python依赖库
㈠ python导出requirements.txt依赖文件
导出Python项目依赖文件requirements.txt，有多种方法。使用`pip freeze`命令能生成包含所有环境依赖的文件，但可能包含不必要的路径信息。为了精简并确保只包含项目实际使用的依赖，可以采用更精确的方法，避免安装额外的包。
具体操作如下：
首先，通过命令行运行`pip freeze`，此命令将生成包含所有当前环境依赖的`requirements.txt`文件。这种方式导出的文件可能包含路径信息，需要进一步处理。
为了生成更精确的依赖列表，可以使用`pipreqs`工具。此工具能够自动检测项目中实际引用的库，并生成相应的`requirements.txt`文件。
安装`pipreqs`包后，使用以下命令运行：
将`/path/to/project`替换为项目根目录路径
- 或直接CD至项目根目录
- 执行命令：`pipreqs . --encoding=utf-8 --force`
这里的`--encoding=utf-8`参数用于指定文件编码方式为UTF-8，确保兼容性；`--force`参数表示强制执行，即使文件已存在也不停止操作。
执行完毕后，在项目根目录下将生成`requirements.txt`文件，该文件只包含项目实际使用的依赖包，无需安装额外未被引用的库。
通过上述方法，可以有效管理Python项目的依赖，确保仅安装项目所需包，避免资源浪费和潜在的兼容性问题。
㈡ python怎么导入依赖包
python导入依赖包的方法：1、点击pycharm顶部的file标签，点击【setting】按钮；2、点击【Project：**】在右侧面板选中出现的【Project Interpreter】按钮，点击右方的【+】输入要安装库，安装即可。
第一步：打开pycharm：File-->Settings
第二步：Project：（你的项目名）-->Project InterPreter-->点击右边的加号
第三步：在窗口中搜索要下载的依赖-->选中并点击左下角的install package即可导入依赖包
推荐课程：Python 基础入门教程
㈢ 常用Python机器学习库有哪些
Python作为一门理想的集成语言，将各种技术绑定在一起，除了为用户提供更方便的功能之外，还是一个理想的粘合平台，在开发人员与外部库的低层次集成人员之间搭建连接，以便用C、C++实现更高效的算法。
使用Python编程可以快速迁移代码并进行改动，无须花费过多的精力在修改代码与代码规范上。开发者在Python中封装了很多优秀的依赖库，可以直接拿来使用，常见的机器学习库如下：
1、Scikit-Learn
Scikit-Learn基于Numpy和Scipy，是专门为机器学习建造的一个Python模块，提供了大量用于数据挖掘和分析的工具，包括数据预处理、交叉验证、算法与可视化算法等一系列接口。
Scikit-Learn基本功能可分为六个部分：分类、回归、聚类、数据降维、模型选择、数据预处理。其中集成了大量分类、回归、聚类功能，包括支持向量机、逻辑回归、随机森林、朴素贝叶斯等。
2、Orange3
Orange3是一个基于组件的数据挖掘和机器学习软件套装，支持Python进行脚本开发。它包含一系列的数据可视化、检索、预处理和建模技术，具有一个良好的用户界面，同时也可以作为Python的一个模块使用。
用户可通过数据可视化进行数据分析，包含统计分布图、柱状图、散点图，以及更深层次的决策树、分层聚簇、热点图、MDS等，并可使用它自带的各类附加功能组件进行NLP、文本挖掘、构建网络分析等。
3、XGBoost
XGBoost是专注于梯度提升算法的机器学习函数库，因其优良的学习效果及高效的训练速度而获得广泛的关注。XGBoost支持并行处理，比起同样实现了梯度提升算法的Scikit-Learn库，其性能提升10倍以上。XGBoost可以处理回归、分类和排序等多种任务。
4、NuPIC
NuPIC是专注于时间序列的一个机器学习平台，其核心算法为HTM算法，相比于深度学习，其更为接近人类大脑的运行结构。HTM算法的理论依据主要是人脑中处理高级认知功能的新皮质部分的运行原理。NuPIC可用于预测以及异常检测，使用面非常广，仅要求输入时间序列即可。
5、Milk
Milk是Python中的一个机器学习工具包。Milk注重提升运行速度与降低内存占用，因此大部分对性能敏感的代码都是使用C++编写的，为了便利性在此基础上提供Python接口。重点提供监督分类方法，如SVMs、KNN、随机森林和决策树等。
㈣ 再见 Pip 和 Conda！Poetry 才是 Python 依赖管理的最好选择！
欢迎探索@Python与数据挖掘，专注于Python、数据分析等领域！
在项目初期，pip和conda可能能满足依赖管理需求，但随着项目扩展，依赖复杂性增加，它们的局限性可能显现。这时，Poetry作为新兴的选择崭露头角，尤其适合高效管理复杂环境下的Python项目。
1. 安装便利性
Poetry提供了一键安装的简洁流程，例如，只需用poetry add package-name安装软件包，无需担心不同包的安装差异。
2. 软件包选择
Poetry拥有丰富的软件包库，确保找到适合的版本。同时，它避免了Conda中可能存在的特定软件包限制和版本问题。
3. 依赖管理
Poetry只安装项目所需的最少依赖，简化开发过程，避免磁盘空间占用过多。无论是Conda的完整环境隔离还是Pip的精细化管理，Poetry都更胜一筹。
4. 卸载与依赖文件
Poetry能够彻底卸载软件包及其依赖，确保磁盘空间的有效利用。与pip和conda相比，它的依赖文件（如pyproject.toml）通过精确版本控制，确保环境一致性。
5. 环境独立性
Poetry支持开发和生产环境的独立依赖，有助于减少冲突，提高项目稳定性。相比之下，Conda和Pip需要额外步骤来实现这一点。
6. 更新与依赖解析
在依赖更新和冲突解决上，Poetry的确定性解析器更高效，能够即时反馈并帮助开发者避免潜在问题。
总结来说，Poetry凭借其易用性、灵活的依赖管理及对开发环境的优化，成为Python依赖管理的优选工具。想深入学习和交流技术细节，不妨关注我们的社区！
㈤ 编译安装python需要哪些依赖
依赖库：
//使用apt 安装即可
1.gcc, make, zlib1g-dev（压缩／解压缩库）
安装过程需要的库。
2.libbz2-dev
bz2支持库，若在编译安装python前没有安装，将无法通过pip install 安装提供bz2格式的第三方库，会出现unsupported archive format: .tar.bz2的错误，例如爬虫库Scrapy依赖的Twisted。
3.libsqlite3-dev
sqlite3支持库，若在编译安装python前没有安装，则python中会缺失sqlite3模块，当引入sqlite3或使用依赖sqllite3的第三方库(例如Scrapy)时，会出现ImportError: No mol named _sqllite3的错误。
//以上为编译安装前需要安装的库，可能不够全面，会不断补充。
4.其他：安装第三方库需要的库
python3-dev, libxml2-dev, libxslt1, libffi-dev, libssl-dev等，在安装第三方库会有具体说明，不做过多解释。
安装：
//通过wget获取压缩包，这里选择3.6.1版
wget https://www.python.org/ftp/python/3.6.1/Python-3.6.1.tar.xz
//解压
tar xJf Python-3.6.1.tar.xz
cd Python-3.6.1
./configure
make
/*这步如果需要sudo，请使用sudo -H命令，即sudo -H make install，避免pip等模块安装失败。
错误示例(pip安装失败)：The directory '/home/ls/.cache/pip' or its parent directory is not owned by the current user and caching wheels has been disabled. check the permissions and owner of that directory. If executing pip with sudo, you may want sudo's -H flag.
*/
make install