零基础学Python：常用模块入门指南

Python作为一门功能强大的编程语言，其生态系统的核心优势之一是丰富的内置模块和第三方库。对于初学者来说，掌握常用模块能快速提升开发效率，解决文件操作、数据处理、网络请求等实际问题。本文将介绍10个最基础且实用的Python模块，结合简单示例帮助你快速上手。

一、内置模块：Python自带的“工具箱”

1. os 和 os.path —— 操作系统交互

功能：处理文件路径、目录操作、环境变量等系统级任务。
常用方法：

os.getcwd()：获取当前工作目录
os.mkdir(path)：创建单个目录
os.path.join()：拼接文件路径（避免手动写斜杠）
os.listdir(path)：列出目录下所有文件
os.path.exists(path)：检查文件/目录是否存在

示例：创建目录并检查路径

import os

# 创建项目目录
project_dir = os.path.join("user", "projects", "my_app")
os.makedirs(project_dir, exist_ok=True)  # exist_ok=True避免重复创建报错

# 检查文件是否存在
file_path = os.path.join(project_dir, "main.py")
print(f"文件存在吗？{os.path.exists(file_path)}")  # 输出：False（文件未创建时）

2. sys —— 访问Python解释器信息

功能：获取Python版本、命令行参数、退出程序等。
常用方法：

sys.argv：获取命令行参数列表
sys.version：查看Python版本
sys.exit(n)：退出程序（n=0为正常退出）

示例：读取命令行参数

import sys

# 运行方式：python script.py hello world
print("参数列表：", sys.argv)  # 输出：['script.py', 'hello', 'world']
print("第一个参数：", sys.argv[1])  # 输出：hello（索引0是脚本名本身）

3. json —— 处理JSON数据

功能：序列化（Python对象转JSON）和反序列化（JSON转Python对象）。
常用方法：

json.dumps(data)：将Python字典转为JSON字符串
json.loads(json_str)：将JSON字符串转为字典
json.dump(data, file)：将数据写入JSON文件
json.load(file)：从JSON文件读取数据

示例：保存和读取配置文件

import json

# 保存配置
config = {"name": "Alice", "age": 30, "hobbies": ["reading", "coding"]}
with open("config.json", "w") as f:
    json.dump(config, f, indent=4)  # indent=4让JSON格式更易读

# 读取配置
with open("config.json", "r") as f:
    loaded_config = json.load(f)
    print("加载的配置：", loaded_config["hobbies"])  # 输出：['reading', 'coding']

4. csv —— 操作CSV表格文件

功能：读取和写入CSV格式的表格数据，无需依赖Excel。
常用方法：

csv.reader(file)：逐行读取CSV文件
csv.writer(file)：写入CSV文件
csv.DictReader(file)：按字典形式读取（列名作为键）

示例：读取CSV并统计数据

import csv

# 假设data.csv内容：姓名,年龄,城市\n张三,25,北京\n李四,30,上海
with open("data.csv", "r", encoding="utf-8") as f:
    reader = csv.DictReader(f)  # 自动读取第一行作为列名
    for row in reader:
        print(f"{row['姓名']} 年龄：{row['年龄']} 城市：{row['城市']}")

5. datetime —— 处理日期和时间

功能：获取当前时间、日期计算、格式转换等。
常用类/方法：

datetime.datetime.now()：获取当前日期时间
datetime.timedelta(days=1)：时间间隔（用于加减天数）
strftime(format)：将时间对象转为指定格式字符串
strptime(string, format)：将字符串转为时间对象

示例：计算生日倒计时

from datetime import datetime, date

today = date.today()
birthday = date(2025, 10, 1)  # 假设生日是2025年10月1日
delta = birthday - today
print(f"距离生日还有：{delta.days}天")  # 输出：例如 180天

6. random —— 生成随机数

功能：生成随机整数、随机序列、随机选择元素等。
常用方法：

random.randint(a, b)：生成[a, b]范围内的随机整数
random.choice(sequence)：从列表/元组中随机选一个元素
random.shuffle(list)：原地打乱列表顺序

示例：随机抽奖程序

import random

participants = ["A", "B", "C", "D", "E"]
random.shuffle(participants)  # 打乱顺序
winner = random.choice(participants)  # 随机选一个
print("中奖者是：", winner)  # 输出：例如 B

二、第三方库：扩展Python的“超级武器”

第三方库需通过 pip install 库名安装，以下是初学者必学的基础库。

7. requests —— 发起网络请求（HTTP/HTTPS）

功能：轻松获取网页内容、发送POST请求、处理API数据。
常用方法：

requests.get(url)：发送GET请求
response.json()：解析JSON格式的响应
requests.post(url, data=payload)：发送POST请求

示例：获取天气数据

# 先安装：pip install requests

import requests

url = "https://api.weatherapi.com/v1/current.json"
params = {
    "key": "你的API密钥",  # 需从天气API平台申请
    "q": "北京"
}
response = requests.get(url, params=params)
if response.status_code == 200:  # 状态码200表示请求成功
    weather_data = response.json()
    print(f"北京当前温度：{weather_data['current']['temp_c']}°C")

8. numpy —— 科学计算基础库

功能：处理大规模数组和矩阵运算，是数据分析的基石。
核心概念：

ndarray：多维数组对象，支持向量化运算（比Python列表更快）
广播机制：不同形状数组间的数学运算

示例：简单数组操作

# 安装：pip install numpy

import numpy as np

# 创建数组
arr = np.array([1, 2, 3, 4, 5])
print("数组：", arr)  # 输出：[1 2 3 4 5]

# 数组运算（所有元素乘2）
arr doubled = arr * 2
print("翻倍后：", arr_doubled)  # 输出：[2 4 6 8 10]

9. pandas —— 数据处理与分析

功能：高效处理表格数据（类似Excel），支持数据清洗、合并、分组等操作。
核心数据结构：

Series：一维数组（带标签）
DataFrame：二维表格（类似Excel的Sheet）

示例：读取Excel文件并筛选数据

# 安装：pip install pandas openpyxl  # openpyxl用于读取xlsx文件

import pandas as pd

# 读取Excel
df = pd.read_excel("sales_data.xlsx")

# 筛选销售额>1000的行
filtered = df[df["销售额"] > 1000]
print("筛选后的数据：")
print(filtered[["姓名", "销售额"]])  # 只显示姓名和销售额列

10. matplotlib —— 数据可视化

功能：绘制折线图、柱状图、散点图等，快速呈现数据趋势。
常用模块：

matplotlib.pyplot：简称plt，提供类似MATLAB的绘图接口

示例：绘制简单折线图

# 安装：pip install matplotlib

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)  # 生成0-10之间的100个点
y = np.sin(x)  # 计算正弦值

plt.plot(x, y, label="sin(x)")  # 绘制曲线
plt.xlabel("x轴")
plt.ylabel("y轴")
plt.title("正弦函数图像")
plt.legend()  # 显示图例
plt.show()  # 显示图形窗口

三、如何选择合适的模块？

明确需求：处理文件用os/csv，网络请求用requests，数据分析用pandas。
优先内置模块：内置模块无需安装，适合处理简单任务（如读写JSON用json而非第三方库）。
善用文档：Python官方文档（docs.python.org）和库的官方文档（如pandas.pydata.org）是最好的学习资源。
实践至上：通过小项目练习，例如用requests爬取网页，用pandas清洗数据，用matplotlib可视化结果。

四、进阶学习方向

Web开发：Flask/Django（轻量级/重量级框架）
机器学习：scikit-learn（入门级库）、TensorFlow/PyTorch（深度学习）
自动化：selenium（网页自动化）、pyautogui（模拟鼠标键盘操作）

Python的模块生态极其丰富，初学者无需贪多，掌握上述基础模块已能应对80%的日常任务。遇到具体问题时，先思考“是否有现成的模块可以解决”，再通过查阅文档和示例代码快速上手。编程的核心是“用工具解决问题”，而模块正是Python强大工具库的核心！

零基础学Python：常用模块入门指南

一、内置模块：Python自带的“工具箱”

1. os 和 os.path —— 操作系统交互

2. sys —— 访问Python解释器信息

3. json —— 处理JSON数据

4. csv —— 操作CSV表格文件

5. datetime —— 处理日期和时间

6. random —— 生成随机数

二、第三方库：扩展Python的“超级武器”

7. requests —— 发起网络请求（HTTP/HTTPS）

8. numpy —— 科学计算基础库

9. pandas —— 数据处理与分析

10. matplotlib —— 数据可视化

三、如何选择合适的模块？

四、进阶学习方向

零基础也能轻松上手：走进Python的奇妙世界

Python列表实用操作大全

Python列表高级操作指南

Python数字操作完全指南：从基础到实战的28个核心技巧

Python字符串处理终极指南：从基础到高效实践

发表回复取消回复

一、内置模块：Python自带的“工具箱”

1. os 和 os.path —— 操作系统交互

2. sys —— 访问Python解释器信息

3. json —— 处理JSON数据

4. csv —— 操作CSV表格文件

5. datetime —— 处理日期和时间

6. random —— 生成随机数

二、第三方库：扩展Python的“超级武器”

7. requests —— 发起网络请求（HTTP/HTTPS）

8. numpy —— 科学计算基础库

9. pandas —— 数据处理与分析

10. matplotlib —— 数据可视化

三、如何选择合适的模块？

四、进阶学习方向

类似文章

发表回复 取消回复

发表回复取消回复