【Python】Python模块及常用模块介绍

---

个人主页：【😊个人主页】 系列专栏：【❤️Python】

---

文章目录

• 前言
• Python 模块(Module)
• 模块的作用
• 模块的创建
• 模块的引入

• import 语句
• from…import 语句
• from…import* 语句

• 搜索路径
• 常用模块
• [Python 标准库](https://docs.python.org/zh-cn/3/library/index.html)

---

前言

在上一章我们介绍了时间模块，我们也许了解了几个时间模块的用法，对模块也有了一定的了解，今天我们就来详细的讲讲模块以及介绍几个Python中常用的模块，想了解更多Python内容请订阅内容【Python系列教程】

---

Python 模块(Module)

Python模块是Python中组织代码的基本方式，它允许将代码分割成可重用的单元。每个模块都是一个包含Python代码的文件，模块名就是文件名（不包括.py扩展名）。Python模块不仅可以包含函数、类和变量，还可以包含可执行的代码。使用模块可以提高代码的可读性、可维护性和重用性。

是一个 Python 文件，以 .py 结尾，包含了 Python 对象定义和Python语句。模块让你能够有逻辑地组织你的 Python 代码段。把相关的代码分配到一个模块里能让你的代码更好用，更易懂。模块能定义函数，类和变量，模块里也能包含可执行的代码

模块的作用

• 代码重用：通过导入模块，可以在不同的程序或脚本中重用其中的函数、类和变量。
• 命名空间管理：每个模块都有自己的命名空间，这有助于避免变量名冲突。
• 功能划分：将代码划分为不同的模块，有助于实现功能的划分和隔离。

# support.py 模块：
def print_func( par ):
   print "Hello : ", par
   return

模块的创建

创建Python模块非常简单，只需遵循以下步骤：

• 创建一个新的.py文件。
• 在文件中编写Python代码。
• 将文件保存为.py文件，文件名即为模块名。

模块的引入

在Python中，有几种导入模块的方式：

• 使用import语句：

import 模块名：导入整个模块，然后可以通过模块名.函数名或模块名.变量名的方式使用模块中的函数或变量。
import 模块名 as 别名：为导入的模块指定一个别名，以便在代码中更方便地引用。

• 使用from…import语句：

from 模块名 import 函数名, 类名, 变量名：从模块中导入特定的函数、类或变量，然后可以直接使用这些函数、类或变量名，而不需要通过模块名来引用。
from 模块名 import *：导入模块中的所有内容，但这种做法通常不推荐，因为它可能会导致命名冲突。

import 语句

当我们使用 import 语句来引入模块，语法如下：

# import 模块名.函数名
import module1[, module2[,... moduleN]

实例：

# 导入模块
import support
# 现在可以调用模块里包含的函数了
support.print_func("xue")

from…import 语句

Python 的 from 语句让你从模块中导入一个指定的部分到当前命名空间中。语法如下:

# from fib import fibonacci
from modname import name1[, name2[, ... nameN]]

from…import* 语句

把一个模块的所有内容全都导入到当前的命名空间也是可行的，使用如下声明：

from modname import *

搜索路径

1. 当前目录
2. 如果不在当前目录，Python 则搜索在 shell 变量 PYTHONPATH 下的每个目录。
3. 如果都找不到，Python会察看默认路径。UNIX下，默认路径一般为/usr/local/lib/python/。

模块搜索路径存储在 system 模块的 sys.path 变量中。变量里包含当前目录，PYTHONPATH和由安装过程决定的默认目录\

常用模块

1. os：用于与操作系统交互，如文件路径操作、环境变量获取等。
2. sys：提供了一些变量和函数，用以操作Python运行时环境。
3. math：提供了数学运算的函数和变量，如三角函数、对数函数等。
4. json：用于处理JSON数据格式。
5. re：提供了正则表达式的支持，用于字符串的搜索、替换和分割等操作。
6. datetime：提供了日期和时间的处理功能。
7. requests：用于发送HTTP请求，是Python中非常流行的第三方库之一。
8. numpy：用于科学计算，提供了高性能的多维数组对象和用于处理这些数组的函数。
9. pandas：用于数据分析和处理，引入了DataFrame和Series等数据结构，方便进行表格数据的处理和分析。
10. matplotlib：用于绘制各种静态、动态、交互式的图表，是Python中最流行的绘图库之一。

Python 标准库