寫在前面

2019年最新python教程

如果你處於想學python或者正在學習python，那麼你的python教程應該不少了吧，但是是最新的嗎？

說不定你學的可能是兩年前人家就學過的內容，在這小編分享一波2019最新的python全套教程最後小編為大家準備了6月份新出的python自學視頻教程，共計415集，免費分享給大家！

2019Python自學教程全新升級為《Python+數據分析+機器學習》，九大階段能力逐級提升，打造技能更全面的全棧工程師。

以上這些教程檸檬已經為大家打包準備好了，希望對正在學習的你有所幫助！

請大家轉發本文+關注並私信小編：“資料”，即可免費獲取哦！

正文

為了區分不同對象的來源和類型，本文將在描述中通過以下方法進行標識：

• Python內置函數：Python自帶的內置函數。函數無需導入，直接使用。例如要計算-3.2的絕對值，直接使用abs函數，方法是

abs(-3.2) 

• Python標準庫：Python自帶的標準庫。Python標準庫無需安裝，只需要先通過import方法導入便可使用其中的方法。例如導入string模塊，然後使用其中的find方法：

import string
string.find('abcde','b')

• 第三方庫：Python的第三方庫。這些庫需要先進行安裝（部分可能需要配置）。

• 外部工具：非Python寫成的庫或包，用於Python數據工作的相關工具。

「推薦度」3星最高，1星最低。

01 文件讀寫

文件的讀寫包括常見的txt、Excel、xml、二進制文件以及其他格式的數據文本，主要用於本地數據的讀寫。

1. open(name[, mode[, buffering]])

• 類型：Python內置函數
• 描述：Python默認的文件讀寫方法
• 推薦度：★★★

2. numpy.loadtxt、numpy.load和numpy.fromfile

• 類型：第三方庫
• 描述：Numpy自帶的讀寫函數，包括loadtxt、load和fromfile，用於文本、二進制文件讀寫
• 推薦度：★★★

3. pandas.read_*

• 類型：第三方庫
• 描述：Pandas自帶的read文件方法，例如ead_csv、read_fwf、read_table等，用於文本、Excel、二進制文件、HDF5、表格、SAS文件、SQL數據庫、Stata文件等的讀寫
• 推薦度：★★★

4. xlrd

• 類型：第三方庫
• 描述：用於Excel文件讀取
• 推薦度：★★

5. xlwt

• 類型：第三方庫
• 描述：用於Excel文件寫入
• 推薦度：★★

6. pyexcel-xl

• 類型：第三方庫
• 描述：用於Excel文件讀寫
• 推薦度：★★

7. xluntils

• 類型：第三方庫
• 描述：用於Excel文件讀寫
• 推薦度：★★

8. pyExcelerator

• 類型：第三方庫
• 描述：用於Excel文件讀寫
• 推薦度：★

9. openpyxl

• 類型：第三方庫
• 描述：用於Excel文件讀寫
• 推薦度：★

10. lxml

• 類型：第三方庫
• 描述：xml和HTML讀取和解析
• 推薦度：★★★

11. xml

• 類型：Python標準庫
• 描述：xml對象解析和格式化處理
• 推薦度：★★★

12. libxml2

• 類型：第三方庫
• 描述：xml對象解析和格式化處理
• 推薦度：★

13. xpath

• 類型：第三方庫
• 描述：xml對象解析和格式化處理
• 推薦度：★★

14. win32com

• 類型：第三方庫
• 描述：有關Windows系統操作、Office（Word、Excel等）文件讀寫等的綜合應用庫
• 推薦度：★

02 網絡抓取和解析

網絡抓取和解析用於從互聯網中抓取信息，並對HTML對象進行處理，有關xml對象的解析和處理的庫在“01 文件讀寫”中找到。

15. requests

• 類型：第三方庫
• 描述：網絡請求庫，提供多種網絡請求方法並可定義複雜的發送信息
• 推薦度：★★★

16. urllib

• 類型：Python標準庫
• 描述：Python自帶的庫，簡單的讀取特定URL並獲得返回的信息
• 推薦度：★★

17. urllib2

• 類型：Python標準庫
• 描述：Python自帶的庫，讀取特定URL並獲得返回的信息，相對於urllib可處理更多HTTP信息，例如cookie、身份驗證、重定向等
• 推薦度：★★

18. urlparse

• 類型：Python標準庫
• 描述：Python自帶的URL解析庫，可自動解析URL不同的域、參數、路徑等
• 推薦度：★★★

19. HTMLParser

• 類型：Python標準庫
• 描述：Python自帶的HTML解析模塊，能夠很容易的實現HTML文件的分析
• 推薦度：★★★

20. Scapy

• 類型：第三方庫
• 描述：分佈式爬蟲框架，可用於模擬用戶發送、偵聽和解析並偽裝網絡報文，常用於大型網絡數據爬取
• 推薦度：★★★

21. Beautiful Soup

• 類型：第三方庫
• 描述：Beautiful Soup是網頁數據解析和格式化處理工具，通常配合Python的urllib、urllib2等庫一起使用
• 推薦度：★★★

03 數據庫連接

數據庫連接可用於連接眾多數據庫以及訪問通用數據庫接口，可用於數據庫維護、管理和增、刪、改、查等日常操作。

22. mysql-connector-python

• 類型：第三方庫
• 描述：MySQL官方驅動連接程序
• 推薦度：★★★

23. pymysql

• 類型：第三方庫
• 描述：MySQL連接庫，支持Python3
• 推薦度：★★★

24. MySQL-python

• 類型：第三方庫
• 描述：MySQL連接庫
• 推薦度：★★

25. cx_Oracle

• 類型：第三方庫
• 描述：Oracle連接庫
• 推薦度：★★★

26. psycopg2

• 類型：第三方庫
• 描述：Python編程語言中非常受歡迎的PostgreSQL適配器
• 推薦度：★★★

27. redis

• 類型：Python標準庫
• 描述：Redis連接庫
• 推薦度：★★★

28. pymongo

• 類型：第三方庫
• 描述：MongoDB官方驅動連接程序
• 推薦度：★★★

29. HappyBase

• 類型：第三方庫
• 描述：HBase連接庫
• 推薦度：★★★

30. py2neo

• 類型：第三方庫
• 描述：Neo4j連接庫
• 推薦度：★★★

31. cassandra-driver

• 類型：第三方庫
• 描述：Cassandra（1.2+）和DataStax Enterprise（3.1+）連接庫
• 推薦度：★★★

32. sqlite3

• 類型：Python標準庫
• 描述：Python自帶的模塊，用於操作SQLite數據庫
• 推薦度：★★★

33. pysqlite2

• 類型：第三方庫
• 描述：SQLite 3.x連接庫
• 推薦度：★★

34. bsddb3

• 類型：第三方庫
• 描述：Berkeley DB連接庫

35. bsddb

• 類型：Python標準庫
• 描述：Python自帶的模塊，提供了一個到Berkeley DB庫的接口
• 推薦度：★★

36. dbhash

• 類型：Python標準庫
• 描述：Python自帶的模塊，dbhash模塊提供了使用BSD數據庫庫打開數據庫的功能。該模塊鏡像了提供對DBM樣式數據庫訪問的其他Python數據庫模塊的接口。bsddb模塊需要使用dbhash
• 推薦度：★★

37. adodb

• 類型：第三方庫
• 描述：ADOdb是一個數據庫抽象庫，支持常見的數據和數據庫接口並可自行進行數據庫擴展，該庫可以對不同數據庫中的語法進行解析和差異化處理，具有很高的通用性
• 推薦度：★★★

38. SQLObject

• 類型：第三方庫
• 描述：SQLObject是一種流行的對象關係管理器，用於向數據庫提供對象接口，其中表為類、行為實例、列為屬性
• 推薦度：★★

39. SQLAlchemy

• 類型：第三方庫
• 描述：SQLAlchemy是Python SQL工具包和對象關係映射器，為應用程序開發人員提供了SQL的全部功能和靈活性控制
• 推薦度：★★

40. ctypes

• 類型：第三方庫
• 描述：ctypes是Python的一個外部庫，提供和C語言兼容的數據類型，可以很方便地調用C DLL中的函數
• 推薦度：★★★

41. pyodbc

• 類型：第三方庫
• 描述：Python通過ODBC訪問數據庫的接口庫
• 推薦度：★★★

42. Jython

• 類型：第三方庫
• 描述：Python通過JDBC訪問數據庫的接口庫
• 推薦度：★★★

04 數據清洗轉換

數據清洗轉換主用於數據正式應用之前的預處理工作。

43. frozenset([iterable])

• 類型：Python內置函數
• 描述：返回一個新的frozenset對象，可選擇從iterable取得的元素
• 推薦度：★★★

44. int(x)

• 類型：Python內置函數
• 描述：返回x的整數部分
• 推薦度：★★★

45. isinstance(object, classinfo)

• 類型：Python內置函數
• 描述：返回object是否是指定的classinfo實例信息
• 推薦度：★★★

46. len(s)

• 類型：Python內置函數
• 描述：返回對象的長度或項目數量
• 推薦度：★★★

47. long(x)

• 類型：Python內置函數
• 描述：返回由字符串或數字x構造的長整型對象
• 推薦度：★★★

48. max(iterable[, key])

• 類型：Python內置函數
• 描述：返回一個可迭代或最大的兩個或多個參數中的最大項
• 推薦度：★★★

49. min(iterable[, key])

• 類型：Python內置函數
• 描述：返回一個可迭代或最大的兩個或多個參數中的最小項
• 推薦度：★★★

50. range(start, stop[, step])

• 類型：Python內置函數
• 描述：用於與for循環一起創建循環列表，通過指定start（開始）、stop（結束）和step（步長）控制迭代次數並獲取循環值
• 推薦度：★★★

51. raw_input(prompt)

• 類型：Python內置函數
• 描述：捕獲用戶輸入並作為字符串返回（不推薦使用input作為用戶輸入的捕獲函數）
• 推薦度：★★★

52. round(number[, ndigits])

• 類型：Python內置函數
• 描述：返回number小數點後ndigits位的四捨五入的浮點數
• 推薦度：★★★

53. set([iterable])

• 類型：Python內置函數
• 描述：返回一個新的集合對象，可選擇從iterable獲取的元素
• 推薦度：★★★

54. slice(start, stop[, step])

• 類型：Python內置函數
• 描述：返回表示由範圍（start、stop、step）指定的索引集的切片對象
• 推薦度：★★

55. sorted(iterable[, cmp[, key[, reverse]]])

• 類型：Python內置函數
• 描述：從iterable的項中返回一個新的排序列表
• 推薦度：★★★

56. xrange(start, stop[, step])

• 類型：Python內置函數
• 描述：此函數與range()非常相似，但返回一個xrange對象而不是列表
• 推薦度：★★★

57. string

• 類型：Python標準庫
• 描述：字符串處理庫，可實現字符串查找、分割、組合、替換、去重、大小寫轉換及其他格式化處理
• 推薦度：★★★

58. re

• 類型：Python標準庫
• 描述：正則表達式模塊，在文本和字符串處理中經常使用
• 推薦度：★★★

59. random

• 類型：Python標準庫
• 描述：該模塊為各種分佈實現偽隨機數生成器，支持數據均勻分佈、正態（高斯）分佈、對數正態分佈、負指數分佈、伽馬和β分佈等
• 推薦度：★★★

60. os

• 類型：Python標準庫
• 描述：用於新建、刪除、權限修改、切換路徑等目錄操作，以及調用執行系統命令
• 推薦度：★★★

61. os.path

• 類型：Python標準庫
• 描述：針對目錄的遍歷、組合、分割、判斷等操作，常用於數據文件的判斷、查找、合併
• 推薦度：★★★

62. prettytable

• 類型：Python標準庫
• 描述：格式化表格輸出模塊
• 推薦度：★★

63. json

• 類型：Python標準庫
• 描述：Python對象與json對象的轉換
• 推薦度：★★★

64. base64

• 類型：Python標準庫
• 描述：將任意二進制字符串編碼和解碼為文本字符串的Base16，Base32和Base64
• 推薦度：★★★

05 數據計算和統計分析

數據計算和統計分析主要用於數據探查、計算和初步數據分析等工作。

65. numpy

• 類型：第三方庫
• 描述：NumPy是Python科學計算的基礎工具包，很多Python數據計算工作庫都依賴它
• 推薦度：★★★

66. scipy

• 類型：第三方庫
• 描述：Scipy是一組專門解決科學和工程計算不同場景的主題工具包
• 推薦度：★★★

67. pandas

• 類型：第三方庫
• 描述：Pandas是一個用於Python數據分析的庫，它的主要作用是進行數據分析。Pandas提供用於進行結構化數據分析的二維的表格型數據結構DataFrame，類似於R中的數據框，能提供類似於數據庫中的切片、切塊、聚合、選擇子集等精細化操作，為數據分析提供了便捷
• 推薦度：★★★

68. statsmodels

• 類型：第三方庫
• 描述：Statsmodels是Python的統計建模和計量經濟學工具包，包括一些描述性統計、統計模型估計和統計測試，集成了多種線性迴歸模型、廣義線性迴歸模型、離散數據分佈模型、時間序列分析模型、非參數估計、生存分析、主成分分析、核密度估計以及廣泛的統計測試和繪圖等功能
• 推薦度：★★★

69. abs(x)

• 類型：Python內置函數
• 描述：返回x的絕對值
• 推薦度：★★★

70. cmp(x, y)

• 類型：Python內置函數
• 描述：比較兩個對象x和y，並根據結果返回一個整數。如果x <y，則返回值為負數，如果x == y則為零，如果x> y則返回值為正
• 推薦度：★★

71. float(x)

• 類型：Python內置函數
• 描述：返回從數字或字符串x構造的浮點數
• 推薦度：★★★

72. pow(x, y[, z])

• 類型：Python內置函數
• 描述：返回x的y次冪。如果z存在，則返回x的y次冪，模z
• 推薦度：★★★

73. sum(iterable[, start])

• 類型：Python內置函數
• 描述：從左到右依次迭代，返回總和
• 推薦度：★★★

74. math

• 類型：Python標準庫
• 描述：數學函數庫，包括正弦、餘弦、正切、餘切、弧度轉換、對數運算、圓周率、絕對值、取整等數學計算方法
• 推薦度：★★★

75. cmath

• 類型：Python標準庫
• 描述：與math基本一致，區別是cmath運算的是複數
• 推薦度：★★

76. decimal

• 類型：Python標準庫
• 描述：10進制浮點運算
• 推薦度：★★

77. fractions

• 類型：Python標準庫
• 描述：分數模塊提供對有理數算術的支持
• 推薦度：★★

06 自然語言處理和文本挖掘

自然語言處理和文本挖掘庫主要用於以自然語言文本為對象的數據處理和建模。

78. nltk

• 類型：第三方庫
• 描述：NLTK是一個Python自然語言處理工具，它用於對自然語言進行分類、解析和語義理解。目前已經有超過50種語料庫和詞彙資源
• 推薦度：★★★

79. pattern

• 類型：第三方庫
• 描述：Pattern是一個網絡數據挖掘Python工具包，提供了用於網絡挖掘（如網絡服務、網絡爬蟲等）、自然語言處理（如詞性標註、情感分析等）、機器學習（如向量空間模型、分類模型等）、圖形化的網絡分析模型
• 推薦度：★★★

80. gensim

• 類型：第三方庫
• 描述：Gensim是一個專業的主題模型（發掘文字中隱含主題的一種統計建模方法）Python工具包，用來提供可擴展統計語義、分析純文本語義結構以及檢索語義上相似的文檔
• 推薦度：★★★

81. 結巴分詞

• 類型：第三方庫
• 描述：結巴分詞是國內流行的Python文本處理工具包，分詞模式分為三種模式：精確模式、全模式和搜索引擎模式，支持繁體分詞、自定義詞典等，是非常好的Python中文分詞解決方案，可以實現分詞、詞典管理、關鍵字抽取、詞性標註等
• 推薦度：★★★

82. SnowNLP

• 類型：第三方庫
• 描述：SnowNLP是一個Python寫的類庫，可以方便的處理中文文本內容。該庫是受到了TextBlob的啟發而針對中文處理寫的類庫，和TextBlob不同的是這裡沒有用NLTK，所有的算法都是自己實現的，並且自帶了一些訓練好的字典
• 推薦度：★★

83. smallseg

• 類型：第三方庫
• 描述：Smallseg是一個開源的、基於DFA的輕量級的中文分詞工具包。可自定義詞典、切割後返回登錄詞列表和未登錄詞列表、有一定的新詞識別能力
• 推薦度：★★

84. spaCy

• 類型：第三方庫
• 描述：spaCy是一個Python自然語言處理工具包，它結合Python和Cython使得自然語言處理能力達到了工業強度
• 推薦度：★★★

85. TextBlob

• 類型：第三方庫
• 描述：TextBlob 是一個處理文本數據的Python庫，可用來做詞性標註、情感分析、文本翻譯、名詞短語抽取、文本分類等
• 推薦度：★★

86. PyNLPI

• 類型：第三方庫
• 描述：PyNLPI是一個適合各種自然語言處理任務的集合庫，可用於中文文本分詞、關鍵字分析等，尤其重要的是其支持中英文映射，支持UTF-8和GBK編碼的字符串等
• 推薦度：★★★

87. synonyms

• 類型：第三方庫
• 描述：中文近義詞工具包，可用於自然語言理解的很多任務：文本對齊，推薦算法，相似度計算，語義偏移，關鍵字提取，概念提取，自動摘要，搜索引擎等。
• 推薦度：★★★

07 圖像和視頻處理

圖像處理和視頻處理主要適用於基於圖像的操作、處理、分析和挖掘，如人臉識別、圖像識別、目標跟蹤、圖像理解等。

88. PIL/Pillow

• 類型：第三方庫
• 描述：PIL是一個常用的圖像讀取、處理和分析的庫，提供了多種數據處理、變換的操作方法和屬性。PIL僅支持到2.7版本且已經很久沒有更新，一群志願者基於PIL發佈了新的分支Pillow。Pillow同時支持Python2和Python3並且加入很多新的功能
• 推薦度：★★

89. OpenCV

• 類型：第三方庫
• 描述：OpenCV是一個強大的圖像和視頻工作庫。它提供了多種程序接口，支持跨平臺（包括移動端）應用。OpenCV的設計效率很高，它以優化的C / C ++編寫，庫可以利用多核處理。除了對圖像進行基本處理外，還支持圖像數據建模，並預製了多種圖像識別引擎，如人臉識別
• 推薦度：★★★

90. scikit-image

• 類型：第三方庫
• 描述：scikit-image（也稱skimage）是一個圖像處理庫，支持顏色模式轉換、濾鏡、繪圖、圖像處理、特徵檢測等多種功能
• 推薦度：★★

91. imageop

• 類型：Python標準庫
• 描述：Python自帶的函數，對圖像基本操作，包括裁剪、縮放、模式轉換
• 推薦度：★

92. colorsys

• 類型：Python標準庫
• 描述：Python自帶的函數，實現不同圖像色彩模式的轉換
• 推薦度：★

93. imghdr

• 類型：Python標準庫
• 描述：Python自帶的函數，返回圖像文件的類型
• 推薦度：★

08 音頻處理

音頻處理主要適用於基於聲音的處理、分析和建模，主要應用於語音識別、語音合成、語義理解等。

94. TimeSide

• 類型：第三方庫
• 描述：TimeSide是一個能夠進行音頻分析、成像、轉碼、流媒體和標籤處理的Python框架，可以對任何音頻或視頻內容非常大的數據集進行復雜的處理
• 推薦度：★★★

95. audiolazy

• 類型：第三方庫
• 描述：audiolazy是一個用於實時聲音數據流處理的庫，支持實時數據應用處理、無限數據序列表示、數據流表示等
• 推薦度：★★

96. pydub

• 類型：第三方庫
• 描述：pydub支持多種格式聲音文件，可進行多種信號處理（例如壓縮、均衡、歸一化）、信號生成（例如正弦、方波、鋸齒等）、音效註冊、靜音處理等
• 推薦度：★★★

97. audioop

• 類型：Python標準庫
• 描述：Python自帶的函數，可實現對聲音片段的一些常用操作
• 推薦度：★★

98. tinytag

• 類型：第三方庫
• 描述：tinytag用於讀取多種聲音文件的元數據，涵蓋MP3、OGG、OPUS、MP4、M4A、FLAC、WMA、Wave等格式
• 推薦度：★★

99. aifc

• 類型：Python標準庫
• 描述：Python自帶的函數，讀寫AIFF和AIFC文件
• 推薦度：★

100. sunau

• 類型：Python標準庫
• 描述：Python自帶的函數，讀寫Sun AU文件
• 推薦度：★

101. wave

• 類型：Python標準庫
• 描述：Python自帶的函數，讀寫WAV文件
• 推薦度：★★

102. chunk

• 類型：Python標準庫
• 描述：Python自帶的函數，讀取EA IFF 85塊格式的文件
• 推薦度：★

103. sndhdr

• 類型：Python標準庫
• 描述：Python自帶的函數，返回聲音文件的類型
• 推薦度：★

104. ossaudiodev

• 類型：Python標準庫
• 描述：該模塊支持訪問OSS（開放聲音系統）音頻接口
• 推薦度：★★★

09 數據挖掘/機器學習/深度學習

數據挖掘、機器學習和深度學習等是Python進行數據建模和挖掘學習的核心模塊。

105. Scikit-Learn

• 類型：第三方庫
• 描述：scikit-learn（也稱SKlearn）是一個基於Python的機器學習綜合庫，內置監督式學習和非監督式學習機器學習方法，包括各種迴歸、聚類、分類、流式學習、異常檢測、神經網絡、集成方法等主流算法類別，同時支持預置數據集、數據預處理、模型選擇和評估等方法，是一個非常完整、流行的機器學習工具庫
• 推薦度：★★★

106. TensorFlow

• 類型：第三方庫
• 描述：TensorFlow 是谷歌的第二代機器學習系統，內建深度學習的擴展支持，任何能夠用計算流圖形來表達的計算，都可以使用 TensorFlow
• 推薦度：★★★

107. NuPIC

• 類型：第三方庫
• 描述：NuPIC是一個以HTM（分層時間記憶）學習算法為工具的機器智能平臺。NuPIC適合於各種各樣的問題，尤其適用於檢測異常和預測應用
• 推薦度：★★★

108. PyTorch

• 類型：第三方庫
• 描述：PyTorch是FaceBook推出的深度學習框架，它基於Python（而非lua）產生，它提供的動態計算圖是顯著區別於Tensorflow等其他學習框架的地方。
• 推薦度：★★

109. Orange

• 類型：第三方庫
• 描述：Orange通過圖形化操作界面，提供交互式數據分析功能，尤其適用於分類、聚類、迴歸、特徵選擇和交叉驗證工作
• 推薦度：★★★

110. theano

• 類型：第三方庫
• 描述：Theano是非常成熟的深度學習庫。它與Numpy緊密集成，支持GPU計算、單元測試和自我驗證
• 推薦度：★★★

111. keras

• 類型：第三方庫
• 描述：Keras是一個用Python編寫的高級神經網絡API，能夠運行在TensorFlow或者Theano之上，它的開發重點是實現快速實驗
• 推薦度：★★

112. neurolab

• 類型：第三方庫
• 描述：Neurolab是具有靈活網絡配置和Python學習算法的基本神經網絡算法庫。它包含通過遞歸神經網絡（RNN）實現的不同變體，該庫是同類RNN API中最好的選擇之一
• 推薦度：★★

113. PyLearn2

• 類型：第三方庫
• 描述：PyLearn2是基於Theano的深度學習庫，它旨在提供極大的靈活性，並使研究人員可以進行自由可控制，參數和屬性的靈活、開放配置是亮點
• 推薦度：★★★

114. OverFeat

• 類型：第三方庫
• 描述：OverFeat是一個深度學習庫，主要用於圖片分類、定位物體檢測
• 推薦度：★★