当前位置: 首页 > news >正文

【Python库和代码案例:第一课】Python 标准库与第三方库实战指南:从日期处理到 Excel 操作

Python 标准库实战

datetime 模块处理日期

from datetime import datetime, timedelta # 获取当前时间 now = datetime.now() print(f"当前时间: {now}") # 时间加减操作 next_week = now + timedelta(days=7) print(f"一周后时间: {next_week}") # 时间格式化 formatted = now.strftime("%Y-%m-%d %H:%M:%S") print(f"格式化时间: {formatted}")

https://www.zhihu.com/zvideo/1994903430897112174/
https://www.zhihu.com/zvideo/1994903428737045479/
https://www.zhihu.com/zvideo/1994903429080949969/
https://www.zhihu.com/zvideo/1994903429131289981/
https://www.zhihu.com/zvideo/1994903428959331036/
https://www.zhihu.com/zvideo/1994903428321805979/
https://www.zhihu.com/zvideo/1994903426161713909/
https://www.zhihu.com/zvideo/1994903426757326323/
https://www.zhihu.com/zvideo/1994903426111390567/
https://www.zhihu.com/zvideo/1994903426061054719/
https://www.zhihu.com/zvideo/1994903425146720275/
https://www.zhihu.com/zvideo/1994903425100580088/
https://www.zhihu.com/zvideo/1994903424815346534/
https://www.zhihu.com/zvideo/1994903423666128232/
https://www.zhihu.com/zvideo/1994903422940512958/

os 模块文件操作

import os # 检查文件是否存在 file_path = "example.txt" if os.path.exists(file_path): print(f"{file_path} 存在") # 获取当前工作目录 current_dir = os.getcwd() print(f"当前目录: {current_dir}") # 创建新目录 new_dir = "temp_folder" os.makedirs(new_dir, exist_ok=True)

第三方库高效应用

requests 网络请求

import requests # GET 请求示例 response = requests.get("https://api.github.com") print(f"状态码: {response.status_code}") print(f"响应内容: {response.json()}")

pandas 数据处理

import pandas as pd # 创建DataFrame data = {"Name": ["Alice", "Bob"], "Age": [25, 30]} df = pd.DataFrame(data) # 数据筛选 filtered = df[df["Age"] > 25] print(filtered)

Excel 自动化操作

openpyxl 基础操作

from openpyxl import Workbook # 创建工作簿 wb = Workbook() ws = wb.active # 写入数据 ws["A1"] = "Hello" ws["B1"] = "World" # 保存文件 wb.save("example.xlsx")

pandas 读写 Excel

# 读取Excel excel_data = pd.read_excel("data.xlsx") # 写入Excel excel_data.to_excel("output.xlsx", index=False)

实用代码片段

进度条显示

from tqdm import tqdm import time for i in tqdm(range(100)): time.sleep(0.1) # 模拟任务

日志记录

import logging logging.basicConfig(filename="app.log", level=logging.INFO) logging.info("程序启动") logging.warning("需要注意的情况")

环境变量管理

from dotenv import load_dotenv import os load_dotenv() api_key = os.getenv("API_KEY")

这些代码示例覆盖了Python开发中常见场景,从基础日期处理到复杂数据操作,可直接应用于实际项目中。每个代码块都经过验证,确保功能完整性和实用性。

http://www.cnnetsun.cn/news/616782.html

相关文章:

  • AI原生应用云端推理的故障排查与恢复
  • 大数据领域数据产品的安全保障策略
  • 数独优化求解C库tdoku-lib的使用
  • VibeThinker-1.5B值得部署吗?数学与编程双项评测教程
  • 隐数守护者-第2集:无声的目击者
  • AnimeGANv2如何实现私有化部署?内网隔离配置指南
  • 从批处理到流处理:Kappa架构的转型之路
  • 【毕业设计】基于python-CNN深度学习训练识别夏冬季节风景
  • 深度学习毕设选题推荐:基于python-CNN机器学习训练识别夏冬季节风景
  • AnimeGANv2从零开始:环境部署到风格转换全流程
  • VibeVoice-TTS开源优势解析:自主部署与数据安全实战落地
  • AnimeGANv2教程:将静物照片转换成动漫风格的技巧
  • AnimeGANv2部署指南:超轻量级动漫AI模型使用手册
  • 深度学习计算机毕设之基于python_CNN机器学习卷积神经网络识别花卉是否枯萎
  • 开源模型AnimeGANv2实战:WebUI界面一键转动漫风格
  • 通信原理篇---部分响应
  • AnimeGANv2性能测试:不同分辨率图片处理速度
  • 计算机深度学习毕设实战-基于卷积神经网络识别花卉是否枯萎
  • 深度学习毕设选题推荐:基于python_CNN深度学习机器学习卷积神经网络识别花卉是否枯萎
  • Multisim下载(Windows版)操作指南:从获取到运行一文说清
  • 小白也能懂:AI智能文档扫描仪快速入门手册
  • Node.js Array.from轻松转换流数据
  • 深度学习计算机毕设之基于python_CNN训练蔬菜识别基于python深度学习 卷积神经网络训练蔬菜识别
  • 小白必看!用AI智能文档扫描仪3步搞定证件扫描
  • VibeVoice-TTS部署教程:微软开源大模型网页推理实战指南
  • 小白也能用!通义千问2.5-7B-Instruct在Ollama上的快速体验
  • AnimeGANv2如何快速上手?保姆级教程带你从零部署
  • VibeVoice-TTS语音克隆伦理问题:开源模型使用边界探讨
  • 【MIMO通信】基于matlab毫米波大规模MIMO系统部分连接架构的混合预编码器设计【含Matlab源码 14934期】
  • springboot学生网上选课系统的设计与实现(11699)