پایتون نامی آشنا برای آن‌هایی است که دستی بر آتش برنامه‌نویسی دارند. اگر به پایتون علاقه‌مندید، و می‌خواهید زبان برنامه‌نویسی جدیدی را از پایه آموزش ببینید، ولی دنبال سرنخ‌هایی از آن هستید، من در این مطلب از آکادمی آمانج ۷ کتابخانه پایتون مناسب مبتدی‌ها را معرفی می‌کنم.
آنچه در این نوشته خواهیم داشت
پایتون چیست؟
با رشد تکنولوژی، پایتون به یک زبان برنامه‌نویسی همه فن حریف و محبوبی تبدیل شده است. ترکیب بسیار ساده علائم و مفاهیم این زبان باعث شده تا یادگیری آن برای تمام افراد، به خصوص کسانی که تازه می‌خواهند پا به دنیای هیجان‌انگیز برنامه‌نویسی بگذارند، ساده باشد.
یکی از مزایای پایتون در مقایسه با سایر زبان‌های برنامه‌نویسی وجود کتابخانه‌های متعدد و البته متن باز و در دسترس است که دست برنامه‌نویس را در یادگیری و استفاده از این کتابخانه‌ها باز می‌گذارد. برنامه‌نویسان می‌توانند از ماژول‌های مختلف این زبان برای سرعت و کیفیت بیشتر کار استفاده کنند. البته که این ماژول‌ها مبانی ساده و پیشرفته زندگی در دنیای دیجیتال را پشتیبانی می‌کنند؛ مثلا می‌توانید برای نوشتن توابع مختلف در فایل اکسل از پایتون استفاده کنید.
حالا که با زبان برنامه‌نویسی پایتون آشنا شدید و مسیر یادگیری آن را دیدید، برویم سر اصل مطلب، یعنی کتابخانه‌های مناسب برای مبتدیان در آموزش پایتون.
۷ کتابخانه مناسب پایتون برای مبتدیان
در این لیست ۷ کتابخانه‌ای که هر برنامه نویسی مبتنی‌بر زبان پایتون باید بلد باشد را معرفی خواهم کرد. در هرصورت اگر قصد یادگیری کامل این کتابخانه‌ها را هم نداشته باشید، بهتر است نسبت‌به نحوه عملکرد آنها آشنایی کلی داشته باشید.
۱. NumPy
کتابخانه NumPy یکی از پرکاربردترین کتابخانه‌های پایتون است. اگرچه این کتابخانه قابلیت محاسبات عددی با سرعت و کارآمدی بسیار بالایی را دارد، ولی نقطه قوت آن در کار با آرایه‌ها (arrays) است. این کتابخانه پایه و اساس بسیاری از کتابخانه‌های علمی و ماشین لرنینگ در پایتون هم هست. در پایتون آرایه‌ها از اعداد صحیح و ترکیبی تشکیل می‌شوند. مثلا یک آرایه دو بعدی در پایتون شبیه کدهای زیر است:
import numpy as np ar = np.array([[1, 2, 3], [4, 5, 6]]) print(ar) [[1 2 3] [4 5 6]]
علاوه‌بر عمل بالا می‌توان جذر هر عدد را به‌صورت جداگانه محاسبه و یا محاسبات خاصی را برای تمام اعداد اعمال کرد.
print(np.sqrt(ar)) [[1. 1.41421356 1.73205081], [2. 2.23606798 2.44948974]]
البته پیشنهاد می‌شود اگر حجم اعداد و اعمال روی آنها زیاد است بهتر است از این کتابخانه استفاده نکنید.
۲. Pandas
کتابخانه پانداس ستون فقرات تجزیه و تحلیل اطلاعات در زبان برنامه نویسی پایتون است. بهترین کتابخانه برای کسانی که می‌خواهند نحوه کار با اطلاعات عددی و آمار را آموزش ببینند، همین Pandas است. با پانداس می‌توان اعداد را تجزیه و تحلیل، دسته‌بندی، دستکاری یا محاسبه کرد.
فرض کنید یک فایل اکسل از نمرات دانش‌آموزان در مقاطع مختلف دارید. شما می‌توانید کل اعداد داخل اکسل را را با استفاده از کتابخانه پاندا پایتون بررسی کنید.
import pandas as pd
df = pd.read_excel('grades.xlsx', index_col='name')
print(df)
physics geography french
name
Sam 68 81 78
Aiko 91 84 88
Lisa 62 73 74
Jonas 72 57 60
حالا میانگین نمرات همه دانش آموزان را می‌بینیم:
print(df.mean(axis=1)) name Sam 75.666667 Aiko 87.666667 Lisa 69.666667 Jonas 63.000000
همانطور که مشاهده کردید، فقط با چند خط کد از کتابخانه پایتون می‌توان آمار کل نمرات دانش آموزان را گرفت. بیشترین نمره یا کمترین نمره را مشخص، اعداد را با فیلترهای مشخص از هم جدا یا به فایل دیگری منتقل کرد.
۳. Matplotlib
کتابخانه `matplotlib` یکی دیگر از کتابخانه‌های محبوب و کاربردی در پایتون است که برای ترسیم نمودار و گراف‌های مختلف از آن استفاده می‌شود. این کتابخانه به شما امکان می‌دهد تا داده‌ها را به صورت بصری نمایش دهید که این کار در فهم و تحلیل داده‌ها بسیار مفید است. `matplotlib` در زمینه‌های علمی، آماری و مهندسی که نیاز به نمایش داده‌های پیچیده و تحلیل‌های دقیق دارند، کاربرد فراوانی دارد.
یکی از ویژگی‌های برجسته `matplotlib` قابلیت گسترده آن در ترسیم انواع مختلف نمودار از جمله نمودار خطی، میله‌ای، دایره‌ای، پراکندگی و هیستوگرام است. این کتابخانه ابزارهای بسیاری را برای سفارشی‌سازی نمودار را از جمله تغییر رنگ، برچسب، عناوین و افزودن افکت‌های مختلف به نمودار فراهم می‌کند. همچنین، `matplotlib` به راحتی با کتابخانه‌های دیگر پایتون مانند `NumPy` و `pandas` ترکیب می‌شود و می‌تواند داده‌ها را مستقیماً از این منابع بگیرد و ترسیم کند.
بصری‌سازی داده یا Data Visualization یکی از کاربردهای جذاب زبان برنامه‌نویسی پایتون است که مشهورترین کتابخانه برای این کار کتابخانه matplotlib است که در مقاله “بصری سازی در پایتون +(معرفی کتابخانه های محبوب)” به طور کامل به معرفی آن پرداخته شده است.
۴. OS
OS یکی از کتابخانه‌های پایتون برای کار با سیستم عامل‌هاست. شاید این کتابخانه به اندازه موارد دیگر جذابیت عینی نداشته باشد ولی بسیار کاربردی است. کتابخانه `os` در پایتون این امکان را به برنامه‌نویس می‌دهد تا با سیستم‌عامل به‌راحتی ارتباط برقرار کند و کارهایی مانند مدیریت فایل‌ها و پوشه‌ها، اجرای دستورات سیستم‌عامل و دسترسی به متغیرهای محیطی را انجام دهد. به‌طور مثال، با استفاده از این کتابخانه می‌شود مسیر فعلی پوشه را دریافت کرد، به پوشه‌ای دیگر رفت، فایل یا پوشه جدید ایجاد و یا آنها را حذف کرد.
به‌طور مثال با دستور زیر می‌توانید فایل پروژه‌های فعلی خود را از سیستم عامل بگیرید:
import os root_directory = os.getcwd() file_list = os.listdir(root_directory)
پس از دریافت فایل‌ها می‌توانید با دستورهایی مثل ()os.rename یا ()os.replace فعالیت‌های مختلفی روی آنها انجام دهید. البته برای انجام کارها به دستور ()os.chmod نیز نیاز است.
۵. DATETIME
کتابخانه `datetime` در پایتون برای کار با تاریخ و زمان طراحی شده است و ابزارهای قدرتمندی را برای ایجاد، دستکاری و قالب‌بندی تاریخ‌ها و زمان‌ها فراهم می‌کند. این کتابخانه به شما امکان می‌دهد تا تاریخ و زمان فعلی را دریافت کنید، تاریخ‌ها و زمان‌های مختلف را با یکدیگر مقایسه و اختلاف بین آنها را محاسبه کنید.
با استفاده از کلاس‌های موجود در `datetime` مانند `datetime.date`، `datetime.time` و `datetime.datetime` می‌توانید تاریخ‌ها و زمان‌ها را به‌صورت جداگانه یا ترکیبی مدیریت کنید. برای مثال، می‌توانید تاریخ امروز را با استفاده از `datetime.date.today()` دریافت کنید یا زمان فعلی را با `datetime.datetime.now()` بدست آورید. همچنین می‌توانید قالب تاریخ و زمان را به‌راحتی تغییر دهید تا به شکل مورد نیازتان نمایش داده شوند.
این کتابخانه برای کاربردهای مختلفی مانند برنامه‌ریزی رویدادها، ثبت زمان انجام کارها و محاسبه مدت زمان بین دو تاریخ یا زمان بسیار مفید است. به عنوان مثال، می‌توانید با استفاده از آن تفاوت بین دو تاریخ را محاسبه کرده و تعداد روزهای گذشته بین آنها را بدست آورید.
در قطعه کد زیر، با وارد کردن تاریخ تولد، می‌توانیم متوجه شویم که چند روز از روز تولد گذشته است.
import datetime as dt date_of_birth = dt.datetime(1990, 3, 12) print(dt.datetime.today() - date_of_birth) 11818 days, 17:17:27.865661
۶. statsmodels
تحلیل و آنالیز آماری بخش مهمی از پروژه‌های علمی است. برای این کار از میان کتابخانه‌های پایتون چند گزینه برای انتخاب دارید: مثلا NumPy یا پانداس. کتابخانه statsmodels دست شما برای کار روی آمار را باز می‌گذارد و توابعی را برای تخمین مدل‌های آماری مختلف و انجام تست‌های آماری ارائه می دهد.
این کتابخانه بر اساس NumPy و SciPy (یکی دیگر از کتابخانه‌های عالی برای محاسبات علمی) ساخته شده است. در کار با statsmodels می‌توانید به‌راحتی یک مدل رگرسیون را روی داده‌ها قرار دهید و خلاصه نتایج را که شامل پارامترهای مدل، متریک مربع r، آماره f و… است، داشته باشید.
۷. scikit-learn
اگر علاقه‌مندید بعد از یادگیری پایتون وارد حوزه یادگیری ماشین یا ماشین لرنینگ شوید، بهتر است کتابخانه scikit-learn در صدر لیست یادگیریتان باشد. کتابخانه scikit-learn مجموعه‌ای از اطلاعات آزمایشی و نمونه هم دارد که می‌توانید در برنامه‌نویسی پایتون از این اطلاعات استفاده کنید. یعنی اگر تازه کار هستید و می‌خواهید کمی در ماشین لرنینگ تجربه کسب کنید، دیتای آماده در دسترس شماست.
حالا می‌توانید با محاسبه میانگین مقادیر با استفاده از کتابخانه NumPy یا ساخت نمودار با matplotlib اطلاعات را تجزیه و تحلیل کنید. حتی می‌توانید آرایه‌های X و Y را با DataFrame از کتابخانه پاندا دستکاری کرده تا در زمینه دستکاری اطلاعات هم تجربه داشته باشید.
پیشنهاد می‌کنم با استفاده از کتابخانه scikit-learn اطلاعات را به‌صورت خوشه‌ای تجزیه و تحلیل کنید. اگر بتوانید این فرایند را به‌صورت مستمر و مدیریت شده پیش ببرید عملا شما قدم در راه استادی ماشین لرنینگ گذاشته اید.
۸. requests
کتابخانه Requests در پایتون به شما کمک می‌کند تا با اینترنت ارتباط برقرار کنید. با استفاده از این کتابخانه، می‌توانید داده‌ها را وب‌سایت و APIهای مختلف دریافت یا ارسال کنید. برای مثال، اگر می‌خواهید محتوای صفحه‌ای در وب را ببینید یا اطلاعاتی را به یک سرور بفرستید، Requests این کار را برای شما آسان می‌کند.
یکی از ویژگی‌های خوب Requests این است که کار با آن بسیار ساده است. فقط با چند خط کد می‌توانید درخواست‌های مختلفی مثل GET و POST را ارسال و پاسخ‌ها را دریافت و پردازش کنید.
قطعه کد زیر یک مثال ساده از کاربرد کتابخانه Requests برای دریافت محتوای یک صفحه وب است:
import requests
# ارسال درخواست GET به یک URL
response = requests.get('https://api.github.com')
# بررسی وضعیت پاسخ
if response.status_code == 200:
# دسترسی به محتوای پاسخ به صورت متن
content = response.text
print(content)
else:
print('خطا در دریافت داده:', response.status_code)
نتیجه‌گیری
در این مقاله تعدادی از کتابخانه‌های محبوب و صد البته مناسب برای مبتدیان، معرفی کردیم. تعدادی از کتابخانه‌هایی که در این مطلب از آنها یاد شد، جایگاه خود را بین کتابخانه‌های برتر زبان برنامه‌نویسی پایتون به‌دست آورده‌اند. با این حال گزینه‌های متعدد دیگری هم هست که نمی‌توانستیم آنها را در لیست بهترین قرار دهیم.
بسیاری از کتابخانه‌های این زبان با نصب استانداردش به برنامه شما اضافه می‌شوند و هرکدام هم که نباشد، نصبش فقط به چند کلیک نیاز دارد. پس از نصب، خیلی ساده می‌توان آنها را به پروژه اضافه کرد و به‌صورت مستقیم در تصحیح یا تغییر کدها ترکیبشان کرد.
به‌طور کلی در دوره آموزش پایتون آکادمی آمانج می‌توانید از شروع الفبای زبان پایتون تا ورود به بازار کار را آموزش ببینید و با بسیاری از مسائل مهم آن به خصوص مسائل به‌روز دنیای پایتون آشنا شوید. آشنایی اولیه با کتابخانه‌های مشهور و کاربردی پایتون می‌تواند شما را در مسیر یادگیری زبان برنامه‌نویسی پایتون و همچنین ماشین لرنینگ یاری دهد.
شما با تجربه‌ای که در این زمینه دارید چه کتابخانه‌ای را برای مبتدیان پیشنهاد می‌دهید؟ خوشحال می‌شویم نظرتان درباره این موضوع را با دیگر علاقه‌مندان به زبان برنامه نویسی پایتون به اشتراک بگذاریم.
برای تهیه این مقاله از منبع زیر استفاده شده است:
