Python编程常用库，这些工具你用过几个？

写Python代码，没人从头造轮子。日常处理数据、做网页、搞自动化，基本都靠现成的库撑着。下面这几个，几乎每个Python开发者都会碰上。

requests：让网络请求变得简单

想抓网页内容、调接口？urllib虽然能用，但写起来啰嗦。requests一出手，代码立马清爽。

import requests

response = requests.get("https://httpbin.org/json")
data = response.json()
print(data)

几行代码就能拿到JSON数据，加个headers或者传参数也特别直观，爬虫和接口测试的标配。

numpy：科学计算的基石

处理数字、矩阵运算，Python自带的list不够用。numpy不仅速度快，语法还简洁。比如算一组数的均值：

import numpy as np

arr = np.array([1, 3, 5, 7, 9])
print(np.mean(arr))  # 输出 5.0

数据分析、机器学习底层基本都依赖它，是pandas背后的“发动机”。

pandas：数据清洗的好帮手

如果你经常跟Excel、CSV打交道，pandas能省下大把时间。读文件、删空行、筛选数据，一行代码搞定。

import pandas as pd

df = pd.read_csv("sales.csv")
df_clean = df.dropna()
top_sellers = df_clean[df_clean["sales"] > 1000]

结构清晰，操作直观，是数据分析师每天打开Python第一句import的对象。

flask：轻量级Web开发就靠它

想快速搭个后台服务，又不想搞太重？flask正合适。几行代码就能跑起一个网站。

from flask import Flask

app = Flask(__name__)

@app.route("/")
def home():
    return "<h1>欢迎访问我的小站</h1>"

if __name__ == "__main__":
    app.run(debug=True)

适合做API、内部工具，甚至个人博客，部署也方便。

os 和 pathlib：文件操作不求人

要遍历文件夹、创建目录、拼路径，用os和pathlib比手动写字符串安全多了。

from pathlib import Path

# 创建目录
Path("backup/logs").mkdir(parents=True, exist_ok=True)

# 遍历所有txt文件
for file in Path("./data").glob("*.txt"):
    print(file.name)

跨平台路径处理不再出错，脚本更稳定。

结语

这些库不是炫技用的，而是实打实解决具体问题的工具。装上它们，你的Python效率至少翻倍。与其反复写重复逻辑，不如花点时间熟悉这些“老熟人”。