Task-Python-Pakete

Einige Python-Pakete

Fortschrittsbalken und TQDM:
Um Fortschrittsbalken für Aufgaben wie Schleifen, Dateiverarbeitung oder Downloads zu implementieren.

from progress.bar import ChargingBar
bar = ChargingBar('Processing', max=20)
for i in range(20):
    # Do some work
    bar.next()
bar.finish()

Ausgabe:

Processing ████████████████████████████████ 100%

TQDM: Ähnlich wie der Fortschrittsbalken, aber einfacher einzurichten als der Fortschrittsbalken.

from tqdm import tqdm
import time

for i in tqdm(range(100)):
    time.sleep(0.1)

Ausgabe:

100%|██████████████████████████████████████| 100/100 [00:00<00:00, 18784.11it/s]

Matplotlib:

Matplotlib wird zum Erstellen statischer, animierter und interaktiver Visualisierungen verwendet.

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

plt.plot(x, y, label='Linear Growth', color='blue', linestyle='--', marker='o')
plt.title("Line Plot Example")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.legend()
plt.show()

Ausgabe:

Numpy:
NumPy (Numerical Python) ist eine grundlegende Python-Bibliothek für numerische Berechnungen. Es bietet Unterstützung für die Arbeit mit großen, mehrdimensionalen Arrays (wie 1-D, 2-D, 3-D) und Matrizen sowie eine Sammlung mathematischer Funktionen, um diese Arrays effizient zu bearbeiten.

Beispiel:

import numpy as np

# 1D array
arr1 = np.array([1, 2, 3, 4])

# 2D array
arr2 = np.array([[1, 2], [3, 4]])

print(arr1, arr2)

Ausgabe:

[1 2 3 4] [[1 2]
 [3 4]]

Pandas:
Es wird zur Datenbearbeitung und -analyse mit Serien (Listen) und DataFrame (Tabelle oder Tabellenkalkulation) verwendet.

Beispiel:

import pandas
x=[1,2,3]
y=pandas.Series(x,index=["no1","no2","no3"])
print(y)

Ausgabe:

no1    1
no2    2
no3    3
dtype: int64

Das obige ist der detaillierte Inhalt vonTask-Python-Pakete. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!