輯-編譯-運行工作流。它還提供了針對操作系統命令行和文件系統的易用介面。由於數據分析編碼工作包含大量的探索、試驗、試錯和遍歷，IPython可以使你更快速地完成工作。
第五、SciPy
SciPy是科學計算領域針對不同標准問題域的包集合。以下是SciPy中包含的一些包：
①scipy.integrate數值積分常式和微分方程求解器
②scipy.linalg線性代數常式和基於numpy.linalg的矩陣分解
③scipy.optimize函數優化器和求根演算法
④scipy.signal信號處理工具
⑤scipy.sparse稀疏矩陣與稀疏線性系統求解器
SciPy與Numpy一起為很多傳統科學計算應用提供了一個合理、完整、成熟的計算基礎。
第六、scikit-learn
scikit-learn項目誕生於2010年，目前已成為Python編程者首選的機器學習工具包。僅僅七年，scikit-learn就擁有了全世界1500位代碼貢獻者。其中包含以下子模塊：
①分類：SVM、最近鄰、隨機森林、邏輯回歸等
②回歸：Lasso、嶺回歸等
③聚類：K-means、譜聚類等
④降維：PCA、特徵選擇、矩陣分解等
⑤模型選擇：網格搜索、交叉驗證、指標矩陣
⑥預處理：特徵提取、正態化
scikit-learn與pandas、statsmodels、IPython一起使Python成為高效的數據科學編程語言。
『肆』 常用的python庫，有哪些
pyqt, tkinter, pygame
scipy numpy graphviz nltk
看你要做什麼用咯
『伍』 Python 常用的標准庫以及第三方庫有哪些
標准庫
Python擁有一個強大的標准庫。Python語言的核心只包含數字、字元串、列表、字典、文件等常見類型和函數，而由Python標准庫提供了系統管理、網路通信、文本處理、資料庫介面、圖形系統、XML處理等額外的功能。
Python標准庫的主要功能有：
1.文本處理，包含文本格式化、正則表達式匹配、文本差異計算與合並、Unicode支持，二進制數據處理等功能
2.文件處理，包含文件操作、創建臨時文件、文件壓縮與歸檔、操作配置文件等功能
3.操作系統功能，包含線程與進程支持、IO復用、日期與時間處理、調用系統函數、日誌（logging）等功能
4.網路通信，包含網路套接字，SSL加密通信、非同步網路通信等功能
5.網路協議，支持HTTP，FTP，SMTP，POP，IMAP，NNTP，XMLRPC等多種網路協議，並提供了編寫網路伺服器的框架
6.W3C格式支持，包含HTML，SGML，XML的處理。
7.其它功能，包括國際化支持、數學運算、HASH、Tkinter等
Python社區提供了大量的第三方模塊，使用方式與標准庫類似。它們的功能覆蓋科學計算、Web開發、資料庫介面、圖形系統多個領域。第三方模塊可以使用Python或者C語言編寫。SWIG,SIP常用於將C語言編寫的程序庫轉化為Python模塊。Boost C++ Libraries包含了一組函式庫，Boost.Python，使得以Python或C++編寫的程式能互相調用。Python常被用做其他語言與工具之間的「膠水」語言。
著名第三方庫
1.Web框架
Django： 開源Web開發框架，它鼓勵快速開發,並遵循MVC設計，開發周期短。
ActiveGrid： 企業級的Web2.0解決方案。
Karrigell： 簡單的Web框架，自身包含了Web服務，py腳本引擎和純python的資料庫PyDBLite。
Tornado： 一個輕量級的Web框架，內置非阻塞式伺服器，而且速度相當快
webpy： 一個小巧靈活的Web框架，雖然簡單但是功能強大。
CherryPy： 基於Python的Web應用程序開發框架。
Pylons： 基於Python的一個極其高效和可靠的Web開發框架。
Zope： 開源的Web應用伺服器。
TurboGears： 基於Python的MVC風格的Web應用程序框架。
Twisted： 流行的網路編程庫，大型Web框架。
Quixote： Web開發框架。
2.科學計算
Matplotlib： 用Python實現的類matlab的第三方庫，用以繪制一些高質量的數學二維圖形。
SciPy： 基於Python的matlab實現，旨在實現matlab的所有功能。
NumPy： 基於Python的科學計算第三方庫，提供了矩陣，線性代數，傅立葉變換等等的解決方案。
3.GUI
PyGtk： 基於Python的GUI程序開發GTK+庫。
PyQt： 用於Python的QT開發庫。
WxPython： Python下的GUI編程框架，與MFC的架構相似。
4.其它
BeautifulSoup： 基於Python的HTML/XML解析器，簡單易用。
PIL： 基於Python的圖像處理庫，功能強大，對圖形文件的格式支持廣泛。
PyGame： 基於Python的多媒體開發和游戲軟體開發模塊。
Py2exe： 將python腳本轉換為windows上可以獨立運行的可執行程序。
『陸』 最受歡迎的 15 大 Python 庫有哪些
1、Pandas：是一個Python包，旨在通過「標記」和「關系」數據進行工作，簡單直觀。它設計用於快速簡單的數據操作、聚合和可視化，是數據整理的完美工具。
2、Numpy：是專門為Python中科學計算而設計的軟體集合，它為Python中的n維數組和矩陣的操作提供了大量有用的功能。該庫提供了NumPy數組類型的數學運算向量化，可以改善性能，從而加快執行速度。
3、SciPy：是一個工程和科學軟體庫，包含線性代數，優化，集成和統計的模塊。SciPy庫的主要功能是建立在NumPy上，通過其特定子模塊提供有效的數值常式，並作為數字積分、優化和其他常式。
4、Matplotlib：為輕松生成簡單而強大的可視化而量身定製，它使Python成為像MatLab或Mathematica這樣的科學工具的競爭對手。
5、Seaborn：主要關注統計模型的可視化(包括熱圖)，Seaborn高度依賴於Matplotlib。
6、Bokeh：獨立於Matplotlib，主要焦點是交互性，它通過現代瀏覽器以數據驅動文檔的風格呈現。
7、Plotly：是一個基於Web用於構建可視化的工具箱，提供API給一些編程語言(Python在內)。
8、Scikits：是Scikits
Stack額外的軟體包，專為像圖像處理和機器學習輔助等特定功能而設計。它建立在SciPy之上，中集成了有質量的代碼和良好的文檔、簡單易用並且十分高效，是使用Python進行機器學習的實際行業標准。
9、Theano：是一個Python軟體包，它定義了與NumPy類似的多維數組，以及數學運算和表達式。此庫是被編譯的，可實現在所有架構上的高效運行。
10、TensorFlow：是數據流圖計算的開源庫，旨在滿足谷歌對訓練神經網路的高需求，並且是基於神經網路的機器學習系統DistBelief的繼任者，可以在大型數據集上快速訓練神經網路。
11、Keras：是一個用Python編寫的開源的庫，用於在高層的介面上構建神經網路。它簡單易懂，具有高級可擴展性。
12、NLTK：主要用於符號學和統計學自然語言處理(NLP) 的常見任務，旨在促進NLP及相關領域(語言學，認知科學人工智慧等)的教學和研究。
13、Gensim：是一個用於Python的開源庫，為有向量空間模型和主題模型的工作提供了使用工具。這個庫是為了高效處理大量文本而設計，不僅可以進行內存處理，還可以通過廣泛使用NumPy數據結構和SciPy操作來獲得更高的效率。
『柒』 python哪些標准庫
標准庫比較多 功能也不同：
標准庫
sys
系統相關的參數和函數。 sys 庫一般用來訪問和修改系統相關信息，比如查看 python 版本、系統環境變數、模塊信息和 python 解釋器相關信息等等。
os
操作系統介面模塊。這個庫提供了訪問操作系統相關依賴的方式，比如輸入輸出操作、讀寫操作、操作系統異常錯誤信息、進程線程管理、文件管理、調度程序等等。
re
正則表達式操作。這個庫是我喜歡並且經常會用到的庫，在對大量字元串進行處理的時候用正則表達式是最快速有效的方式，但是正則表達式的學習曲線較高，有興趣的朋友可以訪問這個網站學習。
math
數學函數庫。 math 庫提供了對 C 語言標準定義的數學函數訪問，比如數論（Number-theoretic）的各種表示方法、冪和對數函數（Power and logarithmic functions）、三角函數（Trigonometric functions）、常量圓周率（π）和自然常數（e）等等。
random
生成偽隨機數。
偽隨機數與隨機數（真隨機數）不同的是執行環境，隨機數是真實世界中通過物理過程實踐得出結論，而偽隨機數是通過計算機的特定演算法生成的數，所以這個過程是可預測的、有規律的，只是循環周期較長，並不能與現實場景相切合。
random庫提供生成隨機數，可以模擬現實世界中隨機取數、隨機抽獎等等。
logging
日誌記錄工具。這個庫提供了對應用程序和庫函數的日誌記錄，日常開發中我們經常需要通過日誌列印出當前程序的運行狀態，實時查看可能出現的堆棧異常和錯誤信息。
json
Json 編碼和解碼器。 json 庫提供了對 json 數據的支持，日常開發中我們做前後端分離需要對傳輸數據 json 進行序列化和反序列化操作，以保證對數據的完整性和有效性，而序列化和反序列化其實就是編碼和解碼的過程。
pickle
Python 對象序列化庫。 pickle 庫支持對 python 對象進行序列化和反序列化操作，當我們需要將處理好的對象保存到文件或資料庫中時，就可以將其序列化成二進制數據，從而更好的保存起來。
shelve
Python 對象持久化。簡單的數據存儲方案。
socket
底層網路介面。 socket（套接字） 庫提供了標準的BSD（伯克利套接字） Socket API，可以通過訪問底層操作系統 Socket 的相關介面進行網路通訊。
datetime
基本日期和時間類型庫。該庫提供了各種簡單和復雜的方式處理日期和時間，日常我們會用時間測算時間消耗、復雜度，對存儲的創建時間和修改時間也需要進一步說明，對計時器的描述和控制也需要用到該庫。
hashlib
安全哈希和消息摘要。摘要演算法 其實就是對某些數據進行加密（不可逆的加密演算法），因為被加密的數據無法破解，所以就能防止被篡改。常見的摘要演算法有 MD5、SHA1，一般我們會用 MD5 對用戶口令進行加密，防止盜用後被輕易破解；而 SHA1 與 MD5 類似，但是 SHA1 會產生更長的長度，也更安全，但是演算法的復雜性通常伴隨著存儲空間和時間的消耗。要說比SHA1更長的字元長度，還有 SHA224、SHA256、SHA384 和 SHA512，看名字就能知道。
大家都知道無論演算法生成的字元長度如何都有可能發生碰撞（被破解），這是不可避免的，所以具體場景具體情況而定。
configparser
配置文件解析器。 configparser 庫可以輕松定製配置文件，通過解析配置文件的信息我們就可以全局訪問相關配置。
urllib
URL 處理模塊。 urllib 庫集成了處理 URLs（統一資源定位符）的各種模塊：
URL urllib.request URL robots.txt urllib 庫對訪問網路有很好的支持，提供了對數據的訪問和處理、文件的上傳和下載、記錄 cookie 和 session 等等。
itertools
為高效循環而創建迭代器的函數。 itertools 庫也是經常需要用到，當我們要對某些數進行 for-in 時就需要先將其處理成一個可迭代對象，之後我們才能進行遍歷操作。
collections
容器數據類型庫。 collections 庫提供了對所有容器數據類型的支持，包括 dict, list, set 和 tuple。我們可以用此庫對不同數據類型進行操作，常有的函數方法有這些：
namedtuple() 創建命名元組子類的工廠函數 deque 類似列表(list)的容器，實現了在兩端快速添加(append)和彈出(pop) ChainMap 類似字典(dict)的容器類，將多個映射集合到一個視圖裡面 Counter 字典的子類，提供了可哈希對象的計數功能 OrderedDict 字典的子類，保存了他們被添加的順序 defaultdict 字典的子類，提供了一個工廠函數，為字典查詢提供一個默認值 UserDict 封裝了字典對象，簡化了字典子類化 UserList 封裝了列表對象，簡化了列表子類化 UserString 封裝了列表對象，簡化了字元串子類化 functools
高階函數和可調用對象上的操作。該庫主要調用高階函數，是常規函數的一種補充。目前庫中包含以下幾種函數：
cmp_to_key lru_cache total_ordering partial partialmethod rece singledispatch update_wrapper wraps threading
線程並行庫。 threading 庫支持線程和多線程的操作，針對多線程並發的問題可以給數據加同步鎖，一次只能讓一個線程處理數據，從而避免出現數據讀寫混亂。
在 CPython 解釋器上，因為GIL（全局解釋器鎖）鎖機制的存在的，被設計成線程安全，所以同一時間只能執行一個線程，這就導致了多線程不能發揮出計算機的多核特性。
multiprocessing
進程並行庫。 multiprocessing 庫與 threading 庫很類似，不同的是進程庫可以創建子進程避開 GIL，從而彌補線程庫存在的劣勢和發揮計算機的多核特性。
timeit
測量小代碼片段的執行時間。此庫主要用來計算運行代碼的時間消耗，支持多種方式傳入參數。
atexit
退出處理器。當處理一個函數需要立馬退出時可以使用該庫。
abc
抽象基類。 abc 庫定義抽象基類，以便其他類派生出新類。比如 collections 容器庫中就有此派生出的 collections.abc 類，派生出來的類可以進一步實現。
asyncio
非同步IO庫。 asyncio 庫是一個用 async/await 關鍵字編寫並發的庫，為多個非同步框架提供基礎功能，能夠實現高性能的網路、Web伺服器、資料庫連接和分布式任務隊列等。
淺層和深層復制操作。 庫提供對對象的拷貝，我們都知道要製作對象副本，是無法通過簡單值傳遞創建新變數的方式做到，因為新變數所指向的內存空間依舊是原對象本身，所以對新變數進行任何操作都會改變原對象。那麼， 庫就提供了製作對象副本的各種方法，會開辟一個新的內存空間存放副本對象，修改操作不會對原對象有任何干預。
csv
csv（Comma Separated Values）文件讀寫庫。此庫支持以純文本的形式存儲表格數據（數字和文本）。
operator
標准運算符替代函數庫。此庫是將 python 自有的運算符作為有效函數，比如表達式 x+y 可以用函數 operator.add(x, y) 表示；比如表達式 a*b 可以用函數 operator.mul(a, b) 表示，等等。
enum
枚舉庫。 enum 庫支持創建枚舉類來存儲大量同類型的不可變常量，以便其他函數調用。創建出來的枚舉類是可迭代對象，所以可以用 for-in 枚舉出所有常量。
heapq
堆隊列演算法。這個模塊提供了堆隊列演算法的實現，也稱為優先隊列演算法。優先隊列中的每個元素都有各自的優先順序，優先順序最高的元素最先得到服務。所以當我們要求前n最大/最小值的時候就可以用此演算法來實現， heapq 庫中也提供了相應函數實現。
http
HTTP 模塊。 http 模塊是一個包，收集了多個處理超文本傳輸協議的模塊：
urllib.request http 模塊通過 http.HTTPStatus 枚舉定義了HTTP狀態碼 以及相關聯消息。
profile、pstats
性能分析工具。 profile 模塊提供了 profile 和 cProfile 兩種不同實現的性能分析工具，可用來描述程序各個部分的執行時間和頻率，統計後的信息可以通過 pstats 模塊保存並使用。
ssl
TLS/SSL（傳輸安全協議）。此模塊提供對安全協議的支持，通過應用上下文，可將 TLS（傳輸層安全性協議）或其前身 SSL（安全套接層）支持安全協議，能為互聯網通信提供安全和數據完整性保障。一般 HTTPS 協議都支持 TLS/SSL 加密。
unitest
單元測試框架。 unitest 庫常用於單元測試，受到 JUnit 和其他主流測試庫的啟發， unitest 庫的功能和函數與它們有著相似的風格。
uuid
UUID庫。 uuid 庫主要用途是生成隨機字元串，庫中有多個版本的 UUID 對象方法，比如版本 1、3、4 和 5 的 uuid1() 、 uuid3() 、 uuid4() 和 uuid5() 。需要注意的是，如果要生成隨機字元串，可以使用 uuid1() 和 uuid4() ，但是 uuid1() 會存在隱私風險，因為生成的原理里邊包含用戶訪問計算機的網路地址，而 uuid4() 是通過隨機字元生成。
希望可以幫助到你。
『捌』 python常用到哪些庫
Python作為一個設計優秀的程序語言，現在已廣泛應用於各種領域，依靠其強大的第三方類庫，Python在各個領域都能發揮巨大的作用。
下面我們就來看一下python中常用到的庫：
數值計算庫：
1. NumPy
支持多維數組與矩陣運算，也針對數組運算提供大量的數學函數庫。通常與SciPy和Matplotlib一起使用，支持比Python更多種類的數值類型，其中定義的最重要的對象是稱為ndarray的n維數組類型，用於描述相同類型的元素集合，可以使用基於0的索引訪問集合中元素。
2. SciPy
在NumPy庫的基礎上增加了眾多的數學、科學及工程計算中常用的庫函數，如線性代數、常微分方程數值求解、信號處理、圖像處理、稀疏矩陣等，可進行插值處理、信號濾波，以及使用C語言加速計算。
3. Pandas
基於NumPy的一種工具，為解決數據分析任務而生。納入大量庫和一些標準的數據模型，提供高效地操作大型數據集所需的工具及大量的能快速便捷處理數據的函數和方法，為時間序列分析提供很好的支持，提供多種數據結構，如Series、Time-Series、DataFrame和Panel。
數據可視化庫：
4. Matplotlib
第一個Python可視化庫，有許多別的程序庫都是建立在其基礎上或者直接調用該庫，可以很方便地得到數據的大致信息，功能非常強大，但也非常復雜。
5. Seaborn
利用了Matplotlib，用簡潔的代碼來製作好看的圖表。與Matplotlib最大的區別為默認繪圖風格和色彩搭配都具有現代美感。
6. ggplot
基於R的一個作圖庫ggplot2，同時利用了源於《圖像語法》（The Grammar of Graphics）中的概念，允許疊加不同的圖層來完成一幅圖，並不適用於製作非常個性化的圖像，為操作的簡潔度而犧牲了圖像的復雜度。
7. Bokeh
跟ggplot一樣，Bokeh也基於《圖形語法》的概念。與ggplot不同之處為它完全基於Python而不是從R處引用。長處在於能用於製作可交互、可直接用於網路的圖表。圖表可以輸出為JSON對象、HTML文檔或者可交互的網路應用。
8. Plotly
可以通過Python notebook使用，與Bokeh一樣致力於交互圖表的製作，但提供在別的庫中幾乎沒有的幾種圖表類型，如等值線圖、樹形圖和三維圖表。
9. pygal
與Bokeh和Plotly一樣，提供可直接嵌入網路瀏覽器的可交互圖像。與其他兩者的主要區別在於可將圖表輸出為SVG格式，所有的圖表都被封裝成方法，且默認的風格也很漂亮，用幾行代碼就可以很容易地製作出漂亮的圖表。
10. geoplotlib
用於製作地圖和地理相關數據的工具箱。可用來製作多種地圖，比如等值區域圖、熱度圖、點密度圖。必須安裝Pyglet（一個面向對象編程介面）方可使用。
11. missingno
用圖像的方式快速評估數據缺失的情況，可根據數據的完整度對數據進行排序或過濾，或者根據熱度圖或樹狀圖對數據進行修正。
web開發庫：
12. Django
一個高級的Python Web框架，支持快速開發，提供從模板引擎到ORM所需的一切東西，使用該庫構建App時，必須遵循Django的方式。
13. Socket
一個套接字通訊底層庫，用於在伺服器和客戶端間建立TCP或UDP連接，通過連接發送請求與響應。
14. Flask
一個基於Werkzeug、Jinja 2的Python輕量級框架（microframework），默認配備Jinja模板引擎，也包含其他模板引擎或ORM供選擇，適合用來編寫API服務（RESTful rervices）。
15. Twisted
一個使用Python實現的基於事件驅動的網路引擎框架，建立在deferred object之上，一個通過非同步架構實現的高性能的引擎，不適用於編寫常規的Web Apps，更適用於底層網路。
資料庫管理：
16. MySQL-python
又稱MySQLdb，是Python連接MySQL最流行的一個驅動，很多框架也基於此庫進行開發。只支持Python 2.x，且安裝時有許多前置條件。由於該庫基於C語言開發，在Windows平台上的安裝非常不友好，經常出現失敗的情況，現在基本不推薦使用，取代品為衍生版本。
17. mysqlclient
完全兼容MySQLdb，同時支持Python 3.x，是Django ORM的依賴工具，可使用原生SQL來操作資料庫，安裝方式與MySQLdb一致。
18. PyMySQL
純Python實現的驅動，速度比MySQLdb慢，最大的特點為安裝方式簡潔，同時也兼容MySQL-python。
19. SQLAlchemy
一種既支持原生SQL，又支持ORM的工具。ORM是Python對象與資料庫關系表的一種映射關系，可有效提高寫代碼的速度，同時兼容多種資料庫系統，如SQLite、MySQL、PostgreSQL，代價為性能上的一些損失。
自動化運維：
20. jumpsever跳板機
一種由Python編寫的開源跳板機（堡壘機）系統，實現了跳板機的基本功能，包含認證、授權和審計，集成了Ansible、批量命令等。
支持WebTerminal Bootstrap編寫，界面美觀，自動收集硬體信息，支持錄像回放、命令搜索、實時監控、批量上傳下載等功能，基於SSH協議進行管理，客戶端無須安裝agent。主要用於解決可視化安全管理，因完全開源，容易再次開發。
21. Mage分布式監控系統
一種用Python開發的自動化監控系統，可監控常用系統服務、應用、網路設備，可在一台主機上監控多個不同服務，不同服務的監控間隔可以不同，同一個服務在不同主機上的監控間隔、報警閾值可以不同，並提供數據可視化界面。
22. Mage的CMDB
一種用Python開發的硬體管理系統，包含採集硬體數據、API、頁面管理3部分功能，主要用於自動化管理筆記本、路由器等常見設備的日常使用。由伺服器的客戶端採集硬體數據，將硬體信息發送至API，API負責將獲取的數據保存至資料庫中，後台管理程序負責對伺服器信息進行配置和展示。
23. 任務調度系統
一種由Python開發的任務調度系統，主要用於自動化地將一個服務進程分布到其他多個機器的多個進程中，一個服務進程可作為調度者依靠網路通信完成這一工作。
24. Python運維流程系統
一種使用Python語言編寫的調度和監控工作流的平台，內部用於創建、監控和調整數據管道。允許工作流開發人員輕松創建、維護和周期性地調度運行工作流，包括了如數據存儲、增長分析、Email發送、A/B測試等諸多跨多部門的用例。
GUI編程：
25. Tkinter
一個Python的標准GUI庫，可以快速地創建GUI應用程序，可以在大多數的UNIX平台下使用，同樣可以應用在Windows和Macintosh系統中，Tkinter 8.0的後續版本可以實現本地窗口風格，並良好地運行在絕大多數平台中。
26. wxPython
一款開源軟體跨平台GUI庫wxWidgets的Python封裝和Python模塊，是Python語言的一套優秀的GUI圖形庫，允許程序員很方便地創建完整的、功能健全的GUI用戶界面。
27. PyQt
一個創建GUI應用程序的工具庫，是Python編程語言和Qt的成功融合，可以運行在所有主要操作系統上，包括UNIX、Windows和Mac。PyQt採用雙許可證，開發人員可以選擇GPL和商業許可，從PyQt的版本4開始，GPL許可證可用於所有支持的平台。
28. PySide
一個跨平台的應用程式框架Qt的Python綁定版本，提供與PyQt類似的功能，並相容API，但與PyQt不同處為其使用LGPL授權。
更多Python知識請關注Python自學網。
『玖』 Python中的庫都有哪些
標准庫
sys
系統相關的參數和函數。 sys 庫一般用來訪問和修改系統相關信息，比如查看 python 版本、系統環境變數、模塊信息和 python 解釋器相關信息等等。
os
操作系統介面模塊。這個庫提供了訪問操作系統相關依賴的方式，比如輸入輸出操作、讀寫操作、操作系統異常錯誤信息、進程線程管理、文件管理、調度程序等等。
re
正則表達式操作。這個庫是我喜歡並且經常會用到的庫，在對大量字元串進行處理的時候用正則表達式是最快速有效的方式，但是正則表達式的學習曲線較高，有興趣的朋友可以訪問這個網站學習。
math
數學函數庫。 math 庫提供了對 C 語言標準定義的數學函數訪問，比如數論（Number-theoretic）的各種表示方法、冪和對數函數（Power and logarithmic functions）、三角函數（Trigonometric functions）、常量圓周率（π）和自然常數（e）等等。
random
生成偽隨機數。
偽隨機數與隨機數（真隨機數）不同的是執行環境，隨機數是真實世界中通過物理過程實踐得出結論，而偽隨機數是通過計算機的特定演算法生成的數，所以這個過程是可預測的、有規律的，只是循環周期較長，並不能與現實場景相切合。
random庫提供生成隨機數，可以模擬現實世界中隨機取數、隨機抽獎等等。望採納
『拾』 常用的python庫有哪些
10個頂級且實用的python庫
1、Dash
Dash是比較新的軟體包，它是用純python構建數據可視化app的理想選擇，因此特別適合處理數據的任何人。Dash是Flask、Plotly.js和React.js的混合體。
2、Pygame
Pygame是SDL多媒體庫的python裝飾器，SDL是一個跨平台開發庫，旨在提供對以下內容的低級介面：音頻、鍵盤、滑鼠、游戲桿、基於OpenGL和Direct3D的圖形硬體。
Pygame具有高度的可移植性，幾乎可以在所有平台和操作系統上運行。盡管它具有完善的游戲引擎，但您也可以使用此庫直接從python腳本播放MP3文件。
3、Pillow
Pillow專門用於處理圖像，您可以使用該庫創建縮略圖，在文件格式之間轉換、旋轉、應用濾鏡、顯示圖像等等。如果您需要對許多圖像執行批量操作，這是理想的選擇。
4、Colorama
Colorama允許你在終端使用顏色，非常適合python腳本，文檔簡短而有趣，可以在Colorama PyPi頁面上找到。
5、JmesPath
在python中使用JSON非常容易，因為JSON在python字典上的映射非常好。此外，python帶有自己出色的json庫，用於解析和創建JSON。對我來說，這是它最好的功能之一，如果我需要使用JSON，可以考慮使用python。
JmesPath使python處理JSON更加容易，它允許您明確地指定如何從JSON文檔中提取元素。
6、Requests
Requests建立在世界上下載量最大的python庫urllib3上，它令Web請求變得非常簡單，功能強大且用途廣泛。
Requests可以完成您能想到的所有高級工作，比如：認證，使用cookie，執行POST、PUT、DELETE等，使用自定義證書，使用會話Session、使用代理等。
7、Simplejson
python中的本地json模塊有什麼問題?沒有!實際上，python的json是Simplejson。意思是：python採用了Simplejson的一個版本，並將其合並到每個發行版中，但是使用Simplejson具有一些優點：它適用於更多python版本、它比python隨附的版本更新頻率更高、它具有用C編寫的部分，因此非常快速。
8、Emoji
Emoji庫非常意思，但並非每個人都喜歡表情包，分析視角媒體數據時，Emoji包非常有用。
9、Python-dateutil
Python-dateutil模塊提供了對標准datetime模塊的強大擴展。我的經驗是：常規的python日期時間功能在哪裡結束，而Python-dateutil就出現了。
10、BeautifulSoup
如果您從網站上提取了一些HTML，則需要對其進行解析以獲取實際所需的內容。BeautifulSoup是一個python庫，用於從HTML和XML文件中提取數據。它提供了導航，搜索和修改解析樹的簡單方法。它非常強大，即使損壞了，也能夠處理各種HTML，這是一個非常強大的功能。
它的一些主要功能：
①BeautifulSoup會自動將傳入文檔轉換為Unicode，將傳出文檔轉換為UTF-8，您無需考慮編碼。
②BeautifulSoup位於流行的python解析器的頂部，使您可以嘗試不同的解析策略或提高靈活性。