Python学习（10）学习如何使用第三方库

以下是通过示例介绍如何使用第三方库requests（用于HTTP请求）、numpy（用于数值计算）、pandas（用于数据处理和分析）、matplotlib（用于数据可视化）等。

1. requests库（用于HTTP请求）

requests库是Python中用于发送HTTP请求的一个简单而强大的库。

示例：

import requests

# 发送一个GET请求
response = requests.get('https://jsonplaceholder.typicode.com/posts')

# 检查响应状态码
if response.status_code == 200:
    # 获取响应内容（JSON格式）
    data = response.json()
    # 打印前五个帖子的标题
    for post in data[:5]:
        print("标题:", post['title'])
else:
    print("请求失败，状态码:", response.status_code)

# 发送一个POST请求
url = 'https://jsonplaceholder.typicode.com/posts'
payload = {
    "title": "New Post",
    "body": "This is a new post",
    "userId": 1
}

response = requests.post(url, json=payload)

if response.status_code == 201:
    print("帖子创建成功")
else:
    print("创建帖子失败，状态码:", response.status_code)

2. numpy库（用于数值计算）

numpy库是Python中用于科学计算的一个基础库，提供了高性能的多维数组对象及相关工具。

示例：

import numpy as np

# 创建一个一维数组
arr = np.array([1, 2, 3, 4, 5])
print("一维数组:", arr)

# 数组运算
squared_arr = arr ** 2
print("每个元素的平方:", squared_arr)

# 创建一个二维数组
matrix = np.array([[1, 2, 3], [4, 5, 6]])
print("二维数组:\n", matrix)

# 矩阵乘法
result_matrix = np.dot(matrix, matrix.T)
print("矩阵乘积:\n", result_matrix)

# 数组索引和切片
first_row = matrix[0]
print("第一行:", first_row)

# 数组统计运算
mean_value = np.mean(matrix)
print("数组元素的平均值:", mean_value)

# 数组拼接
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
concatenated_arr = np.concatenate((arr1, arr2))
print("拼接后的数组:", concatenated_arr)

3. pandas库（用于数据处理和分析）

pandas库是Python中用于数据操作和分析的强大工具，提供了快速、灵活且表达式丰富的数据结构。

示例：

import pandas as pd

# 创建一个DataFrame
data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Score': [88, 75, 92]
}
df = pd.DataFrame(data)
print("原始DataFrame:\n", df)

# 读取CSV文件
# 假设有一个名为'data.csv'的文件
# df = pd.read_csv('data.csv')

# 数据选择与过滤
filtered_df = df[df['Age'] > 30]
print("年龄大于30的数据:\n", filtered_df)

# 数据统计与分析
print("数据统计信息:\n", df.describe())

# 数据分组
grouped = df.groupby('Age').mean()
print("按年龄分组后的平均值:\n", grouped)

# 数据清洗
df_cleaned = df.dropna()  # 删除包含缺失值的行
print("清洗后的DataFrame:\n", df_cleaned)

4. matplotlib库（用于数据可视化）

matplotlib库是Python中用于数据可视化的库，提供了丰富的图表类型和定制选项。

示例：

import matplotlib.pyplot as plt
import numpy as np

# 创建一个简单的折线图
x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.figure(figsize=(8, 6))
plt.plot(x, y, marker='o', linestyle='-', color='b', label='sin(x)')
plt.title('简单的折线图')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.legend()
plt.grid(True)
plt.show()

# 创建一个散点图
x = np.random.rand(50)
y = np.random.rand(50)

plt.figure(figsize=(8, 6))
plt.scatter(x, y, marker='o', color='r', label='散点数据')
plt.title('简单的散点图')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.legend()
plt.grid(True)
plt.show()

# 创建一个柱状图
categories = ['A', 'B', 'C', 'D', 'E']
values = [30, 45, 60, 25, 50]

plt.figure(figsize=(8, 6))
plt.bar(categories, values, color='y', alpha=0.7, label='柱状图')
plt.title('简单的柱状图')
plt.xlabel('类别')
plt.ylabel('值')
plt.legend()
plt.show()