「TensorFlow」
「簡介」 ：TensorFlow是一個由Google開發的開源機器學習框架，廣泛用於深度學習研究和生產中。它支持多種深度神經網路模型，適合從研究原型到生產部署的各種套用。
「安裝」
：
pip install tensorflow
「範例」 ：
import tensorflow as tf
print("TensorFlow version:", tf.__version__)
「NLTK」
「簡介」 ：Natural Language Toolkit（NLTK）是一個強大的Python庫，用於分類、標記、語意推理等自然語言處理（NLP）任務。
「安裝」
：
pip install nltk
「範例」 ：
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」
「簡介」 ：Pandas是一個數據分析庫，它提供了快速、靈活以及表達力強的數據結構，用於數據清洗和分析。
「安裝」
：
pip install pandas
「範例」 ：
import pandas as pd
# 建立DataFrame
data = {'Names': ['John', 'Anna', 'Peter', 'Linda'],
'Age': [28, 24, 34, 29],
'City': ['New York', 'Los Angeles', 'Chicago', 'Houston']}
df = pd.DataFrame(data)
# 顯示DataFrame
print(df)
# 計算年齡的平均值
print("Average Age:", df['Age'].mean())
「NumPy」
「簡介」 ：NumPy是Python科學計算的基礎庫，提供了對多維陣列物件以及對這些陣列的高效操作的支持。
「安裝」
：
pip install numpy
「範例」 ：
import numpy as np
# 建立一個NumPy陣列
array = np.array([[1, 2, 3], [4, 5, 6]])
# 計算陣列的總和
print(np.sum(array))
「Matplotlib」
「簡介」 ：Matplotlib是一個2D繪圖庫，它能夠生成品質精良的圖表和視覺化結果。
「安裝」
：
pip install matplotlib
「範例」 ：
import matplotlib.pyplot as plt
# 建立一個簡單的線圖
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」
「簡介」 ：Scikit-learn是一個簡單有效的機器學習庫，它提供了各種通用的機器學習演算法，如分類、回歸、聚類和降維等。
「安裝」
：
pip install scikit-learn
「範例」 ：
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForest classifier
# 載入Iris數據集
iris = load_iris()
X, y = iris.data, iris.target
# 分割數據集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
# 建立隨機森林分類器
clf = RandomForest classifier(n_estimators=100)
clf.fit(X_train, y_train)
# 預測測試集
predictions = clf.predict(X_test)
print(predictions)
「Requests」
「簡介」 ：Requests是Python的一個HTTP庫，用於發送各種HTTP請求。
「安裝」
：
pip install requests
「範例」 ：
import requests
# 發送一個GET請求到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」
「簡介」 ：Flask是一個用Python編寫的輕量級Web套用框架，易於上手和擴充套件。
「安裝」
：
pip install flask
「範例」 ：
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」
「簡介」 ：SQLAlchemy是一個SQL工具包和ORM系統，它為應用程式提供了資料庫抽象層，支持多種資料庫系統。
「安裝」
：
pip install sqlalchemy
「範例」 ：
from sqlalchemy import create_engine, Column, Integer, String, MetaData, Table
from sqlalchemy.orm import sessionmaker
# 建立資料庫引擎
engine = create_engine('sqlite:///test.db')
# 建立後設資料物件
meta = MetaData()
# 定義表結構
users = Table('users', meta,
Column('id', Integer, primary_key=True),
Column('name', String),
Column('fullname', String))
# 建立表
meta.create_all(engine)
# 建立會話
Session = sessionmaker(bind=engine)
session = Session()
# 添加記錄
new_user = users.insert().values(id=1, name='John Doe', fullname='John Alexander Doe')
session.execute(new_user)
session.commit()
「BeautifulSoup」
「簡介」 ：BeautifulSoup是一個用於從HTML和XML檔中提取數據的庫，它能夠輕松解析出你需要的資訊。
「安裝」
：
pip install beautifulsoup4
「範例」 ：
from bs4 import BeautifulSoup
import requests
# 請求網頁
response = requests.get('https://example.com')
html_doc = response.text
soup = BeautifulSoup(html_doc, 'html.parser')
# 提取所有連結
links = soup.find_all('a')
# 打印連結的href內容
for link in links:
print(link.get('href'))
