python封装库
1. python数据分析需要哪些库
1.Numpy库
是Python开源的数值计算扩展工具，提供了Python对多维数组的支持，能够支持高级的维度数组与矩阵运算。此外，针对数组运算也提供了大量的数学函数库，Numpy是大部分Python科学计算的基础，具有很多功能。
2.Pandas库
是一个基于Numpy的数据分析包，为了解决数据分析任务而创建的。Pandas中纳入了大量库和标准的数据模型，提供了高效地操作大型数据集所需要的函数和方法，使用户能快速便捷地处理数据。
3.Matplotlib库
是一个用在Python中绘制数组的2D图形库，虽然它起源于模仿MATLAB图形命令，但它独立于MATLAB，可以通过Pythonic和面向对象的方式使用，是Python中Z出色的绘图库。主要用纯Python语言编写的，它大量使用Numpy和其他扩展代码，即使对大型数组也能提供良好的性能。
4.Seaborn库
是Python中基于Matplotlib的数据可视化工具，提供了很多高层封装的函数，帮助数据分析人员快速绘制美观的数据图形，从而避免了许多额外的参数配置问题。
5.NLTK库
被称为使用Python进行教学和计算语言学工作的Z佳工具，以及用自然语言进行游戏的神奇图书馆。NLTK是一个领先的平台，用于构建使用人类语言数据的Python程序，它为超过50个语料库和词汇资源提供了易于使用的接口，还提供了一套文本处理库，用于分类、标记化、词干化、解析和语义推理、NLP库的包装器和一个活跃的讨论社区。
1、python安装目录设定为d:/python34
2、pymysql安装方法为：解压下载的文件，在cmd中运行: python setup.py install。
检验安装安装是否成功的方法：import pymysql 。 如果不报错 说明安装成功。
3、mysql安装目录为D:/phpStudy/MySQL。为避免更多配置问题，可在启动phpstudy后，将其设为系统服务
4、基本操作：
（1）导入pymysql: import pymysql
（2）连接数据库：
conn=pymysql.connect(host='localhost',user='root',passwd='root',db='ere'，charset='utf8')
务必注意各等号前面的内容！charset参数可避免中文乱码
（3）获取操作游标：cur=conn.cursor()
（4）执行sql语句,插入记录：sta=cur.execute("insert 语句") 执行成功后sta值为1。更新、删除语句与此类似。
（5）执行sql语句，查询记录：cur.execute("select语句") 执行成功后cur变量中保存了查询结果记录集，然后再用循环打印结果：
for each in cur:
print(each[1].decode('utf-8')) # each[1] 表示当前游标所在行的的第2列值，如果是中文则需要处理编码
3. python用于web开发的第三方库有哪些
1. wxPython
wxPython 是一个跨平台的 GUI 工具集，是 Python 语言的一套优秀的 GUI 图形库，允许程序员创建完整的、功能键全的 GUI 用户界面。它以wxWidgets为基础，可以分别在Windows、Mac OS、Linux上调用它们的本地组件，让 GUI 程序在不同的平台上显示对应的风格。
2. Kivy
Kivy 是一个开源库，能够让使用相同源代码创建的程序实现跨平台运行，而且它还可以做创新型用户界面开发，如果有做创新型用户界面的可以关注一下。
3. Dabo
Dabo是一个跨平台的应用程序开发框架，它使用Python语言开发，基于wxpython的再封装库。作为一个跨平台应用开发框架，它可以用来建立以数据为中心的应用程序，而且还提供数据库访问，商业逻辑以及用户界面。
4. Flexx
Flexx 是一个Python工具包，可以用来创建图形化界面程序，还支持使用 Web 技术进行界面的渲染，只要有 Python 和浏览器就可以运行。
5. Tkinter
这是一个跨平台图形用户界面GUI开发工具，是Tk图形用户界面工具包标准的Python接口，它很轻量，而且可以运行于绝大多数的Unix平台、Windows和Macintosh系统。
6. PyQt
PyQt 是一个非常全面的库，是Python编程语言和Qt库的成功融合。Qt本身是一个扩展的C++ GUI应用开发框架，可以在UNIX、Windows和Mac OS X上运行，而且能跨平台使用，被广泛应用于许多行业。
7. PyGTK
PyGTK 主要适用于 Linux/UNIX 系统，基于老版本的 GTK+2 的库提供绑定，借助于底层 GTK+2 所提供的各种可视化元素和组件，能开发出在 GNOME 桌面系统上运行的软件。值得一提的是，PyGTK 对 GTK+2 的C语言进行了简单封装，提供了面向对象的编程接口。
8. Pywin32
Windows Pywin32 库允许我们像 VC 一样的形式使用 Python 开发 win32 应用。Pywin32提供了很多访问windows的API。较重要的三个模块就是win32api、win32gui和win32con。
4. 最受欢迎的 15 大 Python 库有哪些
1、Pandas：是一个Python包，旨在通过“标记”和“关系”数据进行工作，简单直观。它设计用于快速简单的数据操作、聚合和可视化，是数据整理的完美工具。
2、Numpy：是专门为Python中科学计算而设计的软件集合，它为Python中的n维数组和矩阵的操作提供了大量有用的功能。该库提供了NumPy数组类型的数学运算向量化，可以改善性能，从而加快执行速度。
3、SciPy：是一个工程和科学软件库，包含线性代数，优化，集成和统计的模块。SciPy库的主要功能是建立在NumPy上，通过其特定子模块提供有效的数值例程，并作为数字积分、优化和其他例程。
4、Matplotlib：为轻松生成简单而强大的可视化而量身定制，它使Python成为像MatLab或Mathematica这样的科学工具的竞争对手。
5、Seaborn：主要关注统计模型的可视化(包括热图)，Seaborn高度依赖于Matplotlib。
6、Bokeh：独立于Matplotlib，主要焦点是交互性，它通过现代浏览器以数据驱动文档的风格呈现。
7、Plotly：是一个基于Web用于构建可视化的工具箱，提供API给一些编程语言(Python在内)。
8、Scikits：是Scikits
Stack额外的软件包，专为像图像处理和机器学习辅助等特定功能而设计。它建立在SciPy之上，中集成了有质量的代码和良好的文档、简单易用并且十分高效，是使用Python进行机器学习的实际行业标准。
9、Theano：是一个Python软件包，它定义了与NumPy类似的多维数组，以及数学运算和表达式。此库是被编译的，可实现在所有架构上的高效运行。
10、TensorFlow：是数据流图计算的开源库，旨在满足谷歌对训练神经网络的高需求，并且是基于神经网络的机器学习系统DistBelief的继任者，可以在大型数据集上快速训练神经网络。
11、Keras：是一个用Python编写的开源的库，用于在高层的接口上构建神经网络。它简单易懂，具有高级可扩展性。
12、NLTK：主要用于符号学和统计学自然语言处理(NLP) 的常见任务，旨在促进NLP及相关领域(语言学，认知科学人工智能等)的教学和研究。
13、Gensim：是一个用于Python的开源库，为有向量空间模型和主题模型的工作提供了使用工具。这个库是为了高效处理大量文本而设计，不仅可以进行内存处理，还可以通过广泛使用NumPy数据结构和SciPy操作来获得更高的效率。
…………
5. Python中的封装有什么作用
日常生活中可以看到很多的汽车，汽车包括车轮、发动机、车架等零部件。可以在车架上安装车轮，然后安装发动机，最后安装其他零件，刷漆。就形成了汽车。这个过程，是把各种零件放到车架上的过程。但思考一下，对于开车的人，需要关注车的内部结构吗?答案显然是否定的。汽车对外提供了方向盘、油门等去调用内部结构从而进行行驶。由这个例子可以总结出，汽车就是各种零件经过封装得到的产物，同时提供给驾驶人操控汽车需要的接口设备。这就是生活中的封装。
我们可以看到生活中的封装有很多好处。具体有如下的几条好处：
①隐藏了实现细节，在使用时没必要关注具体实现。
②安全性好，内部细节隐藏了，就不能随意破坏。
③对外提供接口方便使用。
④可维护性好，方便修改实现，修改完成后，对外接口不变，对用户使用无影响。
⑤方便重用，任何一个会开车的人都可以驾驶汽车，只要对外的接口相同就行了。
总之，封装就是将抽象得到的属性和方法形成“类”，并将类内部信息进行隐藏，对外公开接口的机制。封装限制从类外访问，从而提升代码安全性和可维护性。
封装的内涵是把抽象得到的属性和方法进行了封装，对于方法，隐藏了具体的实现，提供了方法名供使用者调用。对于成员变量也进行隐藏，通过方法对外提供访问接口。通过封装，限制了直接访问成员变量，通过方法，增加验证逻辑，提高了安全性和可维护性。
封装的外延是按照内聚性、一致性、封装性、清晰性、完整性进行类的封装。
内聚性就是类应该描述一个单一的实体。例如，学生姓名和教师所带班级不是单一实体的属性，不能组合在一个类中。
一致性就是类、成员变量、方法名要有意义，并且顺序是成员变量、构造方法、普通方法。
封装性就是类中成员变量是私有属性，通过getter/setter访问。
清晰性是指类的结构应该是易于解释和理解的。
完整性是需要充分考虑多种不同用户设计，应该能通过属性和方法提供多种方案以适应用户不同需求。例如，字符串中有很多方法，同时这些方法可以组合完成各种任务。
关于Python的基础问题可以看下这个网页的视频教程，网页链接，希望我的回答能帮到你。
6. 如何创建封装python 模块库
Python模块的安装方法： 1. 单文件模块：直接把文件拷贝到$python_dir/lib 2. 多文件模块，带setup.py：python setup.py install 3. egg文件，类似Java的jar： 1) 下载ez_setup.py,运行python ez_setup 2) easy_install *.egg 虽然Python的模块...
7. 最常用的几个python库
Python常用库大全，看看有没有你需要的。
环境管理
管理 Python 版本和环境的工具
p – 非常简单的交互式 python 版本管理工具。
pyenv – 简单的 Python 版本管理工具。
Vex – 可以在虚拟环境中执行命令。
virtualenv – 创建独立 Python 环境的工具。
virtualenvwrapper- virtualenv 的一组扩展。
包管理
管理包和依赖的工具。
pip – Python 包和依赖关系管理工具。
pip-tools – 保证 Python 包依赖关系更新的一组工具。
conda – 跨平台，Python 二进制包管理工具。
Curdling – 管理 Python 包的命令行工具。
wheel – Python 分发的新标准，意在取代 eggs。
包仓库
本地 PyPI 仓库服务和代理。
warehouse – 下一代 PyPI。
Warehousebandersnatch – PyPA 提供的 PyPI 镜像工具。
devpi – PyPI 服务和打包/测试/分发工具。
localshop – 本地 PyPI 服务（自定义包并且自动对 PyPI 镜像）。
分发
打包为可执行文件以便分发。
PyInstaller – 将 Python 程序转换成独立的执行文件（跨平台）。
dh-virtualenv – 构建并将 virtualenv 虚拟环境作为一个 Debian 包来发布。
Nuitka – 将脚本、模块、包编译成可执行文件或扩展模块。
py2app – 将 Python 脚本变为独立软件包（Mac OS X）。
py2exe – 将 Python 脚本变为独立软件包（Windows）。
pynsist – 一个用来创建 Windows 安装程序的工具，可以在安装程序中打包 Python本身。
构建工具
将源码编译成软件。
buildout – 一个构建系统，从多个组件来创建，组装和部署应用。
BitBake – 针对嵌入式 Linux 的类似 make 的构建工具。
fabricate – 对任何语言自动找到依赖关系的构建工具。
PlatformIO – 多平台命令行构建工具。
PyBuilder – 纯 Python 实现的持续化构建工具。
SCons – 软件构建工具。
交互式解析器
交互式 Python 解析器。
IPython – 功能丰富的工具，非常有效的使用交互式 Python。
bpython- 界面丰富的 Python 解析器。
ptpython – 高级交互式Python解析器， 构建于python-prompt-toolkit 之上。
文件
文件管理和 MIME（多用途的网际邮件扩充协议）类型检测。
imghdr – （Python 标准库）检测图片类型。
mimetypes – （Python 标准库）将文件名映射为 MIME 类型。
path.py – 对 os.path 进行封装的模块。
pathlib – （Python3.4+ 标准库）跨平台的、面向对象的路径操作库。
python-magic- 文件类型检测的第三方库 libmagic 的 Python 接口。
Unipath- 用面向对象的方式操作文件和目录
watchdog – 管理文件系统事件的 API 和 shell 工具
日期和时间
操作日期和时间的类库。
arrow- 更好的 Python 日期时间操作类库。
Chronyk – Python 3 的类库，用于解析手写格式的时间和日期。
dateutil – Python datetime 模块的扩展。
delorean- 解决 Python 中有关日期处理的棘手问题的库。
moment – 一个用来处理时间和日期的Python库。灵感来自于Moment.js。
PyTime – 一个简单易用的Python模块，用于通过字符串来操作日期/时间。
pytz – 现代以及历史版本的世界时区定义。将时区数据库引入Python。
when.py – 提供用户友好的函数来帮助用户进行常用的日期和时间操作。
文本处理
用于解析和操作文本的库。
通用
chardet – 字符编码检测器，兼容 Python2 和 Python3。
difflib – (Python 标准库)帮助我们进行差异化比较。
ftfy – 让Unicode文本更完整更连贯。
fuzzywuzzy – 模糊字符串匹配。
Levenshtein – 快速计算编辑距离以及字符串的相似度。
pangu.py – 在中日韩语字符和数字字母之间添加空格。
pyfiglet -figlet 的 Python实现。
shortuuid – 一个生成器库，用以生成简洁的，明白的，URL 安全的 UUID。
unidecode – Unicode 文本的 ASCII 转换形式 。
uniout – 打印可读的字符，而不是转义的字符串。
xpinyin – 一个用于把汉字转换为拼音的库。
8. 我现在想把自己写的python模块源代码封装成dll，然后在别的python脚本里调用，可以吗
可以的，只要把python模块转换成dll模块，利用Python自带的ctypes模块加载调用就行。
ctypes 是Python的外部函数库。它提供了与 C语言兼容的数据类型，并允许调用 DLL 或共享库中的函数。可使用该模块以纯 Python 形式对这些库进行封装。
ctypes导出了cdll对象，在 Windows 系统中还导出了windll和oledll对象用于载入动态链接库。通过操作这些对象的属性，你可以载入外部的动态链接库。cdll载入按标准的cdecl调用协议导出的函数，而windll导入的库按stdcall调用协议调用其中的函数。
(8)python封装库扩展阅读：
加载调用DLL的相关方法：
1、加载DLL
加载的时候要根据你将要调用的函数是符合什么调用约定的。
stdcall调用约定：两种加载方式
Objdll = ctypes.windll.LoadLibrary("dllpath")
Objdll = ctypes.WinDLL("dllpath")
cdecl调用约定：也有两种加载方式
Objdll = ctypes.cdll.LoadLibrary("dllpath")
Objdll = ctypes.CDLL("dllpath")
其实windll和cdll分别是WinDLL类和CDll类的对象。
2、调用dll中的方法
加载dll的时候会返回一个DLL对象（假设名字叫Objdll），利用该对象就可以调用dll中的方法。 e.g.如果dll中有个方法名字叫Add（注意如果经过stdcall声明的方法，如果不是用def文件声明的导出函数或者extern “C” 声明的话，编译器会对函数名进行修改，这个要注意。）
调用：nRet = Objdll.Add(12, 15) 即完成一次调用。
9. python如何封装TIDB数据库
1、安装MySQL-python-1.2.3.win-amd64-py2.7.exe，这是操作mysql数据库的python库，有32位和64位之分，看自机器下载
2、64位机器安装MySQL-python-1.2.3.win-amd64-py2.7.exe出现 which was not found the regidtry
10. python数据库查询怎么封装
1、安装MySQL-python-1.2.3.win-amd64-py2.7.exe，这是操作mysql数据库的python库，有32位和64位之分，看自机器下载
2、64位机器安装MySQL-python-1.2.3.win-amd64-py2.7.exe出现 which was not found the regidtry