Python主流框架全解析

以下是 Python 常用框架的分类解析：

一、Web 开发框架

1. Django

定位：全能型框架，内置 ORM、模板引擎、路由系统等
特点：
- 开箱即用（如自带后台管理、用户认证）
- 遵循 MVC 设计模式（MTV 变体）
- 适合中大型项目（如 CMS、电商平台）

代码示例 ：

python 复制代码

from django.http import HttpResponse

def hello(request):
    return HttpResponse("Hello Django!")

2. Flask

定位：轻量级微框架，核心简洁但可扩展
特点：
- 无强制依赖库（开发者自由选择插件）
- 路由设计直观（如 @app.route('/')）
- 适合小型服务或 API 开发

代码示例 ：

python 复制代码

from flask import Flask
app = Flask(__name__)

@app.route('/')
def home():
    return "Hello Flask!"

3. FastAPI

定位：高性能异步框架，专为 API 设计
特点：
- 基于 ASGI 标准（支持异步请求）
- 自动生成 OpenAPI 文档
- 数据验证依赖 Pydantic

代码示例 ：

python 复制代码

from fastapi import FastAPI
app = FastAPI()

@app.get("/")
async def root():
    return {"message": "Hello FastAPI"}

二、数据科学框架

1. NumPy

核心功能：多维数组计算
典型应用 ：
- 数值运算（如矩阵乘法）
- 科学计算基础库

示例操作 ：

python 复制代码

import numpy as np
arr = np.array([1, 2, 3])
print(arr * 2)  # 输出: [2 4 6]

2. Pandas

核心功能：数据处理与分析
核心结构 ：
- DataFrame（表格型数据结构）
- Series（一维带标签数组）

典型操作 ：

python 复制代码

import pandas as pd
data = pd.DataFrame({"A": [1, 2], "B": [3, 4]})
print(data.describe())  # 统计摘要

3. Scikit-learn

定位：机器学习算法库
功能覆盖 ：
- 分类、回归、聚类
- 数据预处理（如标准化）

示例流程 ：

python 复制代码

from sklearn.ensemble import RandomForestClassifier
model = RandomForestClassifier()
model.fit(X_train, y_train)  # 训练模型

三、深度学习框架

1. TensorFlow

特点：
- 谷歌开发，支持分布式训练
- 生态完整（如 TensorBoard 可视化）

典型应用 ：

python 复制代码

import tensorflow as tf
model = tf.keras.Sequential([
    tf.keras.layers.Dense(128, activation='relu')
])

2. PyTorch

特点：
- 动态计算图（更灵活调试）
- 学术界广泛使用

代码风格 ：

python 复制代码

import torch
model = torch.nn.Linear(10, 2)
output = model(torch.randn(3, 10))

四、测试框架

1. pytest

优势：
- 简洁语法（如 assert 直接断言）
- 丰富插件生态

示例测试 ：

python 复制代码

def test_addition():
    assert 1 + 1 == 2

五、网络爬虫框架

Scrapy

核心组件 ：
- Spider（定义爬取规则）
- Pipeline（数据清洗与存储）

工作流示例 ：

python 复制代码

import scrapy
class BlogSpider(scrapy.Spider):
    name = 'blog'
    start_urls = ['https://example.com']
    
    def parse(self, response):
        titles = response.css('h2::text').getall()
        yield {"titles": titles}

选择建议

Web 开发 ：
- 快速构建 → Django
- 轻量 API → Flask / FastAPI
数据分析：Pandas + NumPy
深度学习：PyTorch（研究） / TensorFlow（生产）
爬虫：Scrapy（结构化数据抓取）

通过框架组合，可高效应对不同场景需求。