Los 5 principales módulos de Python que debe conocer en 2022

Python es un lenguaje de programación que ha ganado corazones en todo el mundo. Desde la comunidad de codificación hasta la comunidad de ciencia de datos, Python es un favorito absoluto de todos. La razón de su popularidad es que Python viene cargado con una amplia gama de bibliotecas y módulos que hacen que el desarrollo sea una tarea sencilla.

Si bien anteriormente hablamos extensamente sobre las bibliotecas de Python, hoy nos centraremos en los módulos de Python.

¿Qué son los módulos de Python?

En palabras simples, un módulo de Python es un objeto de Python que consta de atributos con nombres arbitrarios que se pueden usar tanto para enlace como para referencia. Esencialmente, un módulo puede definir funciones, clases y variables. Los módulos lo ayudan a organizar el código de Python de manera lógica. Al agrupar el código relacionado en módulos, puede hacer que el código de Python sea más fácil de usar y comprender.

En Python, puede definir un módulo de tres maneras:

• Puedes escribir un módulo en Python.
• Puede escribir un módulo en C y cargarlo dinámicamente en tiempo de ejecución.
• Puede usar módulos de Python incorporados que están intrínsecamente contenidos en el intérprete.

¿Qué es la ruta de búsqueda de módulos?

La ruta de búsqueda hace referencia a una lista de directorios en los que el intérprete busca antes de poder importar un módulo. Digamos que desea ejecutar la instrucción:

modo de importación

Cuando el intérprete ejecuta esta declaración, buscará mod.py en una lista de directorios ensamblados a partir de múltiples fuentes, que incluyen:

• El directorio desde el que ejecutó el script de entrada o el directorio actual (siempre que el intérprete se esté ejecutando de forma interactiva).
• Si se ha configurado la variable de entorno PYTHONPATH , buscará en la lista de directorios que contiene.
• La lista de directorios dependientes de la instalación que se configuran durante la instalación de Python.

Puede acceder a la ruta de búsqueda resultante utilizando la variable de Python sys.path que se produce posteriormente desde el módulo sys:

>>> sistema de importación

>>> sys.ruta

[”, 'C:\\Usuarios\\john\\Documentos\\Python\\doc', 'C:\\Python36\\Lib\\idlelib',

'C:\\Python36\\python36.zip', 'C:\\Python36\\DLL', 'C:\\Python36\\lib',

'C:\\Python36', 'C:\\Python36\\lib\\paquetes del sitio']

Una vez que importa un módulo, puede determinar su ubicación utilizando el atributo __file__ del módulo, así:

>>> mod de importación

>>> mod.__archivo__

'C:\\Usuarios\\john\\mod.py'

>>> importar re

>>> re.__archivo__

'C:\\Python36\\lib\\re.py'

Sin embargo, tenga en cuenta que esa parte del directorio del __file__ debe ser un directorio contenido en sys.path.

Ahora que ha entendido la esencia de los módulos de Python, echemos un vistazo a algunos de los mejores módulos de Python.

Principales módulos de Python

1. La declaración de “importación”

Al ejecutar una declaración de importación en un archivo fuente de Python, puede usar cualquier archivo fuente de Python como módulo. La sintaxis de la declaración de importación es:

importar módulo1[, módulo2[,… móduloN]

Cuando ejecuta una declaración de importación, el intérprete importará el módulo provisto si está presente en la ruta de búsqueda. Por ejemplo, si desea importar el módulo calc.py, debe escribir y ejecutar el siguiente comando:

# módulo de importación calc.py

cálculo de importación

imprimir añadir (10,2)

Al ejecutar con éxito este comando, el resultado será el siguiente:

12

Una cosa importante que debe recordar acerca de los módulos de Python es que no importa cuántas veces importe un módulo, se cargará solo una vez. Esto ayuda a evitar la ejecución repetida de módulos en el caso de importaciones múltiples.

2. La declaración "desde... la importación"

En Python, la declaración "desde... importar" le permite importar atributos específicos de un módulo. Aquí hay un ejemplo de la declaración "desde... importar":

de importación de nombre de mod *

# importando sqrt() y factorial desde el

# modulo matematicas

de importación matemática sqrt, factorial

# si simplemente hacemos "importación matemática", entonces

# matemáticas.sqrt(16) y matemáticas.factorial()

# son requeridos.

imprimir sqrt(16)

imprimir factorial(6)

Al ejecutar este código, obtendrá:

4.0

720

Con este módulo, puede importar todos los elementos contenidos en un módulo en particular al espacio de nombres actual.

3. La función “dir()”

En Python, dir() es una función integrada que devuelve una lista ordenada de cadenas que contienen los nombres de todos los módulos, funciones y variables que se definen en un módulo. A continuación se muestra un ejemplo de la función dir():

#!/usr/bin/python

# Importar módulo incorporado al azar

importar al azar

imprimir directorio (matemáticas)

Al ejecutarse, este código devolverá el siguiente resultado:

['BPF', 'LOG4', 'NV_MAGICCONST', 'RECIP_BPF', 'Aleatorio',

'SG_MAGICCONST', 'SystemRandom', 'TWOPI', 'WichmannHill',

'_BuiltinMethodType', '_MethodType', '__all__',

'__incorporados__', '__doc__', '__archivo__', '__nombre__',

'__paquete__', '_acos', '_ceil', '_cos', '_e', '_exp',

'_hashlib', '_hexlify', '_inst', '_log', '_pi', '_random',

'_sin', '_sqrt', '_test', '_test_generator', '_urandom',

'_advertir', 'betavariante', 'elección', 'división',

'expovariable', 'gammavariante', 'gauss', 'getrandbits',

'getstate', 'jumpahead', 'lognormvariate', 'normalvariate',

'paretovariable', 'randint', 'random', 'randrange',

'muestra', 'semilla', 'establecer estado', 'shuffle', 'triangular',

'uniforme', 'vonmisesvariable', 'weibullvariable']

En el resultado anterior, mientras que la variable de cadena especial __file__ apunta al nombre de archivo desde el que se cargó el módulo, __name__ se convierte en el nombre del módulo.

4. Las funciones globales() y locales()

Puede usar las funciones globals() y locals() para devolver nombres de módulos en los espacios de nombres globales y locales. Esto, sin embargo, depende de la ubicación desde donde llame a los nombres. Si llama a la función globals() dentro de otra función, devolverá todos los nombres a los que se puede acceder globalmente desde esa función en particular. Por el contrario, si se llama a la función locals() desde dentro de una función, producirá todos los nombres a los que puede acceder localmente desde la función específica.

5. La función Generalmente, cuando importa un módulo a un script, el código presente en la parte de nivel superior de un módulo solo se ejecutará una vez. En esta situación, si desea volver a ejecutar el código de nivel superior en un módulo, la función reload() es la función de acceso. Esta función le permite volver a importar un módulo previamente importado.

La sintaxis de la función recargar() es la siguiente:

recargar (nombre_módulo)

En la sintaxis, module_name se refiere al nombre del módulo que desea recargar; no pertenece a la cadena que contiene el nombre del módulo. Por ejemplo, si desea recargar el módulo hola, debe escribir:

recargar (hola)

Conclusión

En Python, los paquetes y módulos están interrelacionados. Los paquetes de Python facilitan la estructuración jerárquica del espacio de nombres de un módulo mediante la notación de puntos. Mientras que los paquetes de Python evitan las colisiones (superposiciones) entre los nombres de los módulos, los módulos de Python evitan las colisiones entre los nombres de las variables globales.

Si tiene curiosidad por aprender sobre ciencia de datos, consulte el Diploma PG en ciencia de datos de IIIT-B y upGrad, creado para profesionales que trabajan y ofrece más de 10 estudios de casos y proyectos, talleres prácticos, tutoría con expertos de la industria, 1- on-1 con mentores de la industria, más de 400 horas de aprendizaje y asistencia laboral con las mejores empresas.

¿Qué es Python Anaconda y por qué es tan popular?

Anaconda es un administrador de paquetes para Python y R. Se considera una de las plataformas más populares para los aspirantes a la ciencia de datos. Las siguientes son algunas de las razones por las que Anaconda está muy por delante de sus competidores. Su robusto sistema de distribución ayuda a administrar lenguajes como Python, que tiene más de 300 bibliotecas. Es una plataforma gratuita y de código abierto. Su comunidad de código abierto tiene muchos desarrolladores elegibles que siguen ayudando a los novatos constantemente. Tiene varias herramientas basadas en IA y ML que pueden extraer fácilmente los datos de diferentes fuentes. Anaconda tiene más de 1500 paquetes de ciencia de datos de Python y R y se considera el estándar de la industria para probar y entrenar modelos.

Mencione algunas de las bibliotecas de Python más populares para el procesamiento de imágenes.

Python es el lenguaje más adecuado para el procesamiento de imágenes debido a las bibliotecas ricas en funciones que proporciona. Las siguientes son algunas de las principales bibliotecas de Python que hacen que el procesamiento de imágenes sea muy conveniente. OpenCV es sin duda la biblioteca de Python más popular y ampliamente utilizada para tareas de visión, como el procesamiento de imágenes y la detección de objetos y rostros. Es extremadamente rápido y eficiente ya que originalmente está escrito en C++. La conversación sobre las bibliotecas de procesamiento de imágenes de Python está incompleta sin Sci-Kit Image. Es una biblioteca simple y directa que se puede utilizar para cualquier tarea de visión artificial. SciPy se usa principalmente para cálculos matemáticos, pero también es capaz de realizar procesamiento de imágenes. La detección de rostros, la convolución y la segmentación de imágenes son algunas de las características proporcionadas por SciPy.

¿Por qué la mayoría de los científicos de datos prefieren Python a otros lenguajes?

Hay muchos lenguajes como R y Julia que se pueden usar para la ciencia de datos, pero se considera que Python es el más adecuado debido a muchas razones. Algunas de estas razones se mencionan a continuación: Python es mucho más escalable que otros lenguajes como Scala y R. Su escalabilidad radica en la flexibilidad que brinda a los programadores. Tiene una gran variedad de bibliotecas de ciencia de datos como NumPy, Pandas y Scikit-learn, lo que le da una ventaja sobre otros lenguajes. La gran comunidad de programadores de Python contribuye constantemente al lenguaje y ayuda a los novatos a crecer con Python.