常用 Python 内置与第三方模块详解

4. os 与 pathlib 模块 用于操作系统交互，文件路径操作推荐使用 pathlib（Python 3.4+），更面向对象。

import os
from pathlib import Path

# 获取当前工作目录
cwd = os.getcwd()
print("Working Dir:", cwd)

# 列出文件
files = os.listdir(cwd)

# 使用 pathlib 拼接路径
p = Path.cwd() / "data" / "file.txt"
if p.exists():
    print(f"File exists at {p}")

5. json 模块 处理 JSON 数据格式，常用于 API 交互和数据持久化。

import json

data = {"name": "Alice", "age": 25}

# 字典转 JSON 字符串
json_str = json.dumps(data, ensure_ascii=False)
print("JSON String:", json_str)

# JSON 字符串转字典
parsed = json.loads(json_str)
print("Parsed Data:", parsed)

6. collections 模块 提供特殊的数据容器，如 defaultdict 和 Counter。

from collections import defaultdict, Counter

# 默认字典，避免 KeyErrors
word_counts = defaultdict(int)
words = ["apple", "banana", "apple"]
for w in words:
    word_counts[w] += 1
print("Word Counts:", dict(word_counts))

# 元素计数
counts = Counter(words)
print("Counts:", counts)

7. csv 模块 专门处理逗号分隔值文件，适合报表导入导出。

import csv

# 写入 CSV
with open('data.csv', 'w', newline='', encoding='utf-8') as f:
    writer = csv.writer(f)
    writer.writerow(['Name', 'Age'])
    writer.writerow(['Bob', 30])

# 读取 CSV
with open('data.csv', 'r', encoding='utf-8') as f:
    reader = csv.reader(f)
    for row in reader:
        print(row)

8. sys 模块 与解释器交互，获取命令行参数、退出状态等。

import sys

# 获取命令行参数
args = sys.argv
print("Arguments:", args)

# 获取 Python 版本
version = sys.version
print("Version:", version)

9. logging 模块 替代 print 的日志记录系统，支持分级和文件输出。

import logging

logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(message)s')
logging.info("Application started")
logging.error("Something went wrong")

二、第三方模块生态

Python 的第三方库数量庞大，几乎覆盖所有技术领域。管理第三方依赖通常使用 pip 工具。

1. 环境管理

为避免依赖冲突，建议使用虚拟环境（venv）隔离项目依赖。

# 创建虚拟环境
python -m venv venv

# 激活环境 (Windows)
venv\Scripts\activate
# 激活环境 (Linux/Mac)
source venv/bin/activate

# 安装依赖
pip install requests pandas

# 导出依赖列表
pip freeze > requirements.txt

2. 主要领域推荐库

• 数据分析与科学计算：

  • pandas：高效的数据结构和分析工具。
  • numpy：多维数组对象和数学函数库。
  • matplotlib / seaborn：数据可视化绘图。

• 网络爬虫与请求：

  • requests：简洁优雅的 HTTP 请求库。
  • scrapy：强大的爬虫框架。
  • beautifulsoup4：HTML/XML 解析。

• Web 开发：

  • flask：轻量级 Web 框架。
  • django：全功能 Web 框架。

• 机器学习与 AI：

  • scikit-learn：经典机器学习算法。
  • tensorflow / pytorch：深度学习框架。

• 自动化与脚本：

  • subprocess：执行系统命令。
  • schedule：定时任务调度。
  • openpyxl：Excel 文件读写。

三、最佳实践与注意事项

1. 导入顺序：遵循 PEP 8 规范，先标准库，再第三方库，最后本地模块，中间用空行分隔。
2. 异常处理：在使用外部资源（如网络、文件）时，务必使用 try-except 捕获潜在错误。
3. 依赖锁定：生产环境中应锁定依赖版本（如 requirements.txt），确保部署一致性。
4. 避免全局污染：尽量将代码封装在函数或类中，减少全局变量的使用。

四、总结

掌握 Python 模块的使用是进阶开发的基石。内置模块解决了大部分基础需求，而第三方库则扩展了语言的边界。建议在实际项目中多查阅官方文档（如 https://docs.python.org/zh-cn/3/library/index.html），根据具体场景选择合适的工具，并保持对新技术的关注。通过合理的环境管理和代码规范，可以构建出稳定、可维护的 Python 应用。