人生苦短，我用Python!^[1]

这个系列是一个帮助零基础的人入门编程的教程，本文主要介绍Python中包和库的概念，还有一些常用的标准库和第三方库。

包和模块

Python可以通过导入(import)关键字使用来自于外部的代码。在Python中，包(package)基本上是可以视为一系列模块(module)组成的目录。而在第五章提到，模块是一个包含了定义和语句的Python源代码文件。

Fig. 1. 一个Python的包和模块的例子。Adapted from ^[2]

这张图展示了一个例子，这里的my_model，training，submission和metrics都是文件夹，而剩下.py结尾的都是文件。根据以上定义，我们可以认为，刚才提到的4个文件夹是4个包，而training，submission和metrics是my_model包的子包。而在各个包之下，剩下的Python文件，比如说dataset.py，training_loop.py都是模块。每一个包下都需要一个__init__.py来定义这个包的入口，可以是空白文件。

如果我们想导入training包中的dataset模块中的load_dataset函数，可以这样写：

1
2
3

import my_model.training.dataset.load_dataset

dataset = my_model.training.dataset.load_dataset()

当然，这样的写法很长，看起来很不方便，所以我们需要from关键字。

1
2
3

from my_model.training.dataset import load_dataset

dataset = load_dataset()

通过这样的方法可以较为简洁的导入外部代码。

另外，可以通过以下写法导入指定模组的全部成员，但是不推荐使用。

1

from my_model.training.dataset import *

相对导入

除了从绝对路径导入之外，我们也可以通过相对路径进行导入。

如果在编辑my_model/submission/submit.py，想要导入my_model/metrics/precision.py中的Precision类，可以这样写：

1
2
3
4

from my_model.metrics.precision import Precision

from ..metrics.precision import Precision

在运行环境相对复杂时，使用相对导入更加合适。

库和框架

库(library)一般而言是指可以重用的代码，经常和包(package)混用。但是一般来说，包是模块的集合，而库是包的集合。

标准库是Python官方提供的库，在安装了Python之后，即可直接导入使用。

比如说，

• 用于文字处理
• string, re, difflib
• 用于数学计算
• math, ramdom, statistics
• 用于函数式编程
• itertools, functools, operator
• 用于文件访问
• os, shutil, pathlib
• 用于文件压缩和解压
• zlib, gzip
• 用于操作系统服务
• os, io, time, subprocess
• 用于并行计算
• multiprocessing, threading, concurrent

除了标准库之外，还有其他开发者提供的第三方库。这些库数量繁多，功能强大，也正是因为这些库和这个社区才让Python成为强大的编程语言。

为什么标准库需要导入

如果标准库已经是Python自带的了，为什么还需要额外导入？一个原因是，显式的声明要比隐式更好，通过指定导入哪些库，可以更好的解释这个代码的目标。

另一个原因是Python导入标准库的时候，会运行它们。如果每次运行Python代码都要导入全部的标准库，那会显著的增加Python程序的运行时间，即使它只是一行print("hello world")。

第三个原因是只有有限数量的名字可以给函数，如果同时导入每个库，可能会导致名称冲突。比如说，print是被多个标准库使用的通用名字，random和string也是一样。这种想法被成为命名空间(name space)。

标准库

在这一节，我们将会简单介绍几个常用的标准库。

math

math标准库提供了一些常用的数学函数，主要是在不使用更加复杂的第三方库的情况下可以直接使用。

其中包括了一些函数，

• 求幂和对数
  • exp(x), log(x, base), pow(x, y), …
• 三角函数
  • sin(x), cos(x), tan(x), …

还有数学常量，

• pi, e, inf, nan

更多请看官方文档^[3]。

random

random标准库提供了创建假随机数(pesudo-random number)的方法。

最基础的函数: random()

• 返回一个随机浮点数，它在[0, 1)之间。

随机的整数: randint(a, b)

• 返回一个随机整数，它在[a, b]之间。

为序列准备的随机数函数:

• choice(seq): 返回序列中的一个随机元素。
• shuffle(seq): 打乱序列中的元素。
• sample(seq, k): 从序列中随机获取k个元素。

更多请看官方文档^[4]。

第三方库

Python的第三方库是外部开发者提供的，所以并不会预先和Python一起安装。所以在使用第三方库之前，我们需要先安装它。

其中最简单的方式是使用pip命令。举个例子，如果需要安装NumPy这个库，

1

pip install numpy

在使用pip命令的时候，将会自动的从PyPI上下载安装包。PyPI是一个Python官方提供的第三方库的平台^[5]。基本上任何一个第三方库都会介绍安装这个库的方法。

除此之外，如果使用了Anaconda^[6]或者Miniconda^[7]来安装Python的话，也可以使用conda命令来安装第三方库。

1

conda install numpy

NumPy

NumPy是一个用C编写的数学计算第三方库^[8]。很多其他优秀的第三方库都是基于NumPy来实现的，比如说SciPy^[9], pandas^[10]。

使用NumPy的时候，我们通常会使用import numpy as np的方式来导入。

NumPy的核心是提供了一个新的数据结构: ndarray(多维数组)。

• 1D数组: np.array([1, 2, 3])
• 2D数组: np.array([[1, 2, 3], [4, 5, 6]])

类似于Matlab^[11]和R^[12]中的数组，一切都可以向量化(vectorize)。

1
2
3
4
5

import numpy as np

a = np.array([1, 2, 3])
b = a + 1
print(b)  

利用向量化进行编程，可以极大的提升运行的效率，弥补Python的速度短板。

关于NumPy的更多使用方法，请参考官网。

SciPy

SciPy是一个NumPy的扩展包^[9]，提供了很多用于科学计算的算法，其中包括

• 线性代数
• 微积分
• 统计分布
• 优化
• 聚类
• 图像处理
• 信号处理

使用SciPy的时候，我们通常会使用import scipy as sp的方式来导入。

关于SciPy的具体用法，请参考官网。

Matplotlib

Matplotlib是一个Python的2D/3D绘图库^[13]，主要用于数据可视化，其中包括直方图，柱状图，散点图，等等。

其中提供了一个用于快速绘图的包pyplot

• 一些常用的函数：plot(), hist(), scatter(), show()

使用Matplotlib的时候，我们通常会使用import matplotlib.pyplot as plt的方式来导入。

关于Matplotlib的具体用法，请参考官网。

pandas

pandas是一个用于结构化数据处理和分析的Python库^[10]。

常用的导入方法是import pandas as pd。

它提供了一个2维数据结构DataFrame，类似于一个表格。

从dict创建:

1
2
3
4
5

a_dataframe = pd.DataFrame({
  "name":["Alice", "Bob", "Charles"],
  "age": [25, 23, 34],
  "gender": ["female", "male", "male"]
})

从NumPy的ndarray创建:

1
2
3
4
5

a_dataframe = pd.DataFrame(
  np.arange(16).reshape((4, 4)),
  index = ["x1", "x2", "x3", "x4"],
  columns = ["y1", "y2", "y3", "y4"]
)

一些学习pandas的好资料:

• pandas官方文档^[14]: https://pandas.pydata.org/pandas-docs/stable/
• 10分钟学习pandas^[15]: https://pandas.pydata.org/pandas-docs/stable/user_guide/10min.html
• pandas备忘录^[16]: https://github.com/pandas-dev/pandas/blob/main/doc/cheatsheet/Pandas_Cheat_Sheet.pdf

Fig. 2. pandas 备忘录。Adapted from ^[16]

实践试试

在这次的课后实践中，我们将会尝试介绍一些第三方库。

可视化数学函数

在这一部分中，我们需要使用NumPy, SciPy和Matplotlib来可视化一些数学函数。

在这么短的一篇教程中想要覆盖这三个庞大的第三方库有些太难了，我们先从简单的地方开始，可以介绍一些这些库到底是干什么的。如果简单说的话：NumPy作为数据结构的主要来源；SciPy和pandas的存在是为了便于进行复杂的科学计算；Matplotlib用于可视化。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35

import numpy as np
import matplotlib.pyplot as plt
from scipy.misc import derivative
from scipy.integrate import quad
 

x_values = np.arange(0., 5., 0.2)


def f1(x):
    return np.sin(2*x)


def f2(x):
    return derivative(f1,x)




def f3(x):
    return quad(f1,0,x)

y_f1 = f1(x_values)

y_f2 = f2(x_values)


y_f3 = []

for value in x_values:
    y_f3.append(f3(value)[0])


plt.plot(x_values, [0]*len(x_values), 'black', x_values, y_f1, 'r*-', x_values, y_f2,'b^-', x_values, y_f3, 'g+-')
plt.show()

运行结果:

数据处理

现在让我们试试看pandas。这个库提供了格式化输出的方法，但是能做到的远远不止这些，包括填充数据中的缺失值，或者处理NaN。我们可以试试看以下的部分。

首先，从上个部分中导入f1，f2和f3生成的数值，保存在pd.DataFrame中，并且通过DataFrame.describe展示统计数据。

1
2
3
4
5
6
7
8

import pandas as pd

dictionary = {'f1': y_f1,'f2': y_f2, 'f3': y_f3}
df = pd.DataFrame(dictionary)


temp_data = df.describe()
print(temp_data)

1
2
3
4
5
6
7
8
9

             f1	        f2	       f3
count 25.000000  25.000000	25.000000
mean   0.192329  -0.015361	 0.508447
std    0.673530	  0.673859	 0.370538
min   -0.996165  -0.907747	 0.000000
25%   -0.279415  -0.670510	 0.151647
50%    0.334988  -0.026551	 0.514600
75%    0.793668	  0.633514	 0.868697
max    0.999574	  0.909297	 0.999147

找出每一列中的最大值。

1
2
3

max_dict = {'f1_max':[temp_data['f1']['max']],'f2_max':[temp_data['f2']['max']],'f3_max':[temp_data['f3']['max']]}
max_df = pd.DataFrame(max_dict)

1
2

           f1        f2        f3
max  0.999574  0.909297  0.999147

根据列f2进行重排序。

1

df.sort_values(by='f2')

参考文献

• [1] B. Eckel, “sebsauvage.net - Python”, Sebsauvage.net, 2021. [Online]. Available: http://sebsauvage.net/python/.
• [2] "Difference Between Python Modules, Packages, Libraries, and Frameworks", LearnPython.com, 2022. [Online]. Available: https://learnpython.com/blog/python-modules-packages-libraries-frameworks/.
• [3] "math — Mathematical functions — Python 3.10.4 documentation", Docs.python.org, 2022. [Online]. Available: https://docs.python.org/3/library/math.html.
• [4] "random — Generate pseudo-random numbers — Python 3.10.4 documentation", Docs.python.org, 2022. [Online]. Available: https://docs.python.org/3/library/random.html.
• [5] PyPI, 2022. [Online]. Available: https://pypi.org/.
• [6] "Anaconda | The World's Most Popular Data Science Platform", Anaconda, 2022. [Online]. Available: https://www.anaconda.com/.
• [7] "Miniconda — Conda documentation", Docs.conda.io, 2022. [Online]. Available: https://docs.conda.io/en/latest/miniconda.html.
• [8] "NumPy", Numpy.org, 2022. [Online]. Available: https://numpy.org/.
• [9] "SciPy", Scipy.org, 2022. [Online]. Available: https://scipy.org/.
• [10] "pandas - Python Data Analysis Library", Pandas.pydata.org, 2022. [Online]. Available: https://pandas.pydata.org/.
• [11] "MATLAB - MathWorks - MATLAB & Simulink", MathWorks, 2022. [Online]. Available: https://www.mathworks.com/products/matlab.html.
• [12] "R: The R Project for Statistical Computing", R-project.org, 2022. [Online]. Available: https://www.r-project.org/.
• [13] "Matplotlib — Visualization with Python", Matplotlib.org, 2022. [Online]. Available: https://matplotlib.org/.
• [14] "pandas documentation — pandas 1.4.2 documentation", Pandas.pydata.org, 2022. [Online]. Available: https://pandas.pydata.org/pandas-docs/stable/.
• [15] "10 minutes to pandas — pandas 1.4.2 documentation", Pandas.pydata.org, 2022. [Online]. Available: https://pandas.pydata.org/pandas-docs/stable/user_guide/10min.html.
• [16] "pandas/Pandas_Cheat_Sheet.pdf at main · pandas-dev/pandas", GitHub, 2022. [Online]. Available: https://github.com/pandas-dev/pandas/blob/main/doc/cheatsheet/Pandas_Cheat_Sheet.pdf.