python要裝多少包，這個要取決於你用python做什麼工作了，基本上，在每一個應用方向都有專業的包。

python自帶了許多功能強大的包，比如：爬蟲包urllib,正則表示式包re，計算包collections，還有圖形包tkinter等等，這些包在你安裝python的時候就已經自動安裝了，當然，這都是基礎的包，我們日常用到的更多的是第三方包，因為第三方包功能更為強大。

python本來自身是沒有很好的資料處理能力的，因為的他的基本資料結構就是那幾種，列表，字典，集合，元組等，無法使用到高維陣列，更沒有提供矩陣運算的能力，但是！第三方庫numpy的出現，使python具備了處理資料和矩陣的能力，然後在此基礎上，出現更友好的處理資料的庫，scipy，pandas，這些都是基於numpy庫而來的，當然還有機器學習庫scikit-learn，這個模組提供了強大的全面的機器學習演算法，而且介面相對十分簡單，讓數學或者統計學工作者能很快上手。

所以，一個數據挖掘人員，日常使用就是這些：numpy，scipy，pandas，scikit-learn，還有資料視覺化包matplotlib，這些日常處理資料，構建模型，結果視覺化必備的工具。

但是這麼多包，他們之間又有相互依賴，一個個的安裝是個大問題，這裡推薦安裝anaconda，python的科學計算版本，自帶了上述的庫，十分方便，免除安裝的苦惱。

python自帶的urllib其實使用起來有點麻煩，推薦你使用requests庫，這是一個非常強大，使用方便的庫，而且有全面的中文文件，網上爬資料爬圖片都不在話下。

還有更高階的庫-scrapy庫。

Scrapy是一個為了爬取網站資料，提取結構性資料而編寫的應用框架。 其可以應用在資料探勘，資訊處理或儲存歷史資料等一系列的程式中。

Scrapy 使用了 Twisted非同步網路庫來處理網路通訊。整體架構大致如下

re模組具有強大的處理字串的能力，但是使用起來並不簡單，因為當你覺得可以使用正則表示式的時候，這本身就是一個問題，因為寫出一個正則表示式就是一個大問題。不過不用怕，在處理網站結構的資料時，有更強大的庫-beautiful soup

Beautiful Soup 是一個可以從HTML或XML檔案中提取資料的Python庫，擁有完善的中文文件，提供了種類繁多的屬性和方法供你選擇，讓你解析網站資料更加的得心應手！

python在web開發方面也是多面手，既有大而全的框架django，又有小而精的框架flask。

雖說在web開發方面有許多框架，但是最常用的還是這兩種，如果你想做中方面的工作，學好這兩個框架就夠用了，而且，目前的python後端開發的招聘需求多半是要求會這兩個框架。

python後端開發目前有不少公司在使用，比如，我們常見的知乎，豆瓣等都是

說起深度學習，人工智慧，當然少不了提到tensorflow，keras等流行的框架，而這都可以使用python進行友好的操作，如果你有志於人工智慧，那麼你一定不能錯過python

python無法進行分散式計算，這是一個很大的缺陷，不過現在已經不是問題了，因為spark為python提供了極為友好的介面pyspark

安裝很容易

PyQt5是一套繫結Qt5的應用程式框架。他在Python 2.x和3.x中都是可用的。PyQt5是作為一套Python模組實現的。他已經超過620個類和6000個函式與方法。

比如：

中文分詞模組jieba

圖片處理模組PIL模組

操作資料庫模組pymysql、pymongo等

操作excel模組xlrd，xlwt；

處理json資料的模組json

基本上你需要的功能，python都有對應的模組提供實現功能

這麼說吧，缺啥補啥，用到什麼了你就安裝什麼，缺少什麼安裝包，你就安裝就行，不用非得把成千上萬個安裝包都安裝上，不科學也不現實。

就好像R語言一樣，安裝包超級多，你用什麼包的時候就去安裝即可，一下子在安裝R語言的時候，將包全部進行下載，系統盤都裝不下呢。總之，Python大部分的安裝包都是很好安裝的。

說一下個人感受，個人感覺使用python是因為其簡便靈活，所以，一般應用在指令碼上面，作為一種膠水去處理碰到的繁雜事項。

資料庫工具包，一般使用的是連線mysql的mysqldb，可方便地連線mysql資料庫，mysql作為開源的資料庫，很多企業都在使用；

numpy，這是一個數據分析使用到，主要作為科學計算，由一個多維陣列物件和用於處理陣列的例程集合組成的庫。

flask，flask是一個python實現的開發微框架，比較容易上手，幾行程式碼就可以開發出一個應用，業務上開發api介面相當的方便；

django，django是開源的應用框架，主要在於功能全，可實現快速的開發，整合度高。

scrapy，網路爬蟲框架，可能很方便地爬取各個網站上的資料，而且方便開發，只需要關注網頁的網頁結果；

smtplib主要是用於郵件傳送，透過這個可能定時或者在某條件觸發的情況下向業務傳送郵件。

思路應該是：透過python實現具體業務，在業務實現過程中，需要解決某些問題，再去搜索引擎檢索是否有已經做好的輪子（模組，庫、框架），這個時候再去按需安裝。

python要裝多少包，這個要取決於你用python做什麼工作了，基本上，在每一個應用方向都有專業的包。

python自帶了許多功能強大的包，比如：爬蟲包urllib,正則表示式包re，計算包collections，還有圖形包tkinter等等，這些包在你安裝python的時候就已經自動安裝了，當然，這都是基礎的包，我們日常用到的更多的是第三方包，因為第三方包功能更為強大。

python本來自身是沒有很好的資料處理能力的，因為的他的基本資料結構就是那幾種，列表，字典，集合，元組等，無法使用到高維陣列，更沒有提供矩陣運算的能力，但是！第三方庫numpy的出現，使python具備了處理資料和矩陣的能力，然後在此基礎上，出現更友好的處理資料的庫，scipy，pandas，這些都是基於numpy庫而來的，當然還有機器學習庫scikit-learn，這個模組提供了強大的全面的機器學習演算法，而且介面相對十分簡單，讓數學或者統計學工作者能很快上手。

所以，一個數據挖掘人員，日常使用就是這些：numpy，scipy，pandas，scikit-learn，還有資料視覺化包matplotlib，這些日常處理資料，構建模型，結果視覺化必備的工具。

但是這麼多包，他們之間又有相互依賴，一個個的安裝是個大問題，這裡推薦安裝anaconda，python的科學計算版本，自帶了上述的庫，十分方便，免除安裝的苦惱。

python自帶的urllib其實使用起來有點麻煩，推薦你使用requests庫，這是一個非常強大，使用方便的庫，而且有全面的中文文件，網上爬資料爬圖片都不在話下。

還有更高階的庫-scrapy庫。

Scrapy是一個為了爬取網站資料，提取結構性資料而編寫的應用框架。 其可以應用在資料探勘，資訊處理或儲存歷史資料等一系列的程式中。

Scrapy 使用了 Twisted非同步網路庫來處理網路通訊。整體架構大致如下

re模組具有強大的處理字串的能力，但是使用起來並不簡單，因為當你覺得可以使用正則表示式的時候，這本身就是一個問題，因為寫出一個正則表示式就是一個大問題。不過不用怕，在處理網站結構的資料時，有更強大的庫-beautiful soup

Beautiful Soup 是一個可以從HTML或XML檔案中提取資料的Python庫，擁有完善的中文文件，提供了種類繁多的屬性和方法供你選擇，讓你解析網站資料更加的得心應手！

python在web開發方面也是多面手，既有大而全的框架django，又有小而精的框架flask。

雖說在web開發方面有許多框架，但是最常用的還是這兩種，如果你想做中方面的工作，學好這兩個框架就夠用了，而且，目前的python後端開發的招聘需求多半是要求會這兩個框架。

python後端開發目前有不少公司在使用，比如，我們常見的知乎，豆瓣等都是

說起深度學習，人工智慧，當然少不了提到tensorflow，keras等流行的框架，而這都可以使用python進行友好的操作，如果你有志於人工智慧，那麼你一定不能錯過python

python無法進行分散式計算，這是一個很大的缺陷，不過現在已經不是問題了，因為spark為python提供了極為友好的介面pyspark

安裝很容易

PyQt5是一套繫結Qt5的應用程式框架。他在Python 2.x和3.x中都是可用的。PyQt5是作為一套Python模組實現的。他已經超過620個類和6000個函式與方法。

比如：

中文分詞模組jieba

圖片處理模組PIL模組

操作資料庫模組pymysql、pymongo等

操作excel模組xlrd，xlwt；

處理json資料的模組json

基本上你需要的功能，python都有對應的模組提供實現功能

這麼說吧，缺啥補啥，用到什麼了你就安裝什麼，缺少什麼安裝包，你就安裝就行，不用非得把成千上萬個安裝包都安裝上，不科學也不現實。

就好像R語言一樣，安裝包超級多，你用什麼包的時候就去安裝即可，一下子在安裝R語言的時候，將包全部進行下載，系統盤都裝不下呢。總之，Python大部分的安裝包都是很好安裝的。

說一下個人感受，個人感覺使用python是因為其簡便靈活，所以，一般應用在指令碼上面，作為一種膠水去處理碰到的繁雜事項。

資料庫工具包，一般使用的是連線mysql的mysqldb，可方便地連線mysql資料庫，mysql作為開源的資料庫，很多企業都在使用；

numpy，這是一個數據分析使用到，主要作為科學計算，由一個多維陣列物件和用於處理陣列的例程集合組成的庫。

flask，flask是一個python實現的開發微框架，比較容易上手，幾行程式碼就可以開發出一個應用，業務上開發api介面相當的方便；

django，django是開源的應用框架，主要在於功能全，可實現快速的開發，整合度高。

scrapy，網路爬蟲框架，可能很方便地爬取各個網站上的資料，而且方便開發，只需要關注網頁的網頁結果；

smtplib主要是用於郵件傳送，透過這個可能定時或者在某條件觸發的情況下向業務傳送郵件。

思路應該是：透過python實現具體業務，在業務實現過程中，需要解決某些問題，再去搜索引擎檢索是否有已經做好的輪子（模組，庫、框架），這個時候再去按需安裝。