企业官网建设流程全解析

教务管理系统密码忘记了怎么找回,搜外seo视频 网络营销免费视频课程,wordpress被挂木马,网站建设找哪家公司一、数据处理与计算类这类库是数据科学、数值计算的基础#xff0c;补充 pandas 的能力边界。1. NumPy#xff08;数值计算核心库#xff09;核心用途#xff1a;处理多维数组#xff08;矩阵#xff09;、数值运算#xff08;线性代数、傅里叶变换等#xff09;#…一、数据处理与计算类这类库是数据科学、数值计算的基础补充 pandas 的能力边界。1. NumPy数值计算核心库核心用途处理多维数组矩阵、数值运算线性代数、傅里叶变换等是 pandas、matplotlib 的底层依赖比 Python 原生列表运算快数十倍。典型场景数值模拟、矩阵运算、数据标准化。python运行import numpy as np # 案例创建数组基础运算 # 1. 创建二维数组矩阵 arr np.array([[1, 2, 3], [4, 5, 6]]) print(原始数组\n, arr) # 2. 数组形状行数、列数 print(数组形状, arr.shape) # 输出 (2, 3) # 3. 矩阵乘法转置后相乘 arr_transpose arr.T # 转置 result arr arr_transpose # 矩阵乘法等价于 np.dot(arr, arr_transpose) print(矩阵乘法结果\n, result) # 4. 数值统计 print(数组平均值, arr.mean()) # 输出 3.5前置条件pip install numpy2. SciPy科学计算库核心用途基于 NumPy 扩展提供更专业的科学计算功能积分、优化、信号处理、统计检验等。典型场景物理建模、数据拟合、假设检验。python运行import numpy as np from scipy.optimize import curve_fit # 案例数据拟合拟合一条直线 # 1. 模拟数据 x np.linspace(0, 10, 50) # 0到10的50个均匀点 y 2 * x 3 np.random.normal(0, 0.5, 50) # y2x3 随机噪声 # 2. 定义拟合函数直线 def linear_func(x, a, b): return a * x b # 3. 拟合数据得到参数a、b params, _ curve_fit(linear_func, x, y) a, b params print(f拟合结果y {a:.2f}x {b:.2f}) # 接近 y2x3前置条件pip install scipy二、数据可视化类补充 matplotlib提供更美观、交互性更强的可视化方案。1. Seaborn高级可视化库核心用途基于 matplotlib专为统计数据可视化设计默认样式更美观支持一键绘制热力图、箱线图、分布图等。典型场景统计分析可视化、数据分布展示。python运行import seaborn as sns import matplotlib.pyplot as plt # 设置中文显示 plt.rcParams[font.sans-serif] [SimHei] plt.rcParams[axes.unicode_minus] False # 案例绘制热力图展示数据相关性 # 1. 加载内置数据集鸢尾花数据 df sns.load_dataset(iris) # 2. 计算数值列的相关性矩阵 corr df.select_dtypes(includefloat64).corr() # 3. 绘制热力图 sns.heatmap(corr, annotTrue, cmapcoolwarm, fmt.2f) plt.title(鸢尾花数据相关性热力图) plt.show()前置条件pip install seaborn2. Plotly交互式可视化库核心用途生成交互式图表可缩放、悬停看数据、导出图片支持网页端展示比 matplotlib/seaborn 更适合做报告、dashboard。典型场景交互式报表、大屏可视化、Web 端图表展示。python运行import plotly.express as px # 案例绘制交互式散点图 # 1. 加载内置数据集 df px.data.iris() # 2. 绘制散点图可交互悬停显示详细信息 fig px.scatter(df, xsepal_length, ysepal_width, colorspecies, sizepetal_length, title鸢尾花数据交互式散点图) # 3. 显示图表自动打开浏览器 fig.show()前置条件pip install plotly三、Web 开发类用于快速搭建网站、API 接口。1. Flask轻量级 Web 框架核心用途微型 Web 框架上手极快适合搭建小型网站、API 接口、个人项目。典型场景快速开发接口、小型博客、自动化工具的 Web 界面。python运行from flask import Flask, jsonify # 初始化Flask应用 app Flask(__name__) # 定义路由访问 http://127.0.0.1:5000/hello 触发 app.route(/hello) def hello_world(): return Hello, Flask! # 定义API接口返回JSON数据 app.route(/api/data) def get_data(): data {name: 测试, age: 20, city: 北京} return jsonify(data) # 运行应用 if __name__ __main__: app.run(debugTrue) # debugTrue 调试模式修改代码自动重启前置条件pip install flask运行后打开浏览器访问http://127.0.0.1:5000/hello即可看到结果。2. FastAPI高性能 API 框架核心用途现代、高性能的 API 框架支持自动生成接口文档适合搭建生产级 API。典型场景后端接口开发、微服务、数据接口提供。python运行from fastapi import FastAPI import uvicorn # 初始化FastAPI应用 app FastAPI() # 定义GET接口 app.get(/items/{item_id}) def read_item(item_id: int, q: str None): return {item_id: item_id, q: q} # 运行应用需用uvicorn if __name__ __main__: uvicorn.run(app, host127.0.0.1, port8000)前置条件pip install fastapi uvicorn运行后访问http://127.0.0.1:8000/items/1?qtest查看接口返回访问http://127.0.0.1:8000/docs查看自动生成的接口文档。四、爬虫类补充 requests专注于网页解析、异步爬取。1. BeautifulSoup4网页解析库核心用途解析 HTML/XML 页面提取指定内容如标题、链接、文本配合 requests 使用。典型场景静态网页数据爬取。python运行import requests from bs4 import BeautifulSoup # 案例爬取网页标题和链接 url https://www.example.com response requests.get(url) soup BeautifulSoup(response.text, html.parser) # 解析HTML # 提取标题 title soup.title.string print(网页标题, title) # 提取所有链接 print(\n网页中的链接) for a_tag in soup.find_all(a): # 找到所有a标签 link a_tag.get(href) text a_tag.string print(f文本{text}链接{link})前置条件pip install beautifulsoup42. Scrapy专业爬虫框架核心用途功能完整的爬虫框架支持异步爬取、数据持久化、反反爬、分布式爬取适合大规模爬虫项目。典型场景批量爬取网站数据、电商商品信息爬取。注Scrapy 需先创建项目以下是核心爬虫文件示例python运行# 新建爬虫文件spiders/example_spider.py import scrapy class ExampleSpider(scrapy.Spider): name example # 爬虫名 start_urls [https://www.example.com] # 起始URL def parse(self, response): # 提取标题 title response.xpath(//title/text()).get() yield {title: title} # 输出数据 # 提取所有链接并跟进爬取可选 for href in response.xpath(//a/href).getall(): yield response.follow(href, self.parse)前置条件pip install scrapy运行命令scrapy crawl example -o result.json爬取结果保存到 result.json。五、自动化与办公类用于操作办公软件、自动化重复任务。1. openpyxl/xlsxwriterExcel 操作库核心用途openpyxl 读写 Excel.xlsx文件xlsxwriter 专注于生成精美 Excel 报表支持公式、图表。典型场景批量生成 Excel 报表、修改 Excel 数据。python运行from openpyxl import Workbook # 案例创建Excel并写入数据 wb Workbook() ws wb.active # 获取活动工作表 ws.title 测试表 # 重命名工作表 # 写入数据 ws[A1] 姓名 ws[B1] 年龄 ws.append([张三, 25]) ws.append([李四, 30]) # 保存文件 wb.save(test.xlsx) print(Excel文件已生成)前置条件pip install openpyxl2. python-docxWord 操作库核心用途创建、修改 Word.docx文件支持文本、图片、表格、样式设置。典型场景批量生成合同、报告类 Word 文档。python运行from docx import Document from docx.shared import Inches # 案例创建Word文档 doc Document() # 添加标题 doc.add_heading(测试文档, level1) # 添加段落 p doc.add_paragraph(这是第一段文本) p.add_run(这部分文字加粗).bold True p.add_run(这部分正常。) # 添加表格2行2列 table doc.add_table(rows2, cols2) table.cell(0, 0).text 姓名 table.cell(0, 1).text 年龄 table.cell(1, 0).text 张三 table.cell(1, 1).text 25 # 保存文档 doc.save(test.docx) print(Word文档已生成)前置条件pip install python-docx六、其他高频库库名核心用途典型场景Pillow图像处理裁剪、缩放、加水印、格式转换图片批量处理、验证码识别PyYAML读写 YAML 配置文件项目配置、数据序列化logging日志记录内置库程序运行日志、错误排查unittest/pytest单元测试框架代码测试、自动化测试json/csv读写 JSON/CSV 文件内置库数据存储、接口数据交互总结按场景选库数据计算用 NumPy/SciPy可视化用 Seaborn/PlotlyWeb 开发用 Flask/FastAPI爬虫用 BeautifulSoup4/Scrapy办公自动化用 openpyxl/python-docx学习优先级先掌握内置库os/sys/logging/json→ 高频第三方库NumPy/Seaborn/Flask→ 专业框架Scrapy/FastAPI核心原则每个库先学「核心 API 极简案例」再结合实际场景扩展避免一次性学完所有功能。