python包机制

1. python怎么打包整个项目

distutils - Python自带的基本安装工具, 适用于非常简单的应用场景使用, 不支持依赖包的安装

通过distutils来打包，生成安装包，安装python包等工作，需要编写名为setup.py python脚本文件。

setuptools - 针对 distutils 做了大量扩展, 尤其是加入了包依赖机制。不支持python3，安装完setuptools后会有easy_install

distribute - 类似于setuptools，支持python3，安装完distribute后会有easy_install。

easy_install - setuptools 和 distribute 自带的安装脚本, 也就是一旦setuptools或distribute安装完毕, easy_install 也便可用了。

pip - 目标是取代easy_install。easy_install 有很多不足: 安装事务是非原子操作, 只支持 svn, 没有提供卸载命令, 安装一系列包时需要写

脚本; pip 解决了以上问题, 已俨然成为新的事实标准, virtualenv 与它已经成为一对好搭档;

distutils2 - setuptools 和 distribute 的诞生是因为 distutils 的不济, 进而导致目前分化的状况。它将成为 Python 3.3 的标准库

packaging , 并在其它版本中以distutils2 的身份出现; 换句话说, 它和 pip 将联手结束目前混乱的状况。

virtualenv - 用来创建隔离的python环境，处理python环境的多版本和模块依赖。

常识

sudo apt-get install 安装的package存放在 /usr/lib/python2.7/dist-packages目录中

pip 或者 easy_install安装的package存放在/usr/local/lib/python2.7/dist-packages目录中

手动从源代码安装的package存放在site-packages目录中。

更多学习内容，请点击Python学习网！

2. python常用的数据分析包有哪些

ndarray.ndim

数组轴的个数，在python的世界中，轴的个数被称作秩

ndarray.shape

数组的维度。这是一个指示数组在每个维度上大小的整数元组。例如一个n排m列的矩阵，它的shape属性将是(2,3),这个元组的长度显然是秩，即维度或者ndim属性

ndarray.size

数组元素的总个数，等于shape属性中元组元素的乘积。

ndarray.dtype

一个用来描述数组中元素类型的对象，可以通过创造或指定dtype使用标准Python类型。另外NumPy提供它自己的数据类型。

ndarray.itemsize

数组中每个元素的字节大小。例如，一个元素类型为float64的数组itemsiz属性值为8(=64/8),又如，一个元素类型为complex32的数组item属性为4(=32/8).

ndarray.data

包含实际数组元素的缓冲区，通常我们不需要使用这个属性，因为我们总是通过索引来使用数组中的元素。

NumPy-快速处理数据

标准安装的Python中用列表(list)保存一组值，可以用来当作数组使用，不过由于列表的元素可以是任何对象，因此列表中所保存的是对象的指针。这样为了保存一个简单的[1,2,3]，需要有3个指针和三个整数对象。对于数值运算来说这种结构显然比较浪费内存和CPU计算时间。

此外Python还提供了一个array模块，array对象和列表不同，它直接保存数值，和C语言的一维数组比较类似。但是由于它不支持多维，也没有各种运算函数，因此也不适合做数值运算。

NumPy的诞生弥补了这些不足，NumPy提供了两种基本的对象：ndarray（N-dimensional array object）和 ufunc（universal function object）。ndarray(下文统一称之为数组)是存储单一数据类型的多维数组，而ufunc则是能够对数组进行处理的函数。

3. python怎么定义addcat

Python中的Mole是比较重要的概念。常见的情况是，事先写好一个.py文 件，在另一个文件中需要import时，将事先写好的.py文件拷贝 到当前目录，或者是在sys.path中增加事先写好的.py文件所在的目录，然后import。这样的做法，对于少数文件是可行的，但如果程序数目很 多，层级很复杂，就很吃力了。
有没有办法，像Java的Package一样，将多个.py文件组织起来，以便在外部统一调用，和在内部互相调用呢？答案是有的。
主要是用到python的包的概念，python
__init__.py在包里起一个比较重要的作用
要弄明白这个问题，首先要知道，python在执行import语句时，到底进行了什么操作，按照python的文档，它执行了如下操作：
第1步，创建一个新的，空的mole对象（它可能包含多个mole）；
第2步，把这个mole对象插入sys.mole中
第3步，装载mole的代码（如果需要，首先必须编译）
第4步，执行新的mole中对应的代码。

在执行第3步时，首先要找到mole程序所在的位置，其原理为：
如 果需要导入的mole的名字是m1，则解释器必须找到m1.py，它首先在当前目录查找，然后是在环境变量PYTHONPATH中查找。 PYTHONPATH可以视为系统的PATH变量一类的东西，其中包含若干个目录。如果PYTHONPATH没有设定，或者找不到m1.py，则继续搜索 与python的安装设置相关的默认路径，在Unix下，通常是/usr/local/lib/python。
事实上，搜索的顺序是：当前路径 （以及从当前目录指定的sys.path），然后是PYTHONPATH，然后是python的安装设置相关的默认路径。正因为存在这样的顺序，如果当前 路径或PYTHONPATH中存在与标准mole同样的mole，则会覆盖标准mole。也就是说，如果当前目录下存在xml.py，那么执 行import
xml时，导入的是当前目录下的mole，而不是系统标准的xml。

了解了这些，我们就可以先构建一个package，以普通mole的方式导入，就可以直接访问此package中的各个mole了。

Python中的package定义很简单，其层次结构与程序所在目录的层次结构相同，这一点与Java类似，唯一不同的地方在于，python中的package必须包含一个__init__.py的文件。
例如，我们可以这样组织一个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可以为空，只要它存在，就表明此目录应被作为一个package处理。当然，__init__.py中也可以设置相应的内容，下文详细介绍。

好了，现在我们在mole_11.py中定义一个函数：

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

在顶层目录（也就是package1所在的目录，当然也参考上面的介绍，将package1放在解释器能够搜索到的地方）运行python:

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

这样，我们就按照package的层次关系，正确调用了mole_11中的函数。

细心的用户会发现，有时在import语句中会出现通配符*，导入某个mole中的所有元素，这是怎么实现的呢？
答案就在__init__.py中。我们在subPack1的__init__.py文件中写

__all__ = ['mole_13', 'mole_12']

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

也就是说，以*导入时，package内的mole是受__init__.py限制的。

好了，最后来看看，如何在package内部互相调用。
如果希望调用同一个package中的mole，则直接import即可。也就是说，在mole_12.py中，可以直接使用
import mole_11

如果不在同一个package中，例如我们希望在mole_21.py中调用mole_11.py中的FuncA，则应该这样：
from mole_11包名.mole_11 import
funcA

包机制

# 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可以定义在包里面.Python定义包的方式稍微有点古怪,假设我们有一个parent文件夹,该文件夹有一个child子文件夹.child中有一个mole
a.py . 如何让Python知道这个文件层次结构?很简单,每个目录都放一个名为_init_.py 的文件.该文件内容可以为空.这个层次结构如下所示:

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

b.py
那么Python如何找到我们定义的mole?在标准包sys中,path属性记录了Python的包路径.你可以将之打印出来:
import sys

print(sys.path)
通常我们可以将mole的包路径放到环境变量PYTHONPATH中,该环境变量会自动添加到sys.path属性.另一种方便的方法是编程中直接指定我们的mole路径到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))

知识点:

如何定义模块和包

如何将模块路径添加到系统路径,以便python找到它们

如何得到当前路径

4. python数据挖掘工具包有什么优缺点

【导读】python数据挖掘工具包就是scikit-learn，scikit-learn是一个基于NumPy, SciPy,
Matplotlib的开源机器学习工具包，主要涵盖分类，回归和聚类算法，例如SVM，
逻辑回归，朴素贝叶斯，随机森林，k-means等算法，代码和文档都非常不错，在许多Python项目中都有应用。

优点：

1、文档齐全：官方文档齐全，更新及时。

2、接口易用：针对所有算法提供了一致的接口调用规则，不管是KNN、K-Means还是PCA.

3、算法全面：涵盖主流机器学习任务的算法，包括回归算法、分类算法、聚类分析、数据降维处理等。

缺点：

缺点是scikit-learn不支持分布式计算，不适合用来处理超大型数据。

Pandas是一个强大的时间序列数据处理工具包，Pandas是基于Numpy构建的，比Numpy的使用更简单。最初开发的目的是为了分析财经数据，现在已经广泛应用在Python数据分析领域中。Pandas，最基础的数据结构是Series，用它来表达一行数据，可以理解为一维的数组。另一个关键的数据结构为DataFrame，它表示的是二维数组

Pandas是基于NumPy和Matplotlib开发的，主要用于数据分析和数据可视化，它的数据结构DataFrame和R语言里的data.frame很像，特别是对于时间序列数据有自己的一套分析机制。有一本书《Python
for Data Analysis》，作者是Pandas的主力开发，依次介绍了iPython, NumPy,
Pandas里的相关功能，数据可视化，数据清洗和加工，时间数据处理等，案例包括金融股票数据挖掘等，相当不错。

Mlpy是基于NumPy/SciPy的Python机器学习模块，它是Cython的扩展应用。

关于python数据挖掘工具包的优缺点，就给大家介绍到这里了，scikit-learn提供了一致的调用接口。它基于Numpy和scipy等Python数值计算库，提供了高效的算法实现，所以想要学习python，以上的内容得学会。

5. python如何粘包有没有专门的函数之类的

粘包与拆包是由于TCP协议是字节流协议，没有记录边界所导致的。所以如何确定一个完整的业务包就由应用层来处理了。（这就是分包机制，本质上就是要在应用层维护消息与消息的边界。）
分包机制一般有两个通用的解决方法；
1：特殊字符控制，例如FTP协议。2：在包头首都添加数据包的长度，例如HTTP协议。

所以说：粘包这种情况应用程序根本干涉不了，只能采用分包技术在应用层解决该问题。

6. python的回收机制是什么

Python中的垃圾回收机制总体上有三种，

引用计数

Python语言默认采用的垃圾收集机制是‘引用计数法 Reference Counting’，该算法最早George E. Collins在1960的时候首次提出，50年后的今天，该算法依然被很多编程语言使用，‘引用计数法’的原理是：每个对象维护一个ob_ref字段，用来记录该对象当前被引用的次数，每当新的引用指向该对象时，它的引用计数ob_ref加1，每当该对象的引用失效时计数ob_ref减1，一旦对象的引用计数为0，该对象立即被回收，对象占用的内存空间将被释放。它的缺点是需要额外的空间维护引用计数，这个问题是其次的，不过最主要的问题是它不能解决对象的“循环引用”，因此，也有很多语言比如Java并没有采用该算法做来垃圾的收集机制。

在上图中，我们把小黑圈视为全局变量，也就是把它作为root object，从小黑圈出发，对象1可直达，那么它将被标记，对象2、3可间接到达也会被标记，而4和5不可达，那么1、2、3就是活动对象，4和5是非活动对象会被GC回收。

标记清除算法作为Python的辅助垃圾收集技术主要处理的是一些容器对象，比如list、dict、tuple，instance等，因为对于字符串、数值对象是不可能造成循环引用问题。Python使用一个双向链表将这些容器对象组织起来。不过，这种简单粗暴的标记清除算法也有明显的缺点：清除非活动的对象前它必须顺序扫描整个堆内存，哪怕只剩下小部分活动对象也要扫描所有对象。

分代回收

分代回收是一种以空间换时间的操作方式，Python将内存根据对象的存活时间划分为不同的集合，每个集合称为一个代，Python将内存分为了3“代”，分别为年轻代（第0代）、中年代（第1代）、老年代（第2代），他们对应的是3个链表，它们的垃圾收集频率与对象的存活时间的增大而减小。新创建的对象都会分配在年轻代，年轻代链表的总数达到上限时，Python垃圾收集机制就会被触发，把那些可以被回收的对象回收掉，而那些不会回收的对象就会被移到中年代去，依此类推，老年代中的对象是存活时间最久的对象，甚至是存活于整个系统的生命周期内。同时，分代回收是建立在标记清除技术基础之上。分代回收同样作为Python的辅助垃圾收集技术处理那些容器对象。

Python垃圾回收机制--完美讲解! 东皇Amrzs

Python中的垃圾回收机制

7. python构成一个程序最基本的三部分

python程序可以分解为模块、语句、表达式和对象四部分
1，模块包含语句
2，语句包含表达式
3，表达式建立并处理对象

8. 求下面python代码的差别。

题主你好,

    你不明白上面代码的原因,是因为你没弄明白python包导入的相关机制.

a.先说一下包, 包其实就是一个文件夹,我们假设这个文件夹叫A;

b.还有一个子包的概念, 结合上一句话,假如说包A下有个子包B,说白了就是A文件夹下有个子文件夹B;

c.再说一下包的特殊之处,就是每个包根目录下都有一个__init__.py文件, 关键来了, 这个__init__.py就是你在导入包的时候被执行的文件.

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

先看一下selenium包的结构:

一环套一环吧.

写在最后: 其实问题关键点就一个: 直接导入包, 相当于执行包下的__init__.py文件, 而你第2种方法不能使用selenium.webdriver的原因是selenium文件夹下的__init__.py文件中没有相应的导入操作

希望可以帮到题主, 欢迎追问

9. Python是什么

Python由荷兰数学和计算机科学研究学会的Guido van Rossum 于1990
年代初设计，作为一门叫做ABC语言的替代品。Python提供了高效的高级数据结构，还能简单有效地面向对象编程。Python语法和动态类型，以及解释型语言的本质，使它成为多数平台上写脚本和快速开发应用的编程语言，随着版本的不断更新和语言新功能的添加，逐渐被用于独立的、大型项目的开发。
Python解释器易于扩展，可以使用C或C++(或者其他可以通过C调用的语言)扩展新的功能和数据类型。Python
也可用于可定制化软件中的扩展程序语言。Python丰富的标准库，提供了适用于各个主要系统平台的源码或机器码。

10. Python中有autoload机制吗

即使放入包中，也需要在文件开头import这个包时，才会起作用。

有点怪。

说个实际的问题，大家可能就有体会了。

python2.6中改变默认除法运行需要“from __future__ import division”,

假设我目的很明确，我所有的代码都希望以上面的方式进行除法运算，那么，现在我得每个文件头加这一行代码，

要是能有某种方式在一处位置就能解决这个目的，会方便很多。