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import tensorflow as tf model tf.keras.Sequential([ tf.keras.layers.Dense(128, activationrelu) ])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。