Python库大全 大邓将Python库整理为8部分，对每个库稍加自己的理解和评价，对Python感兴趣的同学可以收藏起来
• 网络爬虫 • 数据库 • 数据分析 • 机器学习 • 可视化 • 文本分析 • GUI窗体软件开发 • 自动化办公
私信小编01即可获取大量Python学习资料
网络爬虫 • requests
[1] 最好用、最简单的网络爬虫访问库 • BeautifulSoup
[2] 最简单的网页解析库 • pyquery
[3] 最简洁网页解析库 • scrapy
[4] 最流行的爬虫框架 • pyspider
[5] 国人开发的爬虫框架 • selenium
[6] 浏览器自动化框架，可以用于爬虫反爬 • scylla
[7] 智能IP代理池，用于反爬 • shreport
[8] 上海证券交易所上市公司定期报告下载 • newspaper
[9] 新闻爬虫库，根据提供的url可以抽取出新闻标题、作者、关键词、总结，部分功能支持中文
数据库 • PyMySQL [10] • Sqlite3
[11] 轻量级sql数据库(python内置库) • pymongo
[12] 非关系型MongoDB库
数据分析 • pandas
[13] 必须Python数据分析库，读取文件、预处理数据、分析、存储 • modin
[14] pandas加速库，接口语法与pandas高度一致 • dask
[15] pandas加速库，接口语法与pandas高度一致 • plydata
[16] pandas管道语法库 • networkx
[17] 社交网络分析库
机器学习 • scikit-learn
[18] 机器学习必学库，支持有监督、无监督多种算法，含文本分析功能 • Orange3
[19] 点击操作的机器学习分析 软件 ， 可文本分析 • doccano
[20] 文本数据标注工具 • label-studio
[21] 最牛掰的文本数据标注工具
可视化 • matplotlib
[22] Python中最万能绘图库，很少有ta画不出来的图；但语法较难、静态图 • seaborn
[23] 基于matplotlib开发的简化版可视化库， 一般的图可以用ta绘制；高度定制仍需要结合matplotlib进行样式定制；静态图 • plotnine
[24] ggplot2语法的Python可视化库， 可与 plydata
[25] 库结合使用 • pyecharts
[26] 国人开发并封装的动态可视化图绘制库; 中文文档 • plotly
[27] 动态可视化图绘制库 • bokeh
[28] 动态可视化图绘制库 • SciencePlots
[29] 科研论文绘图，基于matplotlib • datapane
[30] 数据分析报告生成 • superset
[31] 开源商务智能分析可视化库
文本分析 • nltk
[32] 自然语言分析套件，对中文不友好 • spacy
[33] 工业级自然语言模型库，支持中文 • pattern
[34] 自然语言处理、网络分析、可视化库 • jieba
[35] 中文文本分词库 • snownlp
[36] 中文情感分析库 • gensim
[37] 最好用、最全的话题模型 • cnsenti
[38] 中文情感分析库(Chinese Sentiment))可对文本进行 情绪分析 、 情感分析 。 • label-studio
[39] 最牛掰的文本数据标注工具 • doccano
[40] 文本数据标注工具 • textstat
[41] 文本可读性计算包(算法全，但仅支持英文) • texthero
[42] 文本预处理、展示、可视化库，仅支持英文
GUI窗体软件开发 • tkinter [43] Python内置的gui库 • PySimpleGUI [44] 最简单的gui开发库 • pyqt5、pyside [45] 最牛掰的gui软件开发库。
自动化办公 • zmail [46] 自动化收发邮件管理库 • pywinauto
[47] Windows电脑自动化Python库 • WeasyPrint
[48] 自动化生产pdf报告 • selenium
[49] 浏览器自动化框架，可以自动化点击浏览器，完成某些工作 • mkdocx
[50] • python-docx
[51] 创建、修改docx文件库 • python-ppt
[52] 创建、修改ppt文件库 • openpyxl
[53] xlsx文件库
你要不要也来试试，用 Python 测测你和女神的颜值差距（仅供娱乐，请勿联想） 如果真的遇到好的同事,那算你走运，加油，抓紧学到手。
python、爬虫技巧资源分享添加围鑫（同音）:2028979958
包含python, pythonweb、爬虫、数据分析等Python技巧,以及人工智能、大数据、数据挖掘、自动化办公等的学习方法。
