A. python中四種配置文件
常用的配置文件後綴是.ini、.conf、.py，當然還有使用.json、.txt的，推薦使用常用的.ini、.py，配置文件的名字一般是config便於理解和使用。
ini配置文件，這類配置文件我們使用內置configparser庫來使用，它可以實現配置文件的寫入、更新、刪除、讀取等操作非常方便，建議使用這種方式。
新建一個config.ini的配置文件內容如下，編碼格式要是 utf-8 以免出錯。：
其中[]中的是section節點，該節點下的等式是option即鍵=值
然後每一行寫一個option ，每個選項就是一個option。直接寫名字，後面加 " = " 再加上它的值就行，字元串的表示不要加引號，否則引號也會被解析出來。
可以在配置文件中加入注釋 ，但是注釋必須是單獨的一行，且以 「#」 開頭。只是每次運行時不會讀入注釋，只要運行一次，寫入文件後，所有的注釋都會消失。
config.json文件
使用python內置的 json 標准庫進行解析ini文件。
load() 從json文件中讀取json格式數據
loads() 將字元串類型數據轉化為json格式數據
mp() 將json格式數據保存到文件
mps() 將json格式數據保存為字元串類型
TOML的語法廣泛地由key = "value"、[節名]、#注釋構成。
支持以下數據類型：字元串、整形、浮點型、布爾型、日期時間、數組和圖表。
config.toml文件
使用外部庫 toml 解析toml文件。
安裝：pip install toml
讀取文件
安裝：
YAML是目前最推薦的配置文件格式。優秀的配置文件標准它幾乎都有：
容易閱讀和修改，支持注釋。
支持豐富的數據類型。
不同格式的明確表達。
yaml使用時需要注意：
yaml強制縮進。雖然不規定具體縮進幾個空格，但是同一級的內容要保持相同的縮進。
冒號後面一定要加空格， 否則無法解析。
python解析 yaml 可以使用pyyaml庫，操作和標準的文件操作非常類似:
得到的data就是解析後的數據，在python當中，它是一個嵌套的字典：
想獲取某一項配置，再通過字典的操作獲取：
config.yaml文件
讀取
B. 2017年10大流行Python庫有哪些
1、NumPy
NumPy是構建科學計算 stack 的最基礎的包。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。該庫還提供了 NumPy 數組類型的數學運算向量化，可以提升性能，從而加快執行速度。
2、SciPy
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
要功能建立在 NumPy 的基礎之上，它通過其特定的子模塊提供高效的數值常式操作。SciPy 的所有子模塊中的函數都有詳細的文檔，這也是一個優勢。
3、Pandas
Pandas是一個 Python 包，旨在通過「標記(labeled)」和「關系(relational)」數據進行工作，簡單直觀。Pandas 是 data wrangling 的完美工具。它設計用於快速簡單的數據操作、聚合和可視化。
4、Seaborn
Seaborn 主要關注統計模型的可視化;這種可視化包括熱度圖(heat map)，可以總結數據但也描繪總體分布。Seaborn 基於 Matplotlib，並高度依賴於它。
5、Bokeh
Bokeh是一個很好的可視化庫，其目的是互動式可視化，不過這個庫獨立於 Matplotlib，它通過現代瀏覽器以數據驅動文檔(D3.js)的風格呈現。
6、Scikits
Scikits 是 SciPy Stack 的附加軟體包，專為特定功能(如圖像處理和輔助機器學習)而設計。其中最突出的一個是 scikit-learn。該軟體包構建於 SciPy 之上，並大量使用其數學操作，是使用 Python 進行機器學習的實際上的行業標准。
7、Theano
Theano 是一個 Python 包，它定義了與 NumPy 類似的多維數組，以及數學運算和表達式。該庫是經過編譯的，使其在所有架構上能夠高效運行。這個庫最初由蒙特利爾大學機器學習組開發，主要是為了滿足機器學習的需求。
8、Keras
Keras是一個使用高層介面構建神經網路的開源庫，它是用 Python 編寫的。它簡單易懂，具有高級可擴展性。Keras 極其容易上手，而且可以進行快速的原型設計，足以用於嚴肅的建模。
9、Gensim
Gensim是一個用於 Python 的開源庫，實現了用於向量空間建模和主題建模的工具。Gensim 實現了諸如分層 Dirichlet 進程(HDP)、潛在語義分析(LSA)和潛在 Dirichlet 分配(LDA)等演算法，還有 tf-idf、隨機投影、word2vec 和 document2vec，以便於檢查一組文檔(通常稱為語料庫)中文本的重復模式。
10、Scrapy
Scrapy 是用於從網路檢索結構化數據的爬蟲程序的庫。它現在已經發展成了一個完整的框架，可以從 API 收集數據，也可以用作通用的爬蟲。該庫在介面設計上遵循著名的 Don』t Repeat Yourself 原則——提醒用戶編寫通用的可復用的代碼，因此可以用來開發和擴展大型爬蟲。
C. Python 常用的標准庫以及第三方庫有哪些
參考：知乎
Python 常用的標准庫以及第三方庫
standard libs:
itertools
functools 學好python有必要掌握上面這兩個庫吧，
re 正則
subprocess 調用shell命令的神器
pdb 調試
traceback 調試
pprint 漂亮的輸出
logging 日誌
threading和multiprocessing 多線程
urllib/urllib2/httplib http庫，httplib底層一點，推薦第三方的庫requests
os/sys 系統，環境相關
Queue 隊列
pickle/cPickle 序列化工具
hashlib md5, sha等hash演算法
cvs
json/simplejson python的json庫，據so上的討論和benchmark，simplejson的性能要高於json
timeit 計算代碼運行的時間等等
cProfile python性能測量模塊
glob 類似與listfile，可以用來查找文件
atexit 有一個注冊函數，可用於正好在腳本退出運行前執行一些代碼
dis python 反匯編，當對某條語句不理解原理時，可以用dis.dis 函數來查看代碼對應的python 解釋器指令等等。
3th libs:
paramiko ssh python 庫
selenium 瀏覽器自動化測試工具selenium的python 介面
lxml python 解析html,xml 的神器
mechanize Stateful programmatic web browsing
pycurl cURL library mole for Python
Fabric Fabric is a Python (2.5 or higher) library and command-line tool for streamlining the use of SSH for application deployment or systems administration tasks.
xmltodict xml 轉 dict，真心好用
urllib3 和 requests: 當然其實requests就夠了 Requests: HTTP for Humans
flask web 微框架
ipdb 調試神器，同時推薦ipython！結合ipython使用
redis redis python介面
pymongo mongodbpython介面
PIL python圖像處理
mako python模版引擎
numpy ， scipy 科學計算
matplotlib 畫圖
scrapy 爬蟲
django/tornado/web.py/web2py/uliweb/flask/twisted/bottle/cherrypy.等等 python web框架/伺服器
sh 1.08 — sh v1.08 documentation 用來運行shell 模塊的 極佳選擇
D. python標准庫中常用的網路相關模塊有哪些
1、asynchat、asyncore
asynchat是asyncore的增強版。asyncore則是非同步套接字處理程序。
2、Cookie、cookielib
Cookie對象操作，主要用於伺服器。cookielib客戶端的cookie的支持。
3、email
E-mail郵件消息的支持。包括MIME
4、imaplib
IMAP4客戶端模塊
5、mailbox
讀取多種郵箱的格式
6、mailcap
通過mailcap文件訪問MIME配置
7、mhlib
訪問MH郵箱
8、poplib
POP客戶端模塊
9、robotparser
支持解析Web伺服器的robot文件
10、SimpleXMLRPCServer
一個簡單的XML-RPC伺服器
11、smtpd、smtplib
SMTP伺服器端模塊、SMTP客戶端模塊
python標准庫中常用的網路相關模塊並不止以上這些。還有很多，但並不一定都需要了解，只需在需要使用的時候查找參考使用即可。
E. 【Python基礎】python數據分析需要哪些庫
1.Numpy庫
是Python開源的數值計算擴展工具，提供了Python對多維數組的支持，能夠支持高級的維度數組與矩陣運算。此外，針對數組運算也提供了大量的數學函數庫，Numpy是大部分Python科學計算的基礎，具有很多功能。
2.Pandas庫
是一個基於Numpy的數據分析包，為了解決數據分析任務而創建的。Pandas中納入了大量庫和標準的數據模型，提供了高效地操作大型數據集所需要的函數和方法，使用戶能快速便捷地處理數據。
3.Matplotlib庫
是一個用在Python中繪制數組的2D圖形庫，雖然它起源於模仿MATLAB圖形命令，但它獨立於MATLAB，可以通過Pythonic和面向對象的方式使用，是Python中最出色的繪圖庫。主要用純Python語言編寫的，它大量使用Numpy和其他擴展代碼，即使對大型數組也能提供良好的性能。
4.Seaborn庫
是Python中基於Matplotlib的數據可視化工具，提供了很多高層封裝的函數，幫助數據分析人員快速繪制美觀的數據圖形，從而避免了許多額外的參數配置問題。
5.NLTK庫
被稱為使用Python進行教學和計算語言學工作的最佳工具，以及用自然語言進行游戲的神奇圖書館。NLTK是一個領先的平台，用於構建使用人類語言數據的Python程序，它為超過50個語料庫和詞彙資源提供了易於使用的介面，還提供了一套文本處理庫，用於分類、標記化、詞干化、解析和語義推理、NLP庫的包裝器和一個活躍的討論社區。
F. Python 常用的標准庫以及第三方庫有哪些
不同的工作的人使用的標准庫和第三方庫是不一樣的。
其中內建函數肯定是都要用的，re,os,sys,time,datetime估計也都會用到，這些都是比較基礎的。
其它的估計就是根據項目和功能需求來使用了。
標准庫列表：https://docs.python.org/2/library/
第三方庫列表：https://pypi.python.org/pypi
如果解決了您的問題請採納！
如果未解決請繼續追問！