Python 是一种广泛使用的编程语言，其丰富的模块生态为开发者提供了强大的功能。本指南将介绍一些常用的 Python 模块，帮助你更好地学习和使用 Python。

常用模块列表

以下是一些 Python 中常用的模块：

  • requests：用于发送 HTTP 请求。
  • numpy：用于数值计算。
  • pandas：用于数据分析。
  • matplotlib：用于数据可视化。
  • scikit-learn：用于机器学习。

1. requests 模块

requests 模块是一个非常方便的 HTTP 库，可以让你轻松发送各种 HTTP 请求。

import requests

response = requests.get('https://www.example.com')
print(response.text)

更多关于 requests 模块的内容，可以查看官方文档。

2. numpy 模块

numpy 是一个强大的数值计算库，在科学计算和数据分析中非常流行。

import numpy as np

array = np.array([1, 2, 3])
print(array)

更多关于 numpy 模块的内容，可以查看官方文档。

3. pandas 模块

pandas 是一个强大的数据分析库，可以轻松处理和分析数据。

import pandas as pd

data = {'Name': ['Tom', 'Nick', 'John'], 'Age': [20, 21, 19]}
df = pd.DataFrame(data)
print(df)

更多关于 pandas 模块的内容，可以查看官方文档。

4. matplotlib 模块

matplotlib 是一个流行的数据可视化库，可以生成各种图表。

import matplotlib.pyplot as plt

plt.plot([1, 2, 3], [4, 5, 6])
plt.show()

更多关于 matplotlib 模块的内容，可以查看官方文档。

5. scikit-learn 模块

scikit-learn 是一个强大的机器学习库，提供了多种算法和工具。

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression

# 加载数据
data = datasets.load_iris()
X = data.data
y = data.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)

# 创建模型
model = LogisticRegression()

# 训练模型
model.fit(X_train, y_train)

# 预测
predictions = model.predict(X_test)

更多关于 scikit-learn 模块的内容，可以查看官方文档。

希望这份指南能帮助你更好地学习和使用 Python 模块。如果你对 Python 有更多疑问，可以访问我们的Python 学习社区。

Python Modules