48. 标准库概览

Python 的强大不仅在于语法简洁，更在于「自带电池」——安装 Python 的同时，你就获得了一个庞大的标准库。从文件操作到网络通信，从数据结构到加密算法，标准库覆盖了编程中的大部分常见需求。

这一章先做一个概览，让你知道「有哪些工具可用」。后续几章会深入讲解几个最常用的模块。

sys：与 Python 解释器交互

sys 模块提供访问解释器相关信息和功能的接口：

import sys

print(sys.version)       # Python 版本信息
print(sys.platform)      # 平台标识，如 'win32'、'darwin'、'linux'
print(sys.executable)    # Python 解释器的路径

# 命令行参数
print(sys.argv)          # 列表，第一个是脚本名，后面是传入的参数

# 退出程序
sys.exit(0)              # 0 表示正常退出，非零表示异常

os：操作系统接口

os 模块在第 45 章已经详细讲过。这里补充几个常用函数：

import os

print(os.environ.get('HOME'))     # 读取环境变量
os.environ['MY_VAR'] = 'value'   # 设置环境变量

print(os.cpu_count())             # CPU 核心数
print(os.urandom(16))             # 生成加密安全的随机字节

os.urandom 是真正的随机数生成器（基于操作系统提供的熵源），比 random 模块更安全，适合生成密钥、令牌。

math：数学函数

import math

print(math.sqrt(16))        # 4.0
print(math.pi)              # 3.141592653589793
print(math.e)               # 自然常数
print(math.ceil(3.2))       # 4（向上取整）
print(math.floor(3.8))      # 3（向下取整）
print(math.factorial(5))    # 120
print(math.gcd(48, 18))     # 6（最大公约数）
print(math.log(100, 10))    # 2.0（以 10 为底的对数）
print(math.radians(180))    # π（角度转弧度）
print(math.degrees(math.pi)) # 180.0（弧度转角度）

random：伪随机数

import random

print(random.random())           # [0, 1) 之间的浮点数
print(random.randint(1, 10))     # [1, 10] 之间的整数
print(random.choice(['a', 'b', 'c']))  # 随机选一个元素
print(random.sample(range(100), 5))    # 不重复地随机选 5 个

# 打乱列表
items = [1, 2, 3, 4, 5]
random.shuffle(items)
print(items)

设置随机种子

调试时需要结果可复现，可以设种子：

random.seed(42)
print(random.random())  # 每次运行结果都一样

statistics：统计计算

import statistics

data = [1, 2, 3, 4, 5, 5, 6]

print(statistics.mean(data))     # 平均值 3.714...
print(statistics.median(data))   # 中位数 4
print(statistics.mode(data))     # 众数 5
print(statistics.stdev(data))    # 标准差
print(statistics.variance(data)) # 方差

其他值得知道的模块

标准库有上百个模块，这里列出一些常用的，混个脸熟：

模块	用途
itertools	迭代器工具，排列组合、无限序列等
functools	高阶函数工具，偏函数、缓存、装饰器等
operator	运算符对应的函数（add、gt 等）
hashlib	哈希算法（MD5、SHA 系列）
base64	Base64 编解码
json	JSON 序列化（第 47 章已讲）
re	正则表达式（第 51 章讲）
datetime	日期时间（第 49 章讲）
collections	扩展数据结构（第 50 章讲）
urllib	URL 处理（第 53 章讲）

实战：生成随机测试数据

把 random 和 statistics 结合起来，生成一组测试数据并分析：

import random
import statistics

random.seed(0)
scores = [random.randint(50, 100) for _ in range(30)]

print(f"成绩：{scores}")
print(f"平均分：{statistics.mean(scores):.1f}")
print(f"最高分：{max(scores)}")
print(f"最低分：{min(scores)}")
print(f"标准差：{statistics.stdev(scores):.1f}")

这个例子展示了标准库模块的组合使用：列表推导生成数据，random 控制随机性，statistics 做分析。

小结

• sys：与解释器交互，获取版本、参数、路径等信息。
• os：操作系统接口，环境变量、路径、进程等。
• math：数学函数，三角、对数、取整等。
• random：伪随机数生成，注意不适合安全场景。
• statistics：基础统计计算，大数据请上 NumPy。

Python 标准库像一个大工具箱。你不需要记住每个函数的签名，但要大概知道「哪个抽屉里有什么」。遇到问题时有方向去查文档，这比盲目搜第三方库高效得多。

---