Ubuntu 下可用的 Python 库概览
在 Ubuntu 上开发 Python 项目，资源可谓得天独厚。你既可以直接调用系统内置的标准库，也能通过 pip 轻松获取一个几乎无所不包的第三方库生态。那么，具体有哪些库可用，又该如何高效地管理它们呢？接下来，我们就按图索骥，为你梳理一份清晰的指南。
常用第三方库按场景分类
面对海量的库，按需选择是关键。下面这张表格，将主流库按应用场景进行了分类，方便你快速定位。
| 分类 | 常用库 | 主要用途 |
|---|---|---|
| 数据科学与数值计算 | NumPy, pandas, SciPy | 多维数组、数据帧、科学算法 |
| 数据可视化 | Matplotlib, Seaborn, Plotly | 静态/交互式图表与可视化 |
| 机器学习与深度学习 | scikit-learn, TensorFlow, PyTorch, Keras | 传统机器学习与深度学习模型 |
| Web 开发 | Django, Flask, FastAPI | 全栈/轻量/异步 Web 框架 |
| 网络爬虫 | requests, BeautifulSoup4, Scrapy, Selenium | HTTP 请求、HTML/XML 解析、爬虫框架、浏览器自动化 |
| 数据库与存储 | SQLAlchemy, PyMongo, redis-py | ORM、MongoDB 驱动、Redis 客户端 |
| 图像处理与计算机视觉 | Pillow (PIL), OpenCV-Python | 图像读写与处理、计算机视觉 |
| 自然语言处理 | NLTK, jieba, Gensim, TextBlob | 分词、主题建模、文本分类与情感分析 |
| 自动化与运维 | Ansible, Fabric, PyAutoGUI | 配置管理、批量执行、桌面自动化 |
| 文件与文档处理 | PyPDF2, python-magic, PyYAML, csvkit | PDF 操作、文件类型识别、YAML/CSV 处理 |
| 日期时间处理 | arrow, dateutil | 更友好的时间解析与运算 |
可以说，从数据科学到 Web 开发，从自动化运维到人工智能，这张表里的库基本覆盖了主流开发场景。好消息是，它们在 Ubuntu 上都能直接用 pip 一键安装。
查看已安装库与定位安装路径
装了不少库，有时候想看看究竟装了哪些，或者某个库到底装在哪里了，该怎么办？别急，下面这几招很管用。
- 列出已安装包与版本
- 使用
pip list（输出格式清晰易读） - 使用
pip freeze（输出格式严格，最适合生成requirements.txt依赖文件）
- 使用
- 查看某个包的详细信息
- 使用
pip show 包名（可以查看版本、作者、依赖关系以及最重要的——安装位置）
- 使用
- 在 Python 中查看
- 使用
pkg_resources：遍历working_set来获取所有包的名称与版本。 - 使用
sys.modules：查看当前已加载的模块及其版本信息。
- 使用
- 定位安装位置
- 可执行文件路径：
which python3 - 模块搜索路径：
python3 -c “import sys; print(sys.path)” - 第三方库目录示例：
/usr/local/lib/python3.x/dist-packages - 用户站点包目录：
python3 -m site --user-site
- 可执行文件路径：
这些方法无论是针对系统全局的 Python 环境，还是某个独立的虚拟环境，都同样适用。当遇到版本冲突或导入错误时，它们就是你排查问题的得力工具。
在 Ubuntu 中安装与管理库
了解了有什么库以及如何查看之后，我们来谈谈怎么安装和管理。遵循一个清晰的流程，能让你事半功倍。
- 安装或更新基础工具
- 更新软件包索引：
sudo apt-get update - 安装 Python 3 和 pip：
sudo apt-get install python3 python3-pip
- 更新软件包索引：
- 使用虚拟环境隔离依赖（强烈推荐）
- 安装 venv 模块：
sudo apt-get install python3-venv - 创建虚拟环境：
python3 -m venv myenv - 激活环境：
source myenv/bin/activate
- 安装 venv 模块：
- 在激活环境中安装包
- 首先升级 pip 自身：
pip install --upgrade pip - 安装所需库，例如：
pip install numpy pandas requests
- 首先升级 pip 自身：
- 生成与复用依赖文件
- 导出当前环境所有包：
pip freeze > requirements.txt - 在新环境中一键安装：
pip install -r requirements.txt
- 导出当前环境所有包：
遵循上述流程，你就能在 Ubuntu 上稳妥地配置 Python 开发环境，安全地安装各类常用库，并彻底避免不同项目之间的依赖冲突。这才是高效协作和项目部署的基石。
