认识模块 

  什么是模块?

    常见的场景:一个模块就是一个包含了python定义和声明的文件,文件名就是模块名字加上.py的后缀。

        但其实import加载的模块分为四个通用类别: 

      1 使用python编写的代码(.py文件)

      2 已被编译为共享库或DLL的C或C++扩展

      3 包好一组模块的包

      4 使用C编写并链接到python解释器的内置模块

  为何要使用模块?

    如果你退出python解释器然后重新进入,那么你之前定义的函数或者变量都将丢失,因此我们通常将程序写到文件中以便永久保存下来,需要时就通过python test.py方式去执行,此时test.py被称为脚本script。

    随着程序的发展,功能越来越多,为了方便管理,我们通常将程序分成一个个的文件,这样做程序的结构更清晰,方便管理。

     这时我们不仅仅可以把这些文件当做脚本去执行,还可以把他们当做模块来导入到其他的模块中,实现了功能的重复利用,

常用模块

 1.collections模块

   在内置数据类型(dict, list, set, tuple) 的基础上, collections 模块还提供了几个额外的数据类型:namedtuple, deque, OrderedDict, defaultdict, Counter等.

    1.namedtuple   生成可以使用名字来访问元素内容的tuple

    2.deque    双端队列,可以快速的从另外一侧追加和取出对象

    3.OrderedDict    有序字典

    4.defaultdict    带有默认值的字典

    5.Counter    计数器,主要用来计数

    1.namedtuple

    我们知道tuple可以表示不变集合, 例如, 一个点的二维坐标就可以表示成: p=(1,2)

    但是,看到(1,2)时很难看出这个tuple是用来表示一个坐标的.

    这时,namedtuple就派上了用场:

from collections import namedtuple
# namedtuple('名称', [属性list])
Point = namedtuple('Point', ['x', 'y'])
p = Point(1, 2)
print(p.x, p.y)     # 1 2

    类似的, 如果要用坐标和半径表示一个圆,也可以用namedtuple定义:

# namedtuple('名称', [属性list])
Circle = namedtuple('Circle', ['x', 'y', 'z'])

    2.deque

    使用list存储数据时,按索引访问元素很快,但是插入和删除元素就很慢了,因为list是线性存储,数据量大的时候,插入和删除效率很低.

    deque 是为了高效实现插入和删除操作的双向列表,适合用于队列和堆栈:

from collections import deque
q = deque(['a', 'b', 'c'])
print(q)                # deque(['a', 'b', 'c'])
q.append('x') # append 从后面插入元素
print(q)                # deque(['a', 'b', 'c', 'x'])
q.appendleft('y')  # appendleft 从前面插入元素
print(q)                # deque(['y', 'a', 'b', 'c', 'x'])
print(q.pop())  # x  pop 从后面删除元素并返回被删除元素
print(q)                # deque(['y', 'a', 'b', 'c'])
print(q.popleft())  # y  popleft 从前面删除元素并返回被删除元素
print(q)                # deque(['a', 'b', 'c'])
q.insert(2, 'xin')  # 在指定位置插入元素
print(q)                # deque(['a', 'b', 'xin', 'c'])

    deque除了实现了list的append() 和 pop() 及 insert()方法外, 还支持 appendleft() 和 popleft() ,这样就可以非常高效的添加和删除元素.

    3.OrderedDict

    使用dict时,Key是无序的.在对dict做迭代时,我们无法确定Key的顺序.

    如果要保持Key的顺序,可以用OrderedDict:

from collections import OrderedDict# dict 的 Key 是无序的
d = dict([('a', 1), ('b', 2), ('c', 3)])
print(d)    # {'a': 1, 'c': 3, 'b': 2}# OrderedDict 的 Key 是有序的
od = OrderedDict([('a', 1), ('b', 2), ('c', 3)])
print(od)   # OrderedDict([('a', 1), ('b', 2), ('c', 3)])

    注意,OrderedDict的Key会按照插入的顺序排列, 不是Key本身排序:

from collections import OrderedDict
od = OrderedDict()
od['z'] = 1
od['y'] = 2
od['x'] = 3
print(od.keys())    # 按照插入的Key的顺序返回
# odict_keys(['z', 'y', 'x'])

    4.defaultdict

    有如下值集合 [11,22,33,44,55,66,77,88,99,90…], 将所有大于66的值保存至字典的第一个key的值中,将小于66的值保存至第二个key的值中.

    即: {‘k1’: 大于66, ‘k2’: 小于66}

values = [11, 22, 33, 44, 55, 66, 77, 88, 99, 90]my_dict = {}for value in values:if value > 66:if my_dict.has_key('k1'):   # has_key() 判断字典是否有指定keymy_dict['k1'].append(value)else:my_dict['k1'] = [value]else:if my_dict.has_key('k2'):my_dict['k2'].append(value)else:my_dict['k2'] = [value]

原生字典解决方法

from collections import defaultdictvalues = [11, 22, 33,44,55,66,77,88,99,90]my_dict = defaultdict(list)     # 指定字典的默认值为列表for value in values:if value > 66:my_dict['k1'].append(value)else:my_dict['k2'].append(value)

defaultdict字典解决方法

    使用dict时, 如果引用的Key 不存在,就会抛出 KeyError. 如果希望Key不存在时,返回一个默认值,就可以使用defaultdict:

    5.Counter

    Counter类的目的是用来跟踪值出现的次数. 它是一个无序的容器类型, 以字典的键值对形式存储,其中元素作为key,其计数作为value. 计数值可以使任意的Interger(包括0和负数). Counter类和其他语言的bags 或 multisets 很相似.

from collections import Counterc = Counter('abcdeabcdabcaba')
print(c)    # Counter({'a': 5, 'b': 4, 'c': 3, 'd': 2, 'e': 1})

  2.时间模块(time)

  和时间有关系的我们就要用到时间模块.在使用模块之前,应该首先导入这个模块.

# 常用方法
1. time.sleep(secs) # (线程)推迟指定的时间运行,单位为秒
2. time.time()      # 获取当前时间戳

  表示时间的三种方式

  在Python中, 通常有这三种方式来表示时间:时间戳,元组(struct_time), 格式化的时间字符串.

  (1)时间戳(timestamp):  通常来说,时间戳表示的是从1970年1月1日00:00:00开始按秒计算的偏移量. 我们运行”type(time.time())”, 返回的是float类型.

  (2)格式化的时间字符串(Format String):  例如’1999-12-06’

%y 两位数的年份表示(00-99)
%Y 四位数的年份表示(000-9999)
%m 月份(01-12)
%d 天(0-31)
%H 24小时制小时数(0-23)
%I 12小时制小时数(01-12)
%M 分钟数(00-59)
%s 秒数(00-59)
%a 本地简化星期名称
%A 本地完整星期名称
%b 本地简化的月份名称
%B 本地完整的月份名称
%c 本地相应的日期表示和时间表示
%j 年内的一天(001-366)
%p 本地A.M.或P.M.的等价符
%U 一年中的星期数(00-53) 星期天为星期的开始
%w 星期(0-6),星期天为星期的开始
%W 一年中的星期数(00-53) 星期一为星期的开始
%x 本地相应的日期表示
%X 本地相应的时间表示
%Z 当前时区的名称
%% %号本身

Python中的时间日期格式化符号

  (3)元组(struct_time):  struct_time元组共有9个元素(年,月,日,时,分,秒,一年中第几周,一年中第几天,是否夏令时)

索引(Index) 属性(Attribute) 值(Values)
0 tm_year(年) 比如2011
1 tm_mon(月) 1 - 12
2 tm_mday(日) 1 - 31
3 tm_hour(时) 0 - 23
4 tm_min(分) 0 - 59
5 tm_sec(秒) 0 - 60
6 tm_wday(weekday) 0 - 6(0表示周一)
7 tm_yday(一年中的第几天) 1 - 366
8 tm_isdst(是否是夏令时) 默认为0

  首先,我们先导入time模块,来认识一下python中表示时间的几种格式:

# 导入时间模块
import time# 时间戳
tt = time.time()
print(tt)       # 1554174559.539599# 时间字符串
tf1 = time.strftime('%Y-%m-%d %X')
print(tf1)      # 2019-04-02 11:09:19
tf2 = time.strftime('%Y-%m-%d %H-%M-%S')
print(tf2)      # 2019-04-02 11-09-19# 时间元组:localtime将一个时间戳转换为当前时区的struct_time
tl = time.localtime()
print(tl)
# time.struct_time(tm_year=2019, tm_mon=4, tm_mday=2, tm_hour=11,
#           tm_min=9, tm_sec=19, tm_wday=1, tm_yday=92, tm_isdst=0)

  小结:时间戳是计算机能够识别的时间; 时间字符串是人能看懂的时间; 元组则是用来操作时间的

  几种时间格式之间的转换

  

#### 时间戳(timestamp)---> 结构化时间(struct_time)## 1. time.gmtime(时间戳)      UTC时间,与英国伦敦当地时间一致
## 2. time.localtime(时间戳)   当地时间.例如我们现在在北京,执行这个方法,
#                             与UTC时间相差8小时,UTC时间+8小时=北京时间print(time.gmtime(1700000000))# time.struct_time(tm_year=2023, tm_mon=11, tm_mday=14, tm_hour=22,
#           tm_min=13, tm_sec=20, tm_wday=1, tm_yday=318, tm_isdst=0)print(time.localtime(1700000000))# time.struct_time(tm_year=2023, tm_mon=11, tm_mday=15, tm_hour=6,
#           tm_min=13, tm_sec=20, tm_wday=2, tm_yday=319, tm_isdst=0)#### 结构化时间(struct_time)--->时间戳(timestamp)## time.mktime(struct_time)

time_tuple = time.localtime(1700000000)
print(time.mktime(time_tuple))      # 1700000000.0

#### 结构化时间(struct_time)--->字符串时间(Format String)
## time.strftiem('格式定义', '结构化时间') 结构化时间参数若不传,则显示当前时间
print(time.strftime('%Y-%m-%d %X'))
# 2019-04-02 11:30:22
print(time.strftime('%Y=%m=%d', time.localtime(1700000000)))
# 2023=11=15#### 字符串时间(Format String)--->结构化时间(struct_time)
## time.strptime(时间字符串,字符串对应格式)
print(time.strptime('2023=11=15', '%Y=%m=%d'))
#time.struct_time(tm_year=2023, tm_mon=11, tm_mday=15, tm_hour=0, tm_min=0,
#                       tm_sec=0, tm_wday=2, tm_yday=319, tm_isdst=-1)
print(time.strptime('07/24/2017', '%m/%d/%Y'))
# time.struct_time(tm_year=2017, tm_mon=7, tm_mday=24, tm_hour=0, tm_min=0,
#                       tm_sec=0, tm_wday=0, tm_yday=205, tm_isdst=-1)

# 结构化时间 ---> %a %b %d %H:%M:%S %Y 串
# time.asctime(结构化时间) 如果不传参数,直接返回当前时间的格式化串
print(time.asctime(time.localtime(1700000000)))
# Wed Nov 15 06:13:20 2023
print(time.asctime())
# Tue Apr  2 11:40:48 2019# 时间戳 ---> %a %b %d %H:%M:%S %Y 串
# time.ctime(时间戳) 如果不传参数,直接返回当前时间的格式化串
print(time.ctime())
# Tue Apr  2 11:42:15 2019
print(time.ctime(1700000000))
# Wed Nov 15 06:13:20 2023

import time
true_time=time.mktime(time.strptime('2017-09-11 08:30:00','%Y-%m-%d %H:%M:%S'))
time_now=time.mktime(time.strptime('2017-09-12 11:00:00','%Y-%m-%d %H:%M:%S'))
# time.strptime() 将字符串时间转换为结构化时间
# time.mktime()   将结构化时间转换为时间戳
dif_time=time_now-true_time
struct_time=time.gmtime(dif_time)
print('过去了%d年%d月%d天%d小时%d分钟%d秒'%(struct_time.tm_year-1970,struct_time.tm_mon-1,struct_time.tm_mday-1,struct_time.tm_hour,struct_time.tm_min,struct_time.tm_sec))
# 时间戳是从1970年1月1日零点开始的,所以计算时要减去相应的值

计算时间差例子

  3.random模块

import random# 随机小数
random.random()         # 大于0且小于1之间的小数
random.uniform(1, 3)    # 大于1且小于3的小数# 随机整数
random.randint(1, 5)    # 大于等于1且小于等于5之间的整数
random.randrange(1, 10, 2)  # 大于等于1且小于10之间的奇数#随机返回
random.choice([1, '23', [4, 5]])    # 随机选择一个返回
random.sample([1, '23', [4, 5]], 2) # 随机选择多个返回,返回个数为函数的第二个参数# 打乱列表排序
item = [1, 3, 5, 7, 9]
random.shuffle(item)

  练习:生成随机验证码

import randomdef v_code():code = ''for i in range(6):num = random.randint(0, 9)alf = chr(random.randint(65, 90))add = random.choice([num, alf])code = ''.join([code, str(add)])return codeprint(v_code())

随机验证码

  4.os模块

  os模块是与操作系统交互的一个接口

os.makedirs('dirname1/dirname2')    可生成多层递归目录
os.removedirs('dirname1')    若目录为空,则删除,并递归到上一级目录,如若也为空,则删除,依此类推
os.mkdir('dirname')    生成单级目录;相当于shell中mkdir dirname
os.rmdir('dirname')    删除单级空目录,若目录不为空则无法删除,报错;相当于shell中rmdir dirname
os.listdir('dirname')    列出指定目录下的所有文件和子目录,包括隐藏文件,并以列表方式打印
os.remove()  删除一个文件
os.rename("oldname","newname")  重命名文件/目录
os.stat('path/filename')  获取文件/目录信息os.system("bash command")  运行shell命令,直接显示
os.popen("bash command).read()  运行shell命令,获取执行结果
os.getcwd() 获取当前工作目录,即当前python脚本工作的目录路径
os.chdir("dirname")  改变当前脚本工作目录;相当于shell下cdos.path
os.path.abspath(path)   返回path规范化的绝对路径
os.path.split(path)     将path分割成目录和文件名二元组返回
os.path.dirname(path)   返回path的目录。其实就是os.path.split(path)的第一个元素
os.path.basename(path)   返回path最后的文件名。如何path以/或\结尾,那么就会返回空值。即os.path.split(path)的第二个元素
os.path.exists(path)    如果path存在,返回True;如果path不存在,返回False
os.path.isabs(path)    如果path是绝对路径,返回True
os.path.isfile(path)  如果path是一个存在的文件,返回True。否则返回False
os.path.isdir(path)  如果path是一个存在的目录,则返回True。否则返回False
os.path.join(path1[, path2[, ...]])  将多个路径组合后返回,第一个绝对路径之前的参数将被忽略
os.path.getatime(path)  返回path所指向的文件或者目录的最后访问时间
os.path.getmtime(path)  返回path所指向的文件或者目录的最后修改时间
os.path.getsize(path) 返回path的大小

  注意:os.stat(‘path/filename’)  获取文件/目录信息 的结构说明

stat 结构:st_mode: inode 保护模式
st_ino: inode 节点号。
st_dev: inode 驻留的设备。
st_nlink: inode 的链接数。
st_uid: 所有者的用户ID。
st_gid: 所有者的组ID。
st_size: 普通文件以字节为单位的大小;包含等待某些特殊文件的数据。
st_atime: 上次访问的时间。
st_mtime: 最后一次修改的时间。
st_ctime: 由操作系统报告的"ctime"。在某些系统上(如Unix)是最新的元数据更改的时间,在其它系统上(如Windows)是创建时间(详细信息参见平台的文档)。

os模块的属性

os.sep    输出操作系统特定的路径分隔符,win下为"\\",Linux下为"/"
os.linesep    输出当前平台使用的行终止符,win下为"\r\n",Linux下为"\n"
os.pathsep    输出用于分割文件路径的字符串 win下为;,Linux下为:
os.name    输出字符串指示当前使用平台。win->'nt'; Linux->'posix'

  5.sys模块

  sys模块是与python解释器交互的一个接口

sys.argv           命令行参数List,第一个元素是程序本身路径
sys.exit(n)        退出程序,正常退出时exit(0),错误退出sys.exit(1)
sys.version        获取Python解释程序的版本信息
sys.path           返回模块的搜索路径,初始化时使用PYTHONPATH环境变量的值
sys.platform       返回操作系统平台名称

import sys
try:sys.exit(1)
except SystemExit as e:print(e)

  6.序列化模块(json,  pickle,  shelve)

  什么叫序列化------将原本的字典,列表等内容转换成一个字符串的过程就叫序列化

比如,我们在python代码中计算的一个数据需要给另外一段程序使用,那我们怎么给?
现在我们能想到的方法就是存在文件里,然后另一个python程序再从文件里读出来。
但是我们都知道,对于文件来说是没有字典这个概念的,所以我们只能将数据转换成字典放到文件中。
你一定会问,将字典转换成一个字符串很简单,就是str(dic)就可以办到了,为什么我们还要学习序列化模块呢?
没错序列化的过程就是从dic 变成str(dic)的过程。现在你可以通过str(dic),将一个名为dic的字典转换成一个字符串,
但是你要怎么把一个字符串转换成字典呢?
聪明的你肯定想到了eval(),如果我们将一个字符串类型的字典str_dic传给eval,就会得到一个返回的字典类型了。
eval()函数十分强大,但是eval是做什么的?e官方demo解释为:将字符串str当成有效的表达式来求值并返回计算结果。
BUT!强大的函数有代价。安全性是其最大的缺点。
想象一下,如果我们从文件中读出的不是一个数据结构,而是一句"删除文件"类似的破坏性语句,那么后果实在不堪设设想。
而使用eval就要担这个风险。
所以,我们并不推荐用eval方法来进行反序列化操作(将str转换成python中的数据结构)

为什么要有序列化模块

  序列化的目的

  1. 以某种存储形式使自定义对象持久化

  2. 将对象从一个地方传递到另一个地方

  3. 使程序更具有维护性

    json模块

    json模块提供了四个功能:dumps,  dump,  loads,  load

import json
dic = {'k1':'v1','k2':'v2','k3':'v3'}
str_dic = json.dumps(dic)  #序列化:将一个字典转换成一个字符串
print(type(str_dic),str_dic)  #<class 'str'> {"k3": "v3", "k1": "v1", "k2": "v2"}
#注意,json转换完的字符串类型的字典中的字符串是由""表示的

dic2 = json.loads(str_dic)  #反序列化:将一个字符串格式的字典转换成一个字典
#注意,要用json的loads功能处理的字符串类型的字典中的字符串必须由""表示
print(type(dic2),dic2)  #<class 'dict'> {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}
list_dic = [1,['a','b','c'],3,{'k1':'v1','k2':'v2'}]
str_dic = json.dumps(list_dic) #也可以处理嵌套的数据类型
print(type(str_dic),str_dic) #<class 'str'> [1, ["a", "b", "c"], 3, {"k1": "v1", "k2": "v2"}]
list_dic2 = json.loads(str_dic)
print(type(list_dic2),list_dic2) #<class 'list'> [1, ['a', 'b', 'c'], 3, {'k1': 'v1', 'k2': 'v2'}]

loads和dumps

import json
f = open('json_file','w')
dic = {'k1':'v1','k2':'v2','k3':'v3'}
json.dump(dic,f)  #dump方法接收一个文件句柄,直接将字典转换成json字符串写入文件
f.close()f = open('json_file')
dic2 = json.load(f)  #load方法接收一个文件句柄,直接将文件中的json字符串转换成数据结构返回
f.close()
print(type(dic2),dic2)

load和dump

import json
f = open('file','w')
json.dump({'国籍':'中国'},f)
ret = json.dumps({'国籍':'中国'})
f.write(ret+'\n')
json.dump({'国籍':'美国'},f,ensure_ascii=False)
ret = json.dumps({'国籍':'美国'},ensure_ascii=False)
f.write(ret+'\n')
f.close()

ensure_ascii关键字参数

Serialize obj to a JSON formatted str.(字符串表示的json对象)
Skipkeys:默认值是False,如果dict的keys内的数据不是python的基本类型(str,unicode,int,long,float,bool,None),设置为False时,就会报TypeError的错误。此时设置成True,则会跳过这类key
ensure_ascii:,当它为True的时候,所有非ASCII码字符显示为\uXXXX序列,只需在dump时将ensure_ascii设置为False即可,此时存入json的中文即可正常显示。)
If check_circular is false, then the circular reference check for container types will be skipped and a circular reference will result in an OverflowError (or worse).
If allow_nan is false, then it will be a ValueError to serialize out of range float values (nan, inf, -inf) in strict compliance of the JSON specification, instead of using the JavaScript equivalents (NaN, Infinity, -Infinity).
indent:应该是一个非负的整型,如果是0就是顶格分行显示,如果为空就是一行最紧凑显示,否则会换行且按照indent的数值显示前面的空白分行显示,这样打印出来的json数据也叫pretty-printed json
separators:分隔符,实际上是(item_separator, dict_separator)的一个元组,默认的就是(‘,’,’:’);这表示dictionary内keys之间用“,”隔开,而KEY和value之间用“:”隔开。
default(obj) is a function that should return a serializable version of obj or raise TypeError. The default simply raises TypeError.
sort_keys:将数据根据keys的值进行排序。
To use a custom JSONEncoder subclass (e.g. one that overrides the .default() method to serialize additional types), specify it with the cls kwarg; otherwise JSONEncoder is used.

其他参数说明

import json
data = {'username':['李华','二愣子'],'sex':'male','age':16}
json_dic2 = json.dumps(data,sort_keys=True,indent=2,separators=(',',':'),ensure_ascii=False)
print(json_dic2)

json的格式化输出

    pickle 模块  与json模块的用法基本相同

    json  和  pickle   模块

    都是用于序列化的两个模块

    json, 用于字符串 和 python数据类型间进行转换

          pickle, 用于python特有的类型 和 python的数据类型间进行转换

    pickle模块提供了四个功能: dumps,  dump(序列化,  存); loads(反序列化, 读),load(不仅可以序列化字典,列表…可以把python中任意的数据类型序列化)

import pickle
dic = {'k1':'v1','k2':'v2','k3':'v3'}
str_dic = pickle.dumps(dic)
print(str_dic)  #一串二进制内容

dic2 = pickle.loads(str_dic)
print(dic2)    #字典import time
struct_time  = time.localtime(1000000000)
print(struct_time)
f = open('pickle_file','wb')
pickle.dump(struct_time,f)
f.close()f = open('pickle_file','rb')
struct_time2 = pickle.load(f)
print(struct_time2.tm_year)

pickle

    json是一种所有的语言都可以识别的数据结构.

    所以,如果你序列化的是列表或者字典,推荐使用 json 模块

    如果是要序列化其他的数据类型,而未来你还会用python对这个数据进行反序列化的话,就可以使用 pickle 模块.

转载于:https://www.cnblogs.com/87pzy/p/10638455.html

day20 python常用模块相关推荐

  1. 实战篇一 python常用模块和库介绍

    # -_-@ coding: utf-8 -_-@ -- Python 常用模块和库介绍 第一部分:json模块介绍 import json 将一个Python数据结构转换为JSON: dict_ = ...

  2. python常用模块大全总结-常用python模块

    广告关闭 2017年12月,云+社区对外发布,从最开始的技术博客到现在拥有多个社区产品.未来,我们一起乘风破浪,创造无限可能. python常用模块什么是模块? 常见的场景:一个模块就是一个包含了py ...

  3. 对于python来说、一个模块就是一个文件-python常用模块

    python常用模块 什么是模块? 常见的场景:一个模块就是一个包含了python定义和声明的文件,文件名就是模块名字加上.py的后缀. 但其实import加载的模块分为四个通用类别: 1 使用pyt ...

  4. python常用模块之shelve模块

    python常用模块之shelve模块 shelve模块是一个简单的k,v将内存中的数据通过文件持久化的模块,可以持久化任何pickle可支持的python数据类型 我们在上面讲json.pickle ...

  5. Python常用模块——目录

    Python常用模块学习 Python模块和包 Python常用模块time & datetime &random 模块 Python常用模块os & sys & sh ...

  6. Python常用模块集锦

    常用模块主要分为以下几类(缺失的后续再补充): 时间转换 时间计算 序列化和反序列化:json,pickle 编解码:unicode,base64 加解密:md5,sha1,hmac_sha1,aes ...

  7. Python+常用模块(2).md

    Python 常用模块 1. random模块 1.1 导入模块 import random 1.2 random.random() 生成一个从0到1的随机浮点数 1.3 random.uniform ...

  8. python用什么来写模块-Python常用模块——模块介绍与导入

    Python常用模块--模块介绍与导入 一.什么是模块? 在计算机程序的开发过程中,随着程序代码越写越多,在一个文件里代码就会越来越长,越来越不容易维护. 为了编写可维护的代码,我们把很多函数分组,分 ...

  9. Python 常用模块总结

    Python 常用模块总结 1.random 2.math 3.os 4.os.path 5.sys 6.hashlib 7.hmac 8.time 9.datetime 10.calendar 11 ...

  10. python常用模块-调用系统命令模块(subprocess)

    python常用模块-调用系统命令模块(subprocess) 作者:尹正杰 版权声明:原创作品,谢绝转载!否则将追究法律责任. subproces基本上就是为了取代os.system和os.spaw ...

最新文章

  1. 手写java_手写JAVA虚拟机(二)——实现java命令行
  2. ashx是什么文件,如何创建[转]
  3. linux下yum源软件服务器的搭建与使用
  4. 【数据可视化应用】绘制极坐标(附Python代码)
  5. Eclipse+Web3j开发以太坊应用
  6. linux 查看强制位,linux强制位与冒险位
  7. 10篇产品大V精华文章,你值得一读
  8. 萤火虫算法_一种优化方法:蜂鸟优化算法
  9. 个人辅助带后台纯HTML网站源码
  10. 单片机c语言*乘法,单片机c语言教程:运算符和表达式(位运算符)
  11. (17)全民小视频引流脚本模块化开发11-关注用户的粉丝By飞云脚本学院
  12. 快门光圈感光度口诀_只要三杯水,就能搞懂光圈/快门/感光度的关系!
  13. Angular学习笔记——自定义指令directive参数详解
  14. Chrome浏览器支持的时间格式
  15. Python实现多线程批量下载昵图网的清晰预览图
  16. ie8上传图片获取文件大小
  17. 联想电脑开机卡在logo界面
  18. 给Java程序员的一些中肯建议,你还在虚度光阴吗?
  19. python数据分析学习——1.描述性统计分析
  20. ubuntu系统下安装Qtcreator

热门文章

  1. Cocos2d-x 3.X手游开发实例详解
  2. NFC:Arduino、Android与PhoneGap近场通信
  3. 合上More Exceptional C++的瞬间
  4. 读ZAC网络营销实战密码有感
  5. 31线性空间05——列空间和零空间、维数
  6. Linux:文件格式化与相关处理及sed工具
  7. 关于sophus模板类需要注意的情况(error: missing template arguments before ‘SO3_R’)
  8. L1-026 I Love GPLT (5 分)—团体程序设计天梯赛
  9. L1-009 N个数求和 (20 分)—团体程序设计天梯赛
  10. 电子书下载:Beginning ASP.NET 2.0 and Databases