Python基础类库概览与总结

import csv
with open('data.csv', 'r') as file:
    csv_reader = csv.reader(file)
    for row in csv_reader:
        print(row)

这段代码可以逐行读取 CSV 文件中的数据，并将其转换为列表形式，这在数据导入和分析时非常方便。

import csv
data = [['Name', 'Age'], ['John', 25], ['Alice', 30]]
with open('output.csv', 'w', newline='') as file:
    csv_writer = csv.writer(file)
    csv_writer.writerows(data)

这段代码可以将数据写入 CSV 文件，newline='' 参数可以避免在写入时出现多余的空行，这在数据导出和存储时非常实用。

import urllib.request
headers = {'User-Agent': 'Mozilla/5.0'}
request = urllib.request.Request('http://www.example.com', headers=headers)
response = urllib.request.urlopen(request)

这样可以模拟浏览器访问，避免被服务器拒绝访问。

import urllib.request
import urllib.parse
data = {'key': 'value'}
data = urllib.parse.urlencode(data).encode('utf-8')
request = urllib.request.Request('http://www.example.com', data=data)
response = urllib.request.urlopen(request)

这在提交表单数据时非常方便。

import json
json_string = '{"name": "John", "age": 30}'
data = json.loads(json_string)
print(data)  # 输出：{'name': 'John', 'age': 30}

这在处理从网络接口获取的 JSON 数据时非常方便。

import json
with open('data.json', 'r') as file:
    data = json.load(file)

这在读取本地 JSON 文件时非常实用。

import json
data = {'name': 'John', 'age': 30}
json_string = json.dumps(data)
print(json_string)  # 输出：{"name": "John", "age": 30}

这在将 Python 数据发送到网络接口时非常方便。

import json
data = {'name': 'John', 'age': 30}
with open('output.json', 'w') as file:
    json.dump(data, file)

这在保存数据为 JSON 文件时非常实用。

import hashlib
data = 'Hello, World!'
md5_hash = hashlib.md5(data.encode()).hexdigest()
sha1_hash = hashlib.sha1(data.encode()).hexdigest()
sha256_hash = hashlib.sha256(data.encode()).hexdigest()
print(md5_hash)  # 输出：6cd3556deb0da54bca060b4c39479839
print(sha1_hash)  # 输出：2ef7bde608ce5404e97d5f042f95f89f1c232871
print(sha256_hash)  # 输出：a591a6d40bf420404a011733cfb7b190d62c65bf0bcda32b57b277d9ad9f146e

这些哈希算法可以用于生成数据的唯一标识，方便进行数据校验和加密。

from collections import OrderedDict
ordered_dict = OrderedDict()
ordered_dict['apple'] = 4
ordered_dict['banana'] = 2
ordered_dict['orange'] = 6
for key, value in ordered_dict.items():
    print(key, value)

输出结果为：

apple 4
banana 2
orange 6

这在需要保持数据顺序的场景中非常实用，例如在处理有序数据或实现 LRU 缓存时。

from collections import deque
dq = deque([1, 2, 3])
dq.append(4)  # 从右侧添加元素
dq.appendleft(0)  # 从左侧添加元素
print(dq)  # 输出：deque([0, 1, 2, 3, 4])

这在实现队列和栈的混合操作时非常方便，例如在广度优先搜索算法中。

from collections import defaultdict
d = defaultdict(int)  # 默认值为 0
print(d['key'])  # 输出：0

这在处理稀疏数据或需要自动初始化的场景中非常有用，例如在构建图的邻接表时。

import itertools
counter = itertools.count(start=1, step=2)
for _ in range(5):
    print(next(counter))  # 输出：1, 3, 5, 7, 9

这在需要生成连续数字序列时非常方便。

cycle_iter = itertools.cycle(['A', 'B', 'C'])
for _ in range(5):
    print(next(cycle_iter))  # 输出：A, B, C, A, B

这在需要重复使用有限数据时非常有用。

repeat_iter = itertools.repeat('Hello', 3)
for item in repeat_iter:
    print(item)  # 输出：Hello, Hello, Hello

这在需要重复某个值时非常方便。

product_iter = itertools.product([1, 2], [3, 4])
for item in product_iter:
    print(item)  # 输出：(1, 3), (1, 4), (2, 3), (2, 4)

这在需要生成所有可能的组合时非常有用。

perm_iter = itertools.permutations([1, 2, 3])
for item in perm_iter:
    print(item)  # 输出：(1, 2, 3), (1, 3, 2), (2, 1, 3), (2, 3, 1), (3, 1, 2), (3, 2, 1)

这在需要生成所有排列组合时非常方便。

comb_iter = itertools.combinations([1, 2, 3, 4], 2)
for item in comb_iter:
    print(item)  # 输出：(1, 2), (1, 3), (1, 4), (2, 3), (2, 4), (3, 4)

这在需要生成所有组合时非常方便。

import functools
def multiply(a, b):
    return a * b
double = functools.partial(multiply, b=2)
print(double(3))  # 输出：6

这在需要固定某些参数时非常方便，可以减少代码重复。

import functools
result = functools.reduce(lambda x, y: x + y, [1, 2, 3, 4])
print(result)  # 输出：10

这在需要对序列进行累积计算时非常方便。

import functools
@functools.lru_cache(maxsize=None)
def fibonacci(n):
    if n < 2:
        return n
    return fibonacci(n - 1) + fibonacci(n - 2)
print(fibonacci(30))  # 输出：832040

这在需要缓存计算结果以避免重复计算时非常有用。

import functools
def my_decorator(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        print('Decorator called')
        return func(*args, **kwargs)
    return wrapper
@my_decorator
def my_function():
    pass
print(my_function.__name__)  # 输出：my_function

这在编写装饰器时非常方便，可以保留原始函数的名称和文档字符串。

import threading
def print_numbers():
    for i in range(5):
        print(i)
thread = threading.Thread(target=print_numbers)
thread.start()

这段代码创建了一个线程，用于执行 print_numbers 函数，这在需要并行执行任务时非常方便。

lock = threading.Lock()
with lock:
    # 执行需要同步的代码

这在处理共享数据时非常有用，可以避免数据竞争和不一致问题。

event = threading.Event()
event.set()  # 设置事件
event.clear()  # 清除事件
event.wait()  # 等待事件

这在需要控制线程执行顺序时非常方便。

from queue import Queue
queue = Queue()
queue.put(item)  # 向队列中放入数据
item = queue.get()  # 从队列中取出数据

这在生产者 – 消费者模式中非常实用，可以确保数据的安全传递和处理。

import subprocess
result = subprocess.run(['ls', '-l'], capture_output=True, text=True)
print(result.stdout)

这段代码启动了一个 ls -l 命令的子进程，捕获其输出并打印，这在需要调用外部工具时非常方便。

process = subprocess.Popen(['ls', '-l'], stdout=subprocess.PIPE, text=True)
output, error = process.communicate()
print(output)

这段代码启动了一个子进程，并通过管道获取其输出，这在需要实时处理子进程输出时非常实用。

process = subprocess.Popen(['cat'], stdin=subprocess.PIPE, stdout=subprocess.PIPE, text=True)
output, error = process.communicate(input='Hello, World!')
print(output)

这段代码通过管道向子进程发送输入，并获取其输出，这在需要与子进程交互时非常方便。

import sqlite3
conn = sqlite3.connect('example.db')
cursor = conn.cursor()
cursor.execute('''
    CREATE TABLE IF NOT EXISTS users (
        id INTEGER PRIMARY KEY,
        name TEXT NOT NULL,
        age INTEGER
    )
''')
conn.commit()

这段代码会创建一个名为 users 的表，包含 id、name 和 age 三个字段，其中 id 是主键。这在组织数据结构时非常有用。

cursor.execute('INSERT INTO users (name, age) VALUES (?, ?)', ('John', 25))
conn.commit()

这段代码会向 users 表中插入一条数据，其中 name 为 'John'，age 为 25。使用参数化查询可以避免 SQL 注入攻击。

cursor.execute('SELECT * FROM users')
rows = cursor.fetchall()
for row in rows:
    print(row)

这段代码会查询 users 表中的所有数据，并将其以元组的形式返回，这在数据检索时非常方便。

import logging
logging.basicConfig(level=logging.DEBUG, filename='app.log', filemode='w',
                    format='%(asctime)s - %(levelname)s - %(message)s')

这段代码会将日志级别设置为 DEBUG，将日志输出到名为 app.log 的文件中，并设置日志格式为包含时间戳、日志级别和日志消息。这在开发过程中非常方便，可以记录程序的运行状态和调试信息。

import tkinter as tk
root = tk.Tk()
root.title("My Application")
root.geometry("400x300")  # 设置窗口大小

这段代码创建了一个标题为 “My Application”、大小为 400×300 的窗口。

label = tk.Label(root, text="Hello, Tkinter!")
label.pack()  # 使用 pack 布局
button = tk.Button(root, text="Click Me", command=lambda: print("Button clicked"))
button.pack()

这段代码在窗口中添加了一个标签和一个按钮，点击按钮时会在控制台输出 “Button clicked”。

def on_button_click():
    print("Button clicked")
button = tk.Button(root, text="Click Me", command=on_button_click)
button.pack()

这段代码通过 command 参数绑定了按钮点击事件。

import wave
with wave.open('example.wav', 'rb') as wav_file:
    params = wav_file.getparams()
    print(params)
    frames = wav_file.readframes(params.nframes)
    print(len(frames))

这段代码打开一个名为 “example.wav” 的 WAV 文件，读取其参数和音频帧数据。

print(f"Sample Rate: {params.framerate}")
print(f"Channels: {params.nchannels}")

这段代码输出音频文件的采样率和声道数。

with wave.open('output.wav', 'wb') as wav_file:
    wav_file.setparams(params)
    wav_file.writeframes(frames)

这段代码创建一个名为 “output.wav” 的新文件，并将读取的音频数据写入其中。

from PIL import Image
img = Image.open('example.jpg')
img.show()

这段代码打开一个名为 “example.jpg” 的图像文件，并显示它。

resized_img = img.resize((800, 600))
resized_img.save('resized_example.jpg')

这段代码将图像调整为 800×600 的大小，并保存为新的文件。

img.save('example.png', 'PNG')

这段代码将图像保存为 PNG 格式。

cropped_img = img.crop((100, 100, 300, 300))
cropped_img.save('cropped_example.jpg')

这段代码裁剪图像的指定区域，并保存为新的文件。

from PIL import ImageFilter
blurred_img = img.filter(ImageFilter.BLUR)
blurred_img.save('blurred_example.jpg')

这段代码对图像应用模糊滤镜，并保存结果。