python第三方库有哪些-按场景挑选适配日常开发使用

刚学Python做项目的那段时间，最让人头疼的就是搞清楚python第三方库有哪些，全网搜出来的库名密密麻麻几十上百个，没有任何场景区分，傻傻全部保存，到头来大部分从来没用过，还搞乱了本地的运行得环境。

最开始一直陷入一个误区，觉得学编程就要把所有常用库都装一遍，不管是数据处理、爬虫还是可视化的库，统统用pip一键安装，那时候根本不懂库之间的版本适配问题，只知道别人提过的库都要收入囊中，结果写第一个爬虫项目的时候，程序频繁报错，要么是库版本不兼容，要么是重复安装导致的调用混乱，折腾了大半天，卸载重装好几次，还是没办法正常运行代码，白白浪费了整整一下午的时间，原本简单的爬取网页数据的小功能，硬生生卡到傍晚都没搞定。

其实根本不用贪多。

后来才反应过来，Python第三方库没有必要全部熟记，行业里主流常用的就几大类，对应不同的使用场景，按需安装就足够日常开发和学习使用。做网络爬虫的话，requests是刚需，轻量化又好用，不用复杂配置，几行代码就能发送网络请求，比老旧的urllib便捷太多，初学爬虫用它完全够用，进阶解析网页内容就搭配bs4，解析HTML结构精准，上手难度极低，新手不用啃复杂文档就能快速实现基础爬取功能。

做数据分析和数值计算是Python最核心的使用场景，这块的库迭代很稳定，几乎没有可替代的小众工具。numpy负责底层数值运算，能高效处理海量数组数据，彻底解决原生Python循环运算速度慢、处理大数据卡顿的问题，是所有数据类项目的基础依赖。pandas则专门适配表格数据，筛选、清洗、去重、整合Excel和csv文件的功能特别全面，日常做数据统计、报表整理、数据筛查，这两个库搭配使用就能覆盖百分之九十的基础需求，没必要跟风安装各种冷门数据分析库，那些库不仅使用场景单一，出了bug也几乎没有解决方案。

可视化场景，就用matplotlib和seaborn。

折腾好久才搞明白，办公自动化场景也有专属的精准适配库，不用乱装通用工具。操作Excel表格优先用openpyxl，兼容新版表格格式，读写文件稳定不报错，支持批量修改单元格、插入图表。处理Word文档用python-docx，批量替换文字、调整格式、新增段落都很高效，平时批量整理办公文件、做重复工作的自动化脚本，这两个库完全够用，没有多余的冗余功能，专一适配办公需求，运行也更流畅。

人工智能和深度学习方向，新手千万别盲目装一堆库，基础的torch和tensorflow二选一就行。torch灵活度更高，代码写法简洁，适合新手入门搭建简单训练模型。tensorflow生态更成熟，适配的落地项目更多，适合后期进阶开发。其余各类细分的AI小众库，没到专项进阶阶段完全不用接触，装多了只会占用内存还容易引发环境冲突。

那天清理完电脑的Python环境，卸载了三十多个闲置无用的第三方库，重启编辑器后，所有代码都能顺畅运行。