Python常用标准库-sys库一文详解

这篇具有很好参考价值的文章主要介绍了Python常用标准库-sys库一文详解。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

目录

前言

 一、Sys库概述

二、Sys查看版本信息

1.sys.version获取Python版本信息

2.sys.api_version获取解释器中C的API版本

3.sys.getwindowsversion系统功能版本

 4.sys.hexversion()获取Python解释器的版本值

5.sys.implementation获取当前正在运行的Python解释器的实现信息的对象

6.sys.winver获取Windows平台上形成注册表项的版本号

 三、四大实现详细信息

1.sys.float_info获取浮点类型的实现信息

2. sys.hash_info获取哈希元组的实现信息

 3.sys.int_info获取整形实现信息

4.sys.thread_info获取线程信息

四、查看Python解释器的相关信息

1.获取Python解释器导入的内建模块列表

 2.获取解释器当前分配的内存块数

 3.获取当前递归的限制

4. 获取解释器的“线程切换间隔

 5. 获取解释器的安装路径信息

 6. 获取python的安装路径

 五、设置解释器性能

设置Python解释器的最大堆栈深度

设置解释器的线程切换间隔,单位为秒

 六、标准输入、输出和错误流

七、查看系统平台相关信息

1.获取平台标识

2.获取当前平台最大的整形值

3.获取当前的默认字符串编码格式

 4.获取在Unicode文件名和字节文件名之间转换的错误模式的名称

 5.获取在Unicode文件名和字节文件名之间转换的编码名称

 6.获取由setprofile()设置的全局配置。

 7.获取对象的引用次数

 8.获取对象的大小,单位为字节

9. 获取repr()函数对浮点数x的行为方式

 10.获取 unicode 编码的最大值

 11.获取本地的字节顺序

 12.获取模块搜索路径的列表

 13.获取python模块的信息

点关注,防走丢,如有纰漏之处,请留言指教,非常感谢


前言

补全一下Python的基础库功能篇,之前一直写pandas和机器学习模型,偶尔换个口味写写基础的。下一作专栏估计会将文本挖掘技术和爬虫技术结合起来出一期,敬请期待。

Python 标准库非常庞大,所提供的组件涉及范围十分广泛,正如以下内容目录所显示的。这个库包含了多个内置模块 (以 C 编写),Python 程序员必须依靠它们来实现系统级功能,例如文件 I/O,此外还有大量以 Python 编写的模块,提供了日常编程中许多问题的标准解决方案。其中有些模块经过专门设计,通过将特定平台功能抽象化为平台中立的 API 来鼓励和加强 Python 程序的可移植性。

本章内容主要讲述Python16个常用的标准库中的sys功能API操作和实践。

python sys库,Python,python,pandas,数据分析


 一、Sys库概述

该模块提供对解释器使用或维护的一些变量的访问,以及对与解释器强烈交互的函数的访问。

二、Sys查看版本信息

1.sys.version获取Python版本信息

print(sys.version)

python sys库,Python,python,pandas,数据分析

2.sys.api_version获取解释器中C的API版本

print(sys.api_version)

python sys库,Python,python,pandas,数据分析

3.sys.getwindowsversion系统功能版本

print(sys.getwindowsversion()) 

python sys库,Python,python,pandas,数据分析

 4.sys.hexversion()获取Python解释器的版本值

print(sys.hexversion)

 python sys库,Python,python,pandas,数据分析

5.sys.implementation获取当前正在运行的Python解释器的实现信息的对象

print(sys.implementation)

 python sys库,Python,python,pandas,数据分析

  • # name 当前解释器的名称
  • # version 当前解释器的版本
  • # hexversion 解释器的版本值
  • # cache_tag 缓存标记信息
  • # 获取Windows平台上形成注册表项的版本号

6.sys.winver获取Windows平台上形成注册表项的版本号

print(sys.winver)

 python sys库,Python,python,pandas,数据分析

 三、四大实现详细信息

1.sys.float_info获取浮点类型的实现信息

print(sys.float_info)

python sys库,Python,python,pandas,数据分析

2. sys.hash_info获取哈希元组的实现信息

print(sys.hash_info)

python sys库,Python,python,pandas,数据分析

 3.sys.int_info获取整形实现信息

print(sys.int_info)

 python sys库,Python,python,pandas,数据分析

4.sys.thread_info获取线程信息

print(sys.thread_info)

 python sys库,Python,python,pandas,数据分析

四、查看Python解释器的相关信息

1.获取Python解释器导入的内建模块列表

print(sys.builtin_module_names)

python sys库,Python,python,pandas,数据分析

 2.获取解释器当前分配的内存块数

此函数主要用于跟踪和调试内存泄漏

print(sys.getallocatedblocks())

python sys库,Python,python,pandas,数据分析

 3.获取当前递归的限制

也就是Python解释器堆栈最大深度的值,该限制可防止无限递归导致C堆栈溢出和Python崩溃,可以通过setrecursionlimit()来调整。

print(sys.getrecursionlimit())

python sys库,Python,python,pandas,数据分析

4. 获取解释器的“线程切换间隔

print(sys.getswitchinterval())

python sys库,Python,python,pandas,数据分析

 5. 获取解释器的安装路径信息

print(sys.base_exec_prefix)
print(sys.base_prefix)

python sys库,Python,python,pandas,数据分析

 6. 获取python的安装路径

print(sys.prefix)

python sys库,Python,python,pandas,数据分析

 五、设置解释器性能

设置Python解释器的最大堆栈深度

sys.setrecursionlimit()

设置解释器的线程切换间隔,单位为秒

sys.setswitchinterval()

 六、标准输入、输出和错误流

  • sys.stdin, 标准输入流
  • sys.stdout,标准输出流
  • sys.stderr,标准错误流

七、查看系统平台相关信息

1.获取平台标识

print(sys.platform)

 python sys库,Python,python,pandas,数据分析

 Windows平台的值为‘win32',linux的值为‘linux'。

2.获取当前平台最大的整形值

print(sys.maxsize, 2**(64-1) - 1)

 与平台位数相关,32位系统平台 为 2**(31-1) -1 ,64位平台为2**(64-1)-1

3.获取当前的默认字符串编码格式

print(sys.getdefaultencoding())

 python sys库,Python,python,pandas,数据分析

 4.获取在Unicode文件名和字节文件名之间转换的错误模式的名称

print(sys.getfilesystemencodeerrors())

python sys库,Python,python,pandas,数据分析

 5.获取在Unicode文件名和字节文件名之间转换的编码名称

print(sys.getfilesystemencoding())

python sys库,Python,python,pandas,数据分析

 6.获取由setprofile()设置的全局配置。

print(sys.getprofile())

 7.获取对象的引用次数

print(sys.getrefcount(element))

 8.获取对象的大小,单位为字节

print(sys.getsizeof(256))

9. 获取repr()函数对浮点数x的行为方式

short表示repr(x)生成短字符串

print(sys.float_repr_style)

 python sys库,Python,python,pandas,数据分析

 10.获取 unicode 编码的最大值

print(sys.maxunicode)

python sys库,Python,python,pandas,数据分析

 11.获取本地的字节顺序

不同的CPU采用的字节顺序可能不一样;常见的有little-endian和big-endian;
little-endian是指将低位字节放在前面,高位字节放在后面,big-endian刚好相反;
 sys.byteorder返回值为little为little-endian,big为big-endian

print(sys.byteorder)

 12.获取模块搜索路径的列表

由环境变量PYTHONPATH进行初始化及安装时的默认值组成

print(sys.path)

python sys库,Python,python,pandas,数据分析

 13.获取python模块的信息

print(sys.modules)

python sys库,Python,python,pandas,数据分析

print(sys.modules['os'])

 python sys库,Python,python,pandas,数据分析


点关注,防走丢,如有纰漏之处,请留言指教,非常感谢

以上就是本期全部内容。我是fanstuck ,有问题大家随时留言讨论 ,我们下期见。文章来源地址https://www.toymoban.com/news/detail-717002.html

到了这里,关于Python常用标准库-sys库一文详解的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Python标准库sys

    Python实用教程_spiritx的博客-CSDN博客 sys 模块主要负责与 Python 解释器进行交互,该模块提供了一系列用于控制 Python 运行环境的函数和变量。 对象名称 对象说明 sys.argv 命令行参数List,第一个元素是程序本身路径  sys.path 返回模块的搜索路径,初始化时使用PYTHONPATH环境变量的

    2024年02月09日
    浏览(35)
  • Python 数据分析入门教程:Numpy、Pandas、Matplotlib和Scikit-Learn详解

    NumPy是一个Python的科学计算基础模块,提供了多维数组和矩阵操作功能。 NumPy中的数组比Python自带的列表更适合进行数值计算和数据分析。 Pandas建立在NumPy之上,提供了更高级的数据分析功能。 Pandas中的DataFrame可以看成是一个二维表格,便于加载和分析数据。 Matplotlib可以用来绘

    2024年02月07日
    浏览(49)
  • python-数据分析-pandas

    第一种:通过标量创建Series 第二种:通过列表创建Series 第三种:通过字典创建Series 第四种:通过ndarray创建Series values和index 索引和切片 第一种:通过一维列表构成的字典创建DataFrame 姓名 数学 语文 计算机 0 张三 87 54 34 1 李四 45 76 56 2 王五 34 55 77 3 赵六 98 90 87 姓名 数学 语文

    2023年04月23日
    浏览(60)
  • Python数据分析-Pandas

    个人笔迹,建议不看 Series类型 DataFrame类型 是一个二维结构,类似于一张excel表 DateFrame只要求每列的数据类型相同就可以了 查看数据 读取数据及数据操作 行操作 条件选择 缺失值及异常值处理 判断缺失值: 填充缺失值: 删除缺失值 age count 2.000000 mean 1.500000 std 0.707107 min 1

    2024年02月10日
    浏览(59)
  • 【Python练习】数据分析库Pandas

    1. 了解Serie

    2024年02月09日
    浏览(57)
  • 实战演练Python数据分析[pandas]

    本篇文章出自于《利用Python进行数据分析》示例数据 请结合提供的示例数据,分析代码的功能,并进行数据分析与可视化拓展。本篇文章通过四个例子,通过MoviesLens数据集、美国1880-2010年的婴儿名字、美国农业部视频数据库、2012年联邦选举委员会数据库来进行着重讲解。

    2024年02月15日
    浏览(46)
  • python数据分析之Pandas库(一)

    Pandas有两种常用的数据结构: Series (一维数据)与 DataFrame(二维数据)。 Series 是一种类似于 一维数组 的对象,能保存不同数据类型。 DataFrame 是一个 二维的表格型 的数据结构。 1、初始化 使用一位列表初始化Series 2、索引[数据的行标签]、切片 1、初始化 2、查看数据 1、

    2024年02月09日
    浏览(46)
  • 【头歌】——数据分析与实践-python-Pandas 初体验-Pandas数据取值与选择-Pandas进阶

    第1关 了解数据处理对象–Series 第2关 了解数据处理对象-DataFrame 第3关 读取 CSV 格式数据 第4关 数据的基本操作——排序 第5关 数据的基本操作——删除 第6关 数据的基本操作——算术运算 第7关 数据的基本操作——去重 第8关 数据重塑 第1关 Series数据选择 第2关 DataFrame数据

    2024年01月22日
    浏览(131)
  • python 计算均值、方差、标准差 Numpy,Pandas

    Python 中的 numpy 包 和 pandas 包都能够计算均值、方差等,本文总结一下它们的用法。 #1. Numpy 计算均值、方差、标准差 一般的均值可以用 numpy 中的 mean 方法求得: numpy 中的 average 方法不仅能求得简单平均数,也可以求出加权平均数。average 里面可以跟一个 weights 参数,里面是

    2024年02月08日
    浏览(45)
  • Python数据分析之Pandas核心使用进阶

    在Pandas中,有两种常见的方法可以进行DataFrame的行级遍历:使用 iterrows() 和使用 iteritems() 。 使用 iterrows() 方法: iterrows() 方法返回一个迭代器,可以按行遍历DataFrame。每次迭代返回一个包含行索引和该行数据的元组。 输出结果为: 在上面的例子中,我们使用 iterrows() 方法遍

    2024年02月11日
    浏览(72)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包