Python 15个必须要掌握常用的API对象

用户11081884

发布于 2026-07-20 19:00:58

230

文章被收录于专栏：用户11081884的专栏用户11081884的专栏

Python生态系统提供了丰富的API接口，覆盖了从Web开发到机器学习的各个领域。以下是15个常用API对象的详细介绍，包含使用说明和原创代码示例。

1. Flask Web框架

使用说明：轻量级Web框架，适合快速构建RESTful API

from flask import Flask, jsonify

app = Flask(__name__)

@app.route('/api/users', methods=['GET'])
def get_users():
    users = [{'id': 1, 'name': '张三'}, {'id': 2, 'name': '李四'}]
    return jsonify(users)

if __name__ == '__main__':
    app.run(debug=True)

2. Requests HTTP客户端

使用说明：简化HTTP请求发送过程，支持各种HTTP方法

import requests

# GET请求示例
response = requests.get(' http://httpbin.org/json')
print(f"状态码: {response.status_code}")
print(f"响应内容: {response.text}")

# POST请求示例
data = {'title': '测试文章', 'content': '这是内容'}
post_resp = requests.post(' http://httpbin.org/post', json=data)

3. SQLAlchemy ORM

使用说明：数据库对象关系映射工具，支持多种数据库

from sqlalchemy import create_engine, Column, Integer, String
from sqlalchemy.orm import sessionmaker, declarative_base

Base = declarative_base()

class Product(Base):
    __tablename__ = 'products'
    id = Column(Integer, primary_key=True)
    name = Column(String(50))
    price = Column(Integer)

# 创建数据库连接
engine = create_engine('sqlite:///products.db')
Base.metadata.create_all(engine)

Session = sessionmaker(bind=engine)
session = Session()

# 添加新记录
new_product = Product(name='笔记本电脑', price=5999)
session.add(new_product)
session.commit()

4. Pandas数据处理

使用说明：提供高性能数据结构和数据分析工具

import pandas as pd
import numpy as np

# 创建DataFrame
data = {
    '城市': ['北京', '上海', '广州', '深圳'],
    '人口(万)': [2154, 2428, 1530, 1303],
    'GDP(亿元)': [36103, 38701, 25019, 27670]
}
df = pd.DataFrame(data)

# 数据操作
print(df.head())
print(f"平均GDP: {df['GDP(亿元)'].mean()}亿元")

5. Scikit-learn机器学习

使用说明：传统机器学习算法库

from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split

# 生成示例数据
X, y = make_classification(n_samples=1000, n_features=4, random_state=42)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

# 训练模型
clf = RandomForestClassifier(n_estimators=100)
clf.fit(X_train, y_train)

# 预测并评估
accuracy = clf.score(X_test, y_test)
print(f"模型准确率: {accuracy:.2f}")

6. Pillow图像处理

使用说明：Python图像处理库

from PIL import Image, ImageFilter

# 创建新图像
img = Image.new('RGB', (300, 200), color='lightblue')

# 图像操作
img = img.filter(ImageFilter.BLUR)
img = img.rotate(45)
img.save('processed_image.png')

7. spaCy自然语言处理

使用说明：现代化NLP库，适合生产环境

import spacy

nlp = spacy.load("zh_core_web_sm")
text = "清华大学位于北京市海淀区，成立于1911年。"

doc = nlp(text)
for token in doc:
    print(f"词: {token.text}, 词性: {token.pos_}")

8. Click命令行工具

使用说明：创建命令行界面应用程序

import click

@click.group()
def cli():
    pass

@cli.command()
@click.option('--verbose', is_flag=True, help='详细输出')
def status(verbose):
    if verbose:
        click.echo("系统状态: 运行正常")
    else:
        click.echo("正常")

if __name__ == '__main__':
    cli()

9. Asyncio异步编程

使用说明：异步I/O编程支持

import asyncio

async def fetch_data(task_id, delay):
    print(f"任务{task_id}开始执行")
    await asyncio.sleep(delay)
    print(f"任务{task_id}完成")
    return f"任务{task_id}结果"

async def main():
    tasks = [
        fetch_data(1, 2),
        fetch_data(2, 1),
        fetch_data(3, 3)
    ]
    results = await asyncio.gather(*tasks)
    print(f"所有任务完成: {results}")

asyncio.run(main())

10. pytest测试框架

使用说明：简化测试编写和执行

# calculator.py
class Calculator:
    def add(self, a, b):
        return a + b
    
    def multiply(self, a, b):
        return a * b

# test_calculator.py
def test_add():
    calc = Calculator()
    assert calc.add(2, 3) == 5

def test_multiply():
    calc = Calculator()
    assert calc.multiply(4, 5) == 20

11. Logging日志记录

使用说明：灵活的日志记录配置

import logging

logging.basicConfig(
    level=logging.DEBUG,
    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s',
    handlers=[
        logging.FileHandler('app.log'),
        logging.StreamHandler()
    ]
)

logger = logging.getLogger('my_app')
logger.info('应用程序启动')
logger.debug('调试信息')

12. FastAPI现代Web框架

使用说明：基于类型提示的高性能API框架

from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()

class Item(BaseModel):
    name: str
    price: float

@app.post("/items/")
async def create_item(item: Item):
    return {"message": f"商品 {item.name} 创建成功", "price": item.price}

13. HTTPX异步HTTP客户端

使用说明：支持同步和异步的HTTP客户端

import asyncio
import httpx

async def fetch_urls():
    async with httpx.AsyncClient() as client:
        responses = await asyncio.gather(
            client.get(' https://httpbin.org/get'),
            client.get(' https://httpbin.org/ip')
        )
        for response in responses:
            print(f"状态码: {response.status_code}")
            print(f"内容: {response.json()}")

asyncio.run(fetch_urls())

14. Peewee轻量级ORM

使用说明：简单易用的对象关系映射器

from peewee import SqliteDatabase, Model, CharField, IntegerField

db = SqliteDatabase('students.db')

class Student(Model):
    name = CharField()
    age = IntegerField()
    
    class Meta:
        database = db

db.connect()
db.create_tables([Student])

# 创建记录
student = Student.create(name='王五', age=20)
print(f"创建学生: {student.name}")

15. OpenCV计算机视觉

使用说明：图像处理和计算机视觉库

import cv2
import numpy as np

# 创建示例图像
image = np.zeros((300, 400, 3), dtype=np.uint8)
cv2.rectangle(image, (50, 50), (200, 150), (0, 255, 0), 2)
cv2.putText(image, 'OpenCV Demo', (60, 100), 
           cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 255, 255), 2)

cv2.imwrite('demo_image.jpg', image)

这些API对象覆盖了Python开发的主要领域，熟练掌握能极大提升开发效率。每个库都有详细的官方文档，建议在实际项目中根据具体需求深入学习和使用。

“无他，惟手熟尔”！有需要的用起来！

如果你觉得这篇文章有用，欢迎点赞、转发、收藏、留言、推荐❤！

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2025-11-12，如有侵权请联系 cloudcommunity@tencent.com 删除

对象