人工智能day9——模块化编程概念（模块、包、导入）及常见系统模块总结和第三方模块管理

一、概念

（一）模块：

定义：模块是一个包含 Python 定义（函数、类、变量等）和语句的文件，文件名就是模块名加上.py 后缀。

本质：每个 .py 文件就是一个独立的模块，包含函数、类、变量等定义

作用：通过将相关功能代码封装在模块中，实现代码的逻辑分离和复用。比如在多个项目中都可能用到上述的加法和减法函数，就可以将其放在一个模块里，在需要时导入使用

例如：创建一个名为math_operations.py 的文件，里面定义一些数学运算相关的函数，这个文件就是一个模块。

# math_operations.py
def add(a, b):return a + bdef subtract(a, b):return a - b

导入模块：

• 语法：

1. import 模块名 [as ，模块新名字1]       #导入一个模块到当前程序
2. from 模块名 import 模块属性名 [as 属性新名]         #导入一个模块内部的部分属性到当前程序
3. from 模块名 import *                #导入一个模块内部的全部属性到当前程序

比如：

import math_operationsprint(math_operations.add(3，5))  #输出8

模块内部属性：

__file__  绑定模块的路径
__name__  绑定模块的名称
       如果是主模块（首先启动的模块）则绑定 '__main__'
       如果不是主模块则 绑定 xxx.py 中的 xxx 这个模块名

（二）包：

定义：包是一种组织模块的方式，本质上是一个包含__init__.py 文件的目录。__init__.py 文件可以为空，也可以包含初始化包时要执行的代码。包可以包含多个模块和子包，用于管理和组织相关模块。

其实本质就是：一个包含 __init__.py 文件的目录，用于将相关模块组织在一起，形成层级结构

作用：当项目规模较大，模块数量较多时，使用包可以更好地对模块进行分层和分类管理，提高代码的可维护性。比如一个大型的 Web 开发项目，可能会将数据库操作相关模块放在一个database 子包中，视图相关模块放在views 子包中

__init__.py 的作用：

• 标识包：告诉 Python 解释器该目录是一个 Python 包。
• 初始化逻辑：导入时执行，可包含包级别的初始化代码。
• 控制导入行为：通过 __all__ 变量控制 from package import * 的导入内容
• 提供包级别的命名空间： __init__.py 中定义的变量和函数可以在包的模块中共享
• 批量导入模块： 可以在 __init__.py 文件中批量导入模块，这些模块可以更方便地使用

导入包：

导入语法总结：

        方法1：从包导入模块（也是最常见的）

from package import module     # 直接用模块名访问
module.function()

        方法2：从模块导入具体内容

from package.module import func, Class  # 直接用名称访问
func()
obj = Class()

        方法3：导入所有公开内容（慎用）

from package.module import *   # 导入__all__指定的内容或所有不以下划线开头的内容

        方法4：直接导入包/模块

import package.module          # 需用全路径访问
package.module.function()

对比包和模块导入的区别：

包的导入的内容是模块，一个个py文件，

模块导入的内容是py文件中定义的各种功能单元，例如：函数、类、方法、属性等等

三、常见的系统模块总结和第三方模块总结

（一）系统模块

常见系统模块：

模块	功能	官方文档
math	数学运算	math --- 数学函数 — Python 3.12.10 文档
os	操作系统接口	os --- Miscellaneous operating system interfaces — Python 3.13.5 文档
os.path	路径相关	os.path --- Common pathname manipulations — Python 3.13.5 文档
datetime	日期和时间	datetime --- Basic date and time types — Python 3.13.5 文档
random	随机数生成	random --- Generate pseudo-random numbers — Python 3.13.5 文档
time	时间	time --- Time access and conversions — Python 3.13.5 文档

1、math模块：

• 功能概述：提供了各种常用的数学运算函数和常量，可用于数值计算场景，比如三角函数、对数函数、幂运算等常见数学操作，帮助开发者在 Python 中便捷地进行高精度的数学处理，无需自行编写复杂的数学算法实现。
• 常用方法示例：
  • math.sqrt(x)：计算 x 的平方根，例如 math.sqrt(9) 返回 3.0。
  • math.pow(x, y)：计算 x 的 y 次幂，像 math.pow(2, 3) 结果为 8.0。
  • math.ceil(x)：向上取整，返回大于或等于 x 的最小整数。例如，math.ceil(3.2) 返回 4。
  • math.floor(x)：向下取整，返回小于或等于 x 的最大整数，如 math.floor(3.8) 返回 3。
  • math.trunc(x)：直接截断小数部分，返回整数部分，像 math.trunc(3.8) 返回 3。
  • math.fabs(x)：返回 x 的绝对值，如 math.fabs(-3) 返回 3。

2、os模块:

1、os.path.join(path, *paths)：智能拼接路径，自动处理路径分隔符（如 / 或 \)

• path：基础路径
• *paths：可变参数，表示要拼接的多个路径组件
• 返回值：拼接后的完整路径

例如：

os.path.join('dir', 'subdir', 'file.txt')  # 在 Unix 系统上返回 'dir/subdir/file.txt'

2、os.path.dirname(path)：返回路径中的目录部分，如 os.path.dirname('/home/user/file.txt') 返回 /home/user

3、os.path.basename(path)：返回路径中的文件名部分，如 os.path.basename('/home/user/file.txt') 返回 file.txt

4、os.path.exists(path)：检查路径是否存在（文件或目录），返回布尔值

5、os.mkdir(path)：创建单个目录，若目录已存在则报错

（4和5常常一起使用，先检查路径是否存在，如果不存在则创建一个目录）

if os.path.exists(path) == Falseos.mkdir(path0

6、os.listdir(path='.')：返回指定目录下的所有文件和子目录名（列表形式）

7、os.path.isfile(path) 和 os.path.isdir(path)：分别判断指定路径是文件还是目录，在需要区分处理文件和目录的场景下（如文件备份、目录清理等操作）很关键

3、datatime模块：

1. datetime.datetime.now()：获取当前的日期和时间，返回一个 datetime 对象，例如可以将其赋值给变量后，再通过对象的属性获取年、月、日、时、分、秒等具体时间信息，用于记录操作发生的时间戳
2. datetime.date：表示日期（年、月、日）。
3. datetime.time：表示时间（时、分、秒、微秒）。

# 当前日期和时间
now = datetime.now()  # 返回 datetime 对象
print(f"当前日期时间：{now}")  # 输出：2023-10-15 14:30:45.123456

1. datetime.datetime：表示日期和时间的组合。

# 创建指定日期和时间
dt = datetime(2023, 10, 15, 14, 30, 45)
print(f"指定日期时间：{dt}")  # 输出：2023-10-15 14:30:45

1. datetime.timedelta：表示两个时间点之间的差值

4、random

1. 随机浮点数生成

方法	描述	示例
random.random()	生成 [0.0, 1.0) 范围内的随机浮点数	random.random() → 0.7823456789
random.uniform(a, b)	生成 [a, b] 范围内的随机浮点数	random.uniform(1, 10) → 5.345678

2. 随机整数生成

方法	描述	示例
random.randint(a, b)	生成 [a, b] 范围内的随机整数（含 a 和 b）	random.randint(1, 6) → 3
random.randrange(start, stop[, step])	从 range(start, stop, step) 中随机选择一个整数	random.randrange(0, 100, 2) → 4

3. 种子控制

 

方法	描述	示例
random.seed(a=None)	设置随机数生成器的种子，使结果可复现	random.seed(42); random.random() → 固定输出 0.6394267984578835

5、time模块

• time.time()：返回从 1970 年 1 月 1 日 00:00:00 UTC 到当前时间的时间戳（以秒为单位），常用于计算程序执行时间、记录事件发生的时间点等场景，比如在程序开始和结束处分别调用 time.time()，然后相减就能得到程序的运行时长。
• time.sleep(seconds)：让程序暂停执行指定的秒数，常用于模拟耗时操作、控制程序执行频率等，例如在循环中每次执行完一轮操作后，使用 time.sleep(1) 暂停 1 秒，避免过于频繁地执行操作，或者在多线程 / 多进程编程中，让不同线程 / 进程按照一定时间间隔交替执行。
• time.strptime(string[, format])：将时间字符串按照指定的格式解析为时间元组，与 strftime 相反，常用于将外部输入的时间字符串转换为 Python 可处理的时间格式，例如 time.strptime('2024-01-01 12:00:00', '%Y-%m-%d %H:%M:%S') 会把给定的时间字符串解析为对应的时间元组结构，方便后续进一步处理。

(二)第三方模块

numpy 模块

功能概述：是 Python 数据科学领域的核心基础库，提供了高效的多维数组对象（ndarray）以及对这些数组进行各种数学运算、线性代数操作、随机数生成等功能的函数，极大地简化了数值计算相关的代码编写，提升了计算效率，广泛应用于科学计算、数据分析、机器学习等多个领域。

• 常用方法示例：
  • np.array([data])：创建一个 ndarray 对象，例如 np.array([1, 2, 3]) 会创建一个一维数组，而 np.array([[1, 2], [3, 4]]) 则创建一个二维数组，是后续进行各种数值运算的基础数据结构。
  • np.mean(array)：计算数组的平均值，无论是一维数组还是多维数组都能方便地计算其均值，如 arr = np.array([1, 2, 3, 4]); np.mean(arr) 会返回数组元素的平均值，对于多维数组还可以指定维度参数来计算不同维度上的均值。
  • np.dot(a, b)：用于计算两个数组的点积（对于二维数组来说相当于矩阵乘法），在向量运算、线性回归等机器学习算法的实现中经常用到，例如 a = np.array([1, 2]); b = np.array([3, 4]); np.dot(a, b) 会返回两个向量的点积结果。

pandas 模块

功能概述：专门用于数据处理和分析，提供了高性能、易用的数据结构（如 DataFrame 和 Series），可方便地进行数据读取、清洗、转换、分析以及可视化准备等操作，是数据分析师、数据科学家处理结构化数据的得力工具，大大提高了数据处理的效率和便捷性。

• 常用方法示例：
  • pd.read_csv('file.csv')：从 CSV 文件中读取数据并创建一个 DataFrame 对象，支持多种格式参数设置，用于适配不同的数据格式和编码等情况，方便导入外部数据进行后续分析，类似的还有 read_excel、read_json 等方法用于读取不同格式的数据文件。
  • df.dropna()：用于删除含有缺失值（NaN）的行或列（可通过参数指定），在数据清洗阶段经常用到，确保数据的完整性和准确性，便于后续准确地进行数据分析和建模，例如处理从实际采集的数据中可能存在的部分缺失值情况。
  • df.groupby('列名').sum()：按照指定的列进行分组，并对其他数值列进行求和操作，这是 pandas 强大的数据分组聚合功能体现，常用于按类别统计数据总量、平均值等分析场景，比如按不同地区对销售额数据进行分组求和，查看各地区的销售总额情况。

matplotlib 模块

功能概述：是 Python 中最常用的数据可视化库，能够创建各种类型的图表（如折线图、柱状图、散点图、饼图等），支持对图表的各种元素（标题、坐标轴标签、图例等）进行自定义设置，帮助开发者将数据以直观易懂的图形方式展示出来，便于发现数据规律、进行结果汇报等。

• 常用方法示例：
  • plt.plot(x, y)：用于绘制折线图，其中 x 和 y 分别为横纵坐标的数据序列，例如 x = [1, 2, 3]; y = [4, 5, 6]; plt.plot(x, y) 会绘制出一条简单的折线图，展示 x 和 y 数据之间的关系，常用于展示随时间变化的数据趋势等场景。
  • plt.bar(x, height)：绘制柱状图，x 表示柱子的位置，height 表示柱子的高度，像展示不同类别数据的数量对比时就可以使用柱状图，例如 categories = ['A', 'B', 'C']; values = [10, 20, 15]; plt.bar(categories, values) 会绘制出相应的柱状图直观对比各分类的数据大小。
  • plt.title('图表标题')、plt.xlabel('x轴标签')、plt.ylabel('y轴标签')：分别用于设置图表的标题以及横纵坐标的标签，让图表更具可读性和表意清晰，完善可视化展示效果，使其更易于理解和解读。

requests 模块

功能概述：简化了 HTTP 请求的发送过程，使得 Python 程序能够方便地与网络服务进行交互，支持发送 GET、POST 等多种请求方法，能轻松处理请求的响应内容（如获取 JSON 数据、文本内容等），广泛应用于网络爬虫、调用 API 获取数据等需要与网络资源交互的场景。

• 常用方法示例：
  • requests.get(url, params=None, headers=None)：发送 GET 请求到指定的 url，可以通过 params 参数传递查询参数（以字典形式），headers 参数设置请求头（模拟浏览器等情况），例如 response = requests.get('https://www.example.com/api', params={'key': 'value'}, headers={'User-Agent': 'Mozilla/5.0'})，常用于获取网页内容、查询公开 API 数据等场景，获取响应后可进一步通过 response.text （获取文本内容）或 response.json() （获取 JSON 格式数据并解析为 Python 对象）等方式处理返回的数据。
  • requests.post(url, data=None, json=None, headers=None)：发送 POST 请求，data 参数可用于传递表单数据（字典形式），json 参数用于直接传递 JSON 格式的数据，常用于向服务器提交数据的场景，比如向登录接口提交用户名和密码、向数据上传接口发送要保存的数据等。