Python 常用标准库入门：从随机数到日期处理，再到 JSON 与第三方库

Python 之所以被称为“内置电池”的语言，很大程度上归功于其丰富且强大的标准库。对于初学者来说，掌握几个最常用的标准库，就能解决日常开发中 80% 的常见需求。本文将从 random、time、datetime、json 四个核心模块入手，并补充几个高频使用的第三方库，带你快速上手。

---

一、random —— 随机数生成器

random 模块提供了生成伪随机数的各种函数，适用于模拟、游戏、抽样等场景。

1. 基础随机数

import random

# 生成 [0.0, 1.0) 之间的浮点数
print(random.random())          # 0.374540...

# 生成 [a, b] 之间的整数
print(random.randint(1, 10))    # 7

# 生成 [a, b) 之间的浮点数
print(random.uniform(1.5, 5.5)) # 3.14159...

2. 序列操作

items = ['苹果', '香蕉', '橘子', '西瓜']

# 随机选择一个元素
print(random.choice(items))     # 橘子

# 随机选择 k 个元素（不重复）
print(random.sample(items, 2))  # ['西瓜', '苹果']

# 打乱列表顺序（原地修改）
random.shuffle(items)
print(items)                    # ['香蕉', '西瓜', '苹果', '橘子']

3. 设置种子（可复现随机）

random.seed(42)
print(random.randint(1, 100))   # 82
random.seed(42)                 # 再次设置相同种子
print(random.randint(1, 100))   # 82（结果相同）

---

二、time —— 时间戳与休眠

time 模块主要处理时间戳（Unix 时间）和程序休眠。

1. 获取当前时间戳

import time

# 当前时间戳（秒，浮点数）
print(time.time())              # 1751760000.123456

# 将时间戳转换为可读字符串（本地时间）
print(time.ctime())             # Mon Jul  6 10:30:00 2026

2. 程序休眠

print("开始")
time.sleep(2)                   # 暂停 2 秒
print("2 秒后继续")

3. 结构化时间与格式化

# 获取结构化时间（本地时间）
local_time = time.localtime()
print(local_time.tm_year)       # 2026
print(local_time.tm_mon)        # 7

# 将结构化时间格式化为字符串
formatted = time.strftime("%Y-%m-%d %H:%M:%S", local_time)
print(formatted)                # 2026-07-06 10:30:00

# 将字符串解析为结构化时间
parsed = time.strptime("2026-07-06", "%Y-%m-%d")
print(parsed.tm_wday)           # 0（星期一，0 表示周一）

---

三、datetime —— 更友好的日期时间处理

datetime 模块提供了面向对象的日期时间类，比 time 更直观、功能更强大。

1. 获取当前日期时间

from datetime import datetime, date, time, timedelta

now = datetime.now()
print(now)                      # 2026-07-06 10:30:00.123456

today = date.today()
print(today)                    # 2026-07-06

2. 创建指定日期时间

dt = datetime(2026, 7, 6, 10, 30, 0)
print(dt)                       # 2026-07-06 10:30:00

d = date(2026, 2, 17)           # 2026 年春节
print(d)                        # 2026-02-17

3. 日期时间运算

# 加减时间间隔
one_week = timedelta(weeks=1)
next_week = now + one_week
print(next_week)                # 2026-07-13 10:30:00.123456

# 计算两个日期之差
diff = next_week - now
print(diff.days)                # 7

4. 格式化与解析

# 格式化输出
print(now.strftime("%A, %B %d, %Y"))  # Monday, July 06, 2026

# 解析字符串
parsed = datetime.strptime("2026-07-06 10:30", "%Y-%m-%d %H:%M")
print(parsed)                   # 2026-07-06 10:30:00

5. 时区处理（Python 3.9+ 推荐使用 zoneinfo）

from zoneinfo import ZoneInfo

utc_now = datetime.now(ZoneInfo("UTC"))
beijing = utc_now.astimezone(ZoneInfo("Asia/Shanghai"))
print(beijing)                  # 2026-07-06 18:30:00+08:00

---

四、json —— 数据序列化与反序列化

json 模块用于在 Python 对象和 JSON 字符串之间转换，是 API 交互、配置文件读取的必备工具。

1. 序列化（Python → JSON）

import json

data = {
"name": "小艺",
"age": 3,
"skills": ["对话", "写作", "编程"],
"is_active": True,
"birthday": None
}

# 转换为 JSON 字符串
json_str = json.dumps(data, ensure_ascii=False, indent=2)
print(json_str)
# 输出：
# {
#   "name": "小艺",
#   "age": 3,
#   "skills": ["对话", "写作", "编程"],
#   "is_active": true,
#   "birthday": null
# }

2. 反序列化（JSON → Python）

json_str = '{"name": "小艺", "age": 3}'
parsed = json.loads(json_str)
print(parsed["name"])           # 小艺
print(type(parsed))             # <class 'dict'>

3. 读写文件

# 写入 JSON 文件
with open("data.json", "w", encoding="utf-8") as f:
	json.dump(data, f, ensure_ascii=False, indent=2)

# 读取 JSON 文件
with open("data.json", "r", encoding="utf-8") as f:
	loaded = json.load(f)

4. 处理特殊类型（如 datetime）

from datetime import datetime

def datetime_serializer(obj):
	if isinstance(obj, datetime):
		return obj.isoformat()
	raise TypeError(f"Type {type(obj)} not serializable")

now = datetime.now()
json_str = json.dumps({"time": now}, default=datetime_serializer)
print(json_str)                 # {"time": "2026-07-06T10:30:00.123456"}

---

五、常用第三方库推荐

标准库虽强，但有些场景需要更专业的工具。以下是几个高频使用的第三方库：

1. requests —— HTTP 请求

import requests

response = requests.get("https://api.github.com")
print(response.status_code)     # 200
print(response.json())          # 自动解析 JSON

2. pandas —— 数据分析

import pandas as pd

df = pd.DataFrame({"姓名": ["张三", "李四"], "年龄": [25, 30]})
print(df.describe())

3. numpy —— 数值计算

import numpy as np

arr = np.array([1, 2, 3, 4])
print(arr.mean())               # 2.5

4. matplotlib —— 数据可视化

import matplotlib.pyplot as plt

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

5. beautifulsoup4 + lxml —— 网页解析

from bs4 import BeautifulSoup

html = "<body><h1>标题"
soup = BeautifulSoup(html, "lxml")
print(soup.h1.text)             # 标题

6. tqdm —— 进度条

from tqdm import tqdm
import time

for i in tqdm(range(100)):
time.sleep(0.01)

---

六、总结

模块/库	核心用途	入门要点
random	生成随机数、随机选择	randint、choice、shuffle、seed
time	时间戳、休眠、格式化	time()、sleep()、strftime
datetime	日期时间运算、时区	datetime、timedelta、strptime
json	数据序列化/反序列化	dumps、loads、dump、load
requests	HTTP 请求	get、post、json()
pandas	表格数据处理	DataFrame、read_csv
numpy	数组与数学运算	array、mean、reshape
matplotlib	绘图	plot、show
beautifulsoup4	HTML/XML 解析	BeautifulSoup、find_all
tqdm	进度条显示	tqdm 包裹可迭代对象

掌握这些工具，你已经可以应对绝大多数 Python 日常开发任务。