Python 库使用全攻略（新手友好 + 实战导向）

一、基础操作：装库 & 管理库（所有库的通用前提）

1. 核心安装方式（优先级排序）

bash

运行

# 1. 官方pip（最常用） pip install 库名 # 安装最新版 pip install 库名==版本号 # 安装指定版本（如 pandas==2.1.0） pip install --upgrade 库名 # 升级库 # 2. 国内镜像（解决下载慢） pip install 库名 -i https://pypi.tuna.tsinghua.edu.cn/simple # 3. 特殊库（如需要编译的库） pip install wheel # 先装wheel，再装.whl文件 pip install 本地文件.whl # 4. conda（数据科学场景首选） conda install 库名 # Anaconda/Miniconda环境

2. 库管理关键命令

bash

运行

pip list # 查看已装库 pip show 库名 # 查看库详情（版本、依赖、路径） pip uninstall 库名 # 卸载库 pip freeze > requirements.txt # 导出环境依赖 pip install -r requirements.txt # 批量安装依赖

核心说明

• 新手优先用pip，遇到「下载超时 / 编译失败」换国内镜像；
• 不同项目建议用虚拟环境（venv/conda env），避免库版本冲突。

二、分场景核心库（新手必学）

1. 数据处理 & 分析（最高频）

表格

读取 CSV

df = pd.read_csv ("数据.csv")

查看前 5 行

print(df.head())

缺失值填充

df ["销量"].fillna (0, inplace=True)

保存为 Excel

df.to_excel ("处理后数据.xlsx", index=False)

|

| numpy | 数值计算（数组/矩阵）| ```python import numpy as np # 创建数组 arr = np.array([1,2,3,4]) # 计算均值/求和 print(arr.mean(), arr.sum()) # 矩阵乘法 arr2 = np.array([[1,2],[3,4]]) print(arr2 @ arr2) ``` | ### 2. 数据可视化 | 库名 | 核心用途 | 入门示例（画折线图）| |------------|-------------------------|-------------------------------------------| | matplotlib | 基础绘图（折线/柱状/散点）| ```python import matplotlib.pyplot as plt import numpy as np x = np.arange(1, 10) y = x * 2 + 3 # 画折线图 plt.plot(x, y, color="red", label="y=2x+3") plt.xlabel("X轴") plt.ylabel("Y轴") plt.title("基础折线图") plt.legend() plt.show() ``` | | seaborn | 统计可视化（更美观）| 基于matplotlib，只需`import seaborn as sns`后，用`sns.lineplot(x=x, y=y)`替代plt.plot即可 | ### 3. 网络请求&爬虫 | 库名 | 核心用途 | 入门示例（爬取网页内容）| |------------|-------------------------|-------------------------------------------| | requests | 发送HTTP请求（简单爬虫）| ```python import requests # 发送GET请求 response = requests.get("https://www.baidu.com") response.encoding = "utf-8" # 解决乱码 print(response.text[:100]) # 打印前100个字符 ``` | | beautifulsoup4 | 解析HTML/XML | ```python from bs4 import BeautifulSoup import requests res = requests.get("https://www.baidu.com") soup = BeautifulSoup(res.text, "html.parser") # 查找所有a标签 links = soup.find_all("a") for link in links[:5]: print(link.get("href")) ``` | ### 4. 自动化&办公 | 库名 | 核心用途 | 入门示例（操作Excel）| |------------|-------------------------|-------------------------------------------| | openpyxl | 读写Excel（xlsx格式）| ```python from openpyxl import Workbook # 创建工作簿 wb = Workbook() ws = wb.active # 写入数据 ws["A1"] = "姓名" ws["B1"] = "年龄" ws.append(["张三", 25]) # 保存 wb.save("办公表.xlsx") ``` | | pyautogui | 键鼠自动化（模拟操作）| ```python import pyautogui import time time.sleep(3) # 预留3秒切换窗口 # 移动鼠标到(100,100) pyautogui.moveTo(100, 100, duration=0.5) # 输入文字 pyautogui.typewrite("Python自动化") ``` | --- ## 三、新手避坑指南 1. **版本兼容**：安装库时注意Python版本（如Python 3.8+兼容大部分新库，3.7以下部分库不支持）； 2. **依赖冲突**：比如`pandas`依赖`numpy`，卸载numpy前先确认pandas是否能用； 3. **中文乱码**：读写文件时指定编码`encoding="utf-8"`，可视化时设置`plt.rcParams["font.sans-serif"] = ["SimHei"]`； 4. **爬虫合规**：爬取网站前看`robots.txt`，避免高频请求（加`time.sleep()`）。 --- ## 四、找库&学库的最佳途径 1. **官方文档**：优先看库的官方文档（如[pandas文档](https://pandas.pydata.org/docs/)），最权威； 2. **PyPI官网**：https://pypi.org/，搜关键词找合适的库（如搜「excel」会列出所有操作Excel的库）； 3. **实战驱动**：先明确需求（如「想做数据可视化」），再针对性学对应库，不要盲目背API。 --- ### 总结 1. Python库使用的核心流程：**按需选库 → pip/conda安装 → 查文档写示例 → 避版本/编码坑**； 2. 新手先掌握「pandas/numpy/matplotlib/requests」四大核心库，覆盖80%的入门场景； 3. 库的学习重点是「解决问题」，而非死记API，遇到需求先搜「Python + 需求」（如「Python 操作Excel」）找对应库和示例。 如果需要某类特定库（如机器学习、游戏开发、Web开发）的详细教程，我可以针对性补充！