Python 拥有一个丰富的标准库，这些库提供了各种功能，从基本的数据处理到复杂的系统操作，覆盖了编程的各个领域。掌握这些内置库，可以让你在开发中更加得心应手，提高效率，避免重复造轮子。今天，就让我们一起了解一下 Python 中必会的 20 个内置库。

一、基础操作类库

（一）os

用于操作操作系统相关功能，如文件路径操作、进程管理和环境变量设置。

import os
print(os.getcwd())  # 获取当前工作目录
os.mkdir("test_dir")  # 创建目录

（二）sys

提供了对 Python 解释器相关操作的访问，如参数解析和路径操作。

import sys
print(sys.argv)  # 打印命令行参数

（三）math

提供数学相关函数，如三角函数、对数函数和常数 π 等。

import math
print(math.pi)  # 输出圆周率
print(math.sqrt(16))  # 输出 4.0

（四）random

用于生成随机数，支持多种分布。

import random
print(random.randint(1, 10))  # 输出 1 到 10 的随机整数

二、数据处理类库

（五）json

用于处理 JSON 数据，支持 JSON 编码和解码。

import json
data = {"key": "value"}
json_str = json.dumps(data)  # 编码为 JSON 字符串
print(json_str)  # 输出 '{"key": "value"}'

（六）csv

用于读写 CSV 文件，支持基本的表格数据操作。

import csv
with open('example.csv', 'r') as file:
    reader = csv.reader(file)
    for row in reader:
        print(row)

（七）datetime

处理日期和时间，提供丰富的日期时间操作。

from datetime import datetime
now = datetime.now()
print(now.strftime("%Y-%m-%d %H:%M:%S"))  # 格式化输出当前时间

（八）collections

提供了额外的数据结构，如 Counter、deque 和 OrderedDict。

from collections import Counter
print(Counter([1, 2, 2, 3, 3, 3]))  # 输出 Counter({3: 3, 2: 2, 1: 1})

三、网络与 I/O 类库

（九）requests

处理 HTTP 请求，方便进行网络数据交互。

import requests
response = requests.get('https://api.github.com')
print(response.json())  # 打印响应的 JSON 数据

（十）socket

用于网络编程，支持低层次的网络通信。

import socket
sock = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
sock.connect(('example.com', 80))
sock.sendall(b"GET / HTTP/1.1\r\nHost: example.com\r\n\r\n")
data = sock.recv(1024)
print(data.decode())
sock.close()

（十一）io

提供输入输出流的操作，用于处理文件和数据流。

import io
stream = io.StringIO("Hello, World!")
print(stream.read())  # 输出 'Hello, World!'

四、系统与运行时类库

（十二）threading

用于多线程编程，方便同时处理多个任务。

import threading
def worker():
    print("Worker is running.")
thread = threading.Thread(target=worker)
thread.start()
thread.join()

（十三）multiprocessing

用于多进程编程，绕过全局解释器锁（GIL），提高 CPU 利用率。

import multiprocessing
def worker():
    print("Worker is running.")
process = multiprocessing.Process(target=worker)
process.start()
process.join()

（十四）logging

提供灵活的日志记录功能，用于记录程序运行状态。

import logging
logging.basicConfig(level=logging.INFO)
logging.info("This is an info message.")

（十五）argparse

用于解析命令行参数，方便创建命令行工具。

import argparse
parser = argparse.ArgumentParser(description="Example program.")
parser.add_argument('--foo', help='foo help')
args = parser.parse_args()
print(args.foo)

五、工具与实用类库

（十六）functools

提供高阶函数，如 reduce 和 partial，用于函数式编程。

import functools
print(functools.reduce(lambda x, y: x + y, [1, 2, 3, 4]))  # 输出 10

（十七）itertools

提供迭代器的高级操作，如组合、排列和无限序列。

import itertools
print(list(itertools.permutations([1, 2, 3])))  # 输出 [(1, 2, 3), (1, 3, 2), (2, 1, 3), (2, 3, 1), (3, 1, 2), (3, 2, 1)]

（十八）operator

提供各种操作符的函数形式，方便在函数式编程中使用。

import operator
print(operator.add(1, 2))  # 输出 3

（十九）re

用于正则表达式操作，支持模式匹配、查找和替换。

import re
print(re.findall(r'\d+', '12 apples, 34 bananas'))  # 输出 ['12', '34']

（二十）time

提供时间相关函数，如时间获取和转换。

import time
print(time.strftime("%Y-%m-%d %H:%M:%S", time.localtime()))  # 格式化输出当前时间

六、总结

通过这篇文章，你已经了解了 Python 中必会的 20 个内置库，从基础操作到数据处理，从网络通信到系统管理，这些库覆盖了编程的各个方面。掌握这些库，可以帮助你高效地解决各种编程问题，提高开发效率。