「TensorFlow」
「简介」 ：TensorFlow是一个由Google开发的开源机器学习框架，广泛用于深度学习研究和生产中。它支持多种深度神经网络模型，适合从研究原型到生产部署的各种应用。
「安装」
：
pip install tensorflow
「示例」 ：
import tensorflow as tf
print("TensorFlow version:", tf.__version__)
「NLTK」
「简介」 ：Natural Language Toolkit（NLTK）是一个强大的Python库，用于分类、标记、语义推理等自然语言处理（NLP）任务。
「安装」
：
pip install nltk
「示例」 ：
import nltk
from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize
nltk.download('punkt')
nltk.download('stopwords')
text = "This is an example sentence."
tokens = word_tokenize(text)
filtered_words = [word for word in tokens if word notin stopwords.words('english')]
print(filtered_words)
「Pandas」
「简介」 ：Pandas是一个数据分析库，它提供了快速、灵活以及表达力强的数据结构，用于数据清洗和分析。
「安装」
：
pip install pandas
「示例」 ：
import pandas as pd
# 创建DataFrame
data = {'Names': ['John', 'Anna', 'Peter', 'Linda'],
'Age': [28, 24, 34, 29],
'City': ['New York', 'Los Angeles', 'Chicago', 'Houston']}
df = pd.DataFrame(data)
# 显示DataFrame
print(df)
# 计算年龄的平均值
print("Average Age:", df['Age'].mean())
「NumPy」
「简介」 ：NumPy是Python科学计算的基础库，提供了对多维数组对象以及对这些数组的高效操作的支持。
「安装」
：
pip install numpy
「示例」 ：
import numpy as np
# 创建一个NumPy数组
array = np.array([[1, 2, 3], [4, 5, 6]])
# 计算数组的总和
print(np.sum(array))
「Matplotlib」
「简介」 ：Matplotlib是一个2D绘图库，它能够生成品质精良的图表和可视化结果。
「安装」
：
pip install matplotlib
「示例」 ：
import matplotlib.pyplot as plt
# 创建一个简单的线图
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]
plt.plot(x, y)
plt.title('Square Numbers')
plt.xlabel('Value')
plt.ylabel('Square of Value')
plt.show()
「Scikit-learn」
「简介」 ：Scikit-learn是一个简单有效的机器学习库，它提供了各种通用的机器学习算法，如分类、回归、聚类和降维等。
「安装」
：
pip install scikit-learn
「示例」 ：
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForest classifier
# 加载Iris数据集
iris = load_iris()
X, y = iris.data, iris.target
# 分割数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
# 创建随机森林分类器
clf = RandomForest classifier(n_estimators=100)
clf.fit(X_train, y_train)
# 预测测试集
predictions = clf.predict(X_test)
print(predictions)
「Requests」
「简介」 ：Requests是Python的一个HTTP库，用于发送各种HTTP请求。
「安装」
：
pip install requests
「示例」 ：
import requests
# 发送一个GET请求到GitHub API
response = requests.get('https://api.github.com')
if response.status_code == 200:
print("Success!")
print(response.json())
else:
print("Failed to retrieve data.")
「Flask」
「简介」 ：Flask是一个用Python编写的轻量级Web应用框架，易于上手和扩展。
「安装」
：
pip install flask
「示例」 ：
from flask import Flask, render_template
app = Flask(__name__)
@app.route('/')
def home():
return render_template('index.html')
if __name__ == '__main__':
app.run(debug=True)
「SQLAlchemy」
「简介」 ：SQLAlchemy是一个SQL工具包和ORM系统，它为应用程序提供了数据库抽象层，支持多种数据库系统。
「安装」
：
pip install sqlalchemy
「示例」 ：
from sqlalchemy import create_engine, Column, Integer, String, MetaData, Table
from sqlalchemy.orm import sessionmaker
# 创建数据库引擎
engine = create_engine('sqlite:///test.db')
# 创建元数据对象
meta = MetaData()
# 定义表结构
users = Table('users', meta,
Column('id', Integer, primary_key=True),
Column('name', String),
Column('fullname', String))
# 创建表
meta.create_all(engine)
# 创建会话
Session = sessionmaker(bind=engine)
session = Session()
# 添加记录
new_user = users.insert().values(id=1, name='John Doe', fullname='John Alexander Doe')
session.execute(new_user)
session.commit()
「BeautifulSoup」
「简介」 ：BeautifulSoup是一个用于从HTML和XML文件中提取数据的库，它能够轻松解析出你需要的信息。
「安装」
：
pip install beautifulsoup4
「示例」 ：
from bs4 import BeautifulSoup
import requests
# 请求网页
response = requests.get('https://example.com')
html_doc = response.text
soup = BeautifulSoup(html_doc, 'html.parser')
# 提取所有链接
links = soup.find_all('a')
# 打印链接的href属性
for link in links:
print(link.get('href'))
