これら 7 つの Python ライブラリは、開発者でなくても役立ちます

Python には、開発者が使用および構築できるサードパーティ ライブラリの巨大でアクティブなエコシステムがあります。 Python Package Index (PyPI) には何十万ものパッケージがリストされていますが、一体どこから始めればよいのでしょうか?

幸いなことに、一部のライブラリはトップに上り詰めており、Python コミュニティの誰もが使い慣れている安定した強力なコードベースとして信頼できます。経験豊富な開発者であっても、Python を使い始めたばかりであっても、あるいは単にソフトウェアの依存関係をインストールしようとしているだけであっても、このリストをチェックしてください。

パンダ

このライブラリには強力なデータ構造が含まれています

Python ライブラリについて聞いたことがあるなら、pandas についても聞いたことがあるでしょう。 GitHub には 49,000 のスターがあり、非常に人気のあるプロジェクトであり、データ分析に携わるすべての人にとって不可欠です。

pandas ライブラリは 2008 年に始まり、翌年オープンソース プロジェクトになりました。これは、ミニ スプレッドシートに似た、型指定された列の 2 次元セットである DataFrame オブジェクトのような強力なデータ構造を提供します。

import pandas as pd

data = このテーマについてさらに詳しく知りたい方は以下をご覧ください

df = pd.DataFrame(data)

データフレームの構築は簡単なプロセスであり、それを使用してさまざまな統計クエリを実行できます。

ナムピー

科学計算のあらゆるニーズに対応

NumPy は、科学計算やデータ サイエンス ツールを構築するために他社が使用しているさらに基本的なパッケージです。このライブラリの専門分野は、大規模な多次元配列型と、それらを操作する高レベルの数学関数です。

import numpy as np

numbers = np.array((10, 20, 30, 40, 50))

print(numbers * 2)

NumPy ライブラリは、次の各配列要素の乗算などの一般的な操作に対する構文上のショートカットを提供します。

NumPy は、高速な数値計算と乱数の優れたサポートにより、Python データ分析の基盤としての地位を比類のないものにしています。 GitHub には 32,000 個のスターがあり、よく知られている Pandas ほど人気はありませんが、それ以上ではないにしても、あらゆる点で同じくらい重要です。

パイトーチ

機械学習を理解する

機械学習のエキサイティングな世界に興味がある場合は、このライブラリから始めるのが最適です。 PyTorch は AI 全般のトレンドに乗り、GitHub 上に 10 万 1,000 人の巨大なスターを集めています。

PyTorch は、GPU アクセラレーションのパワーを活用することで、自然言語処理、コンピューター ビジョン、生成 AI などの幅広い AI アプリケーションをサポートします。これをテンソル計算やニューラル ネットワーク構築に使用して、深層学習モデルを構築できます。

Meta によって開発された PyTorch は、Amazon、Salesforce、LinkedIn などの大企業でも使用されています。

タイトル

Python で独自のコンピュータ ゲームを発明する、第 4 版

著者

アル・スワイガート

ジャンル

プログラミング

発行日

2016 年 12 月 16 日

年齢層

10歳以上

「Invent Your Own Computer Games with Python」では、これまでプログラミングをしたことがなくても、人気のある Python プログラミング言語を使用してコンピューター ゲームを作成する方法を学びます。

まずはハングマン、数字当て、三目並べなどの古典的なゲームを構築してから、テキストベースの宝探しゲームや、効果音付きのアニメーション衝突回避ゲームなど、より高度なゲームにステップアップしていきます。その過程で、ゲーム プログラミングを次のレベルに引き上げるのに役立つ主要なプログラミングと数学の概念を学びます。

マットプロットリブ

データを見栄えの良いグラフでプロットするには

Matplotlib は、カラフルなチャートからアニメーション化されたグラフやインタラクティブな図に至るまで、データ視覚化の誰もが認めるチャンピオンです。これも NumPy と連携して機能するライブラリで、配列、画像、関数などあらゆる種類のデータをプロットできます。

シンプルな折れ線グラフを作成するには、数行のコードと matplotlib パッケージを使用して、データと軸を定義するだけです。

import matplotlib.pyplot as plt
import numpy as np

# Create a figure containing a single Axes.
fig, ax = plt.subplots()

# Plot some data on the Axes.
ax.plot((1, 2, 3, 4), (1, 4, 2, 3))

# Show the figure.
plt.show()

Matplotlib は Jupyter Notebook とうまく連携するため、学習環境に最適であり、多くの学校が STEM 科目の指導を支援するために使用しています。

フラスコ

迅速な開発に最適な小さな Web ライブラリ

Flask は「Web アプリケーションを構築するためのマイクロ フレームワーク」であるため、Django や Laravel などのプロジェクトの競合相手になります。このライブラリを使用すると、簡単な Web アプリをすぐに起動できます。

from flask import Flask

app = Flask(__name__)

@app.route("/")
def hello_world():
    return "
Hello, World!
"

もちろん、Flask は基本をはるかに超えており、セッション処理、JSON 出力のショートカット、および広範なロギング ツールを備えています。 71,000 人の GitHub スターを擁し、寄稿者の優れたコミュニティがあり、さらに前進するために多くのサードパーティ拡張機能が利用可能です。

美しいスープ 4

Webページからデータをスクレイピングする場合

好むと好まざるにかかわらず、現代のプログラミングの多くには、あまり適切に構造化されていない Web サイトからデータを取得することが含まれています。 API が提供されていない場合、しっかりしたスクレーパーを持っていない限り、サイトを操作するのは困難になる可能性があります。

BeautifulSoup は、すべての Python 開発者 (およびユーザー) が利用すべきスクレイピング ライブラリです。これも 2000 年代初頭から存在するライブラリで、HTML が整形式かどうかに関係なく、HTML を解析する信頼性の高い手段を提供します。

import requests
from bs4 import BeautifulSoup

response = requests.get("https://example.com")

soup = BeautifulSoup(response.text, "html.parser")

print(soup.h1.text)

BeautifulSoup を使用すると、Web ページの基礎となる構造にクリーンなインターフェイスを提供することで、すぐにスクレイパーを起動できるようになり、通常は利用できない公開データにアクセスできるようになります。

リッチ

ターミナルでリッチ テキストと美しい書式設定を使用する

もう 1 つの比較的新しいものである Textualize のリッチ ライブラリは、非常に流行している種類の強力なターミナル アプリを強化するのに役立ちます。

最も単純なライブラリでは、HTML に似たタグ付け構文を使用して、コンソールに出力するテキストに基本的な書式設定を適用できます。

from rich import print

print("Hello, (bold magenta)World(/bold magenta)!")

さらに進むと、テーブル、プログレス バー、ツリーなどのコンポーネントを使用してテキスト インターフェイスを活性化し、より使いやすいアプリを実現できます。 GitHub には 56,000 個のスターがあり、このプロジェクトは新しいかもしれませんが、人気があることは確かです。

Python の多くのライブラリには数え切れないほどの楽しみが含まれています

想像できるほぼすべてのタスクについて、解決に役立つ Python ライブラリがあります。選択肢が多すぎてどこから始めればよいのか分からないため、最初は気が遠くなるかもしれません。上記のリストを完了したら、確立され、保守され、人気のある他のライブラリを探してみてください。