Python 常用标准 / 第三方库：random、tqdm、turtle、jieba 用法

import random
# 生成0-100的随机目标数字
r = random.randint(0, 100)
# 输入最多能猜多少次
N = int(input("请输入猜测次数:"))

for i in range(N):
# 计算剩余可猜次数
    rest = N - i
    print(f"剩余猜测次数：{rest}")
    guess = int(input("请输入猜测数字："))
    if guess > r:
        print("猜大了，再试试小一点的数")
    elif guess < r:
        print("猜小了，可以往大猜")
    else:
        print("恭喜，猜对了！游戏通关")
        break

for循环完整走完才会执行else（次数用完）
else:
    print("所有猜测次数已用尽")
    print(f"正确随机数字是{r}")
    print("游戏结束")

运行交互示例：

请输入猜测次数:5
剩余猜测次数：5
请输入猜测数字：50
猜小了，可以往大猜
剩余猜测次数：4
请输入猜测数字：75
猜大了，再试试小一点的数
剩余猜测次数：3
请输入猜测数字：62
恭喜，猜对了！游戏通关

1.3 拓展小案例：随机抽奖

import random
name_list = ["小王","小李","小张","小红"]
# 随机抽取一名中奖用户
luck_man = random.choice(name_list)
print(f"本轮中奖人员：{luck_man}")

1.4 拓展小案例：随机打乱列表

抽奖之外，random.shuffle(列表)可以原地打乱列表顺序，适合做随机出题、洗牌、打乱播放列表等场景：

import random
question_list = ["题目A", "题目B", "题目C", "题目D"]
# 原地打乱列表顺序
random.shuffle(question_list)
print(question_list)
# 输出示例：['题目C', '题目A', '题目D', '题目B']

避坑：randint 与 range 边界别混淆

random.randint(a,b)是包含首尾的，比如random.randint(1,3)可能返回1、2、3；而range(a,b)是不含右边界的，range(1,3)只生成1、2。两者边界规则相反，写循环和随机数时最容易搞混，建议记成「randint 两头都算，range 只算左边」。

二、tqdm 进度条库：长时间循环可视化进度

写循环处理大量数据时，不知道程序运行到哪一步，等待过程很煎熬，tqdm可以生成动态文字进度条，直观展示运行进度。

说明：tqdm属于第三方库，需要先安装才能使用。

安装命令：pip install tqdm。安装完成后，在命令行输入 pip show tqdm 可以查看版本和安装路径，确认安装成功；也可以直接打开 Python 交互环境输入 import tqdm，不报错即表示可以正常使用。

2.1 配套质数统计完整示例

循环生成百万个随机数字，统计其中质数，实时展示加载进度：

import tqdm
import random
prime_count = 0
包裹循环范围，自动生成进度条
for _ in tqdm.tqdm(range(1000000)):
    num = random.randint(1000, 100000)
# 判断是否为质数
    flag = True
    for i in range(2, int(num ** 0.5) + 1):
        if num % i == 0:
            flag = False
            break
    if flag:
        prime_count += 1

输出质数占比
print(f"一百万随机数中质数占比：{prime_count/1000000}")

运行后控制台会出现动态进度条，实时显示已完成比例、预计剩余时间。

2.2 简易小进度条演示

from tqdm import tqdm
import time
模拟文件读取循环
for i in tqdm(range(50)):
    time.sleep(0.05)

print("全部文件读取完成")

避坑：循环内 print 会打乱进度条

在tqdm包裹的循环里直接print，输出会穿插在进度条中间，把动态刷新界面搅乱。需要查看中间结果时，建议改用tqdm.write()输出，或者把结果收集到列表里，循环结束后再统一打印。

2.3 思考：tqdm 会拖慢程序吗

很多同学会担心，多了一层进度条，百万级循环会不会明显变慢。其实tqdm默认不会每轮循环都刷新界面，而是按一定时间间隔（默认约 0.1 秒）更新一次进度条，所以它带来的额外开销非常小。在百万级循环里，真正耗时的是循环体内的计算逻辑，比如上面的质数判断；相比之下，进度条本身的刷新成本几乎可以忽略。

为了更直观地感受这一点，可以分别跑一遍「带 tqdm」和「不带 tqdm」的同一段循环，用time.time()记录前后时间差，对比总运行时间：

import time
import random
不带 tqdm 的版本
start = time.time()
for _ in range(1000000):
    random.randint(1000, 100000)

print(f"不带 tqdm 耗时：{time.time() - start:.2f} 秒")

带 tqdm 的版本
from tqdm import tqdm
start = time.time()
for _ in tqdm(range(1000000)):
    random.randint(1000, 100000)

print(f"带 tqdm 耗时：{time.time() - start:.2f} 秒")

实际运行会发现两者耗时非常接近，差距通常只有零点几秒。所以结论是：tqdm 的开销可以忽略，放心用它换取清晰的进度反馈。真正需要留意的反而是循环里频繁print这类会大量刷屏的操作，那才是拖慢程序的元凶。

三、turtle 绘图库：零基础画图、简笔画

turtle是内置绘图库，像一只小海龟，通过控制前进、转弯、落笔、抬笔，画出直线、圆形、五角星等图案，适合入门可视化趣味编程。

3.1 基础绘图案例：绘制五角星

import turtle
# 设置画笔粗细、颜色
turtle.pensize(3)
turtle.pencolor("red")
# 循环五次绘制五角星
for _ in range(5):
    turtle.forward(200)
    turtle.right(144)
# 保持绘图窗口不关闭
turtle.done()

3.2 绘制彩色圆形螺旋

import turtle
color_list = ["red","orange","yellow","green","blue"]
turtle.speed(0)
for i in range(50):
    turtle.pencolor(color_list[i%5])
    turtle.circle(i*5)
    turtle.left(10)
turtle.done()

3.3 简易绘图案例：绘制爱心

import turtle
turtle.pensize(3)
turtle.pencolor("red")
turtle.fillcolor("red")
turtle.begin_fill()
# 绘制爱心轮廓
turtle.left(50)
turtle.forward(133)
turtle.circle(50, 200)
turtle.right(140)
turtle.circle(50, 200)
turtle.forward(133)
turtle.end_fill()
# 保持绘图窗口不关闭
turtle.done()

避坑：绘图窗口闪退，记得写 turtle.done()

很多人画完图窗口一闪而过，是因为程序执行完就自动退出了。turtle.done()必须写在所有绘图代码的最后一行，作用是保持窗口打开等待手动关闭。如果漏写，图形还没看清窗口就消失了。

四、jieba 中文分词库：文本拆分、关键词提取

普通分割符号只能按标点切割中文，jieba是专用中文分词工具，能按照语义拆分句子，做问答机器人、文本统计、文章分析必备，上一章字典客服案例就能搭配它使用。

4.1 基础分词示例

import jieba
text = "产品价格是多少？什么时候可以发货"
# 精确模式分词
word_list = jieba.lcut(text)
print(word_list)
# 输出：['产品', '价格', '是', '多少', '？', '什么时候', '可以', '发货']
搭配之前的问答字典匹配关键词
robot_dict = {
"价格":"所有商品统一29.9元",
"发货":"下单48小时内发出"
}
for word in word_list:
    if word in robot_dict:
        print("机器人回复：", robot_dict[word])
        break

4.2 极简案例：提取高频词

用jieba.lcut()分词后，配合字典统计词频，再按出现次数排序，就能快速找出文本里的高频词：

import jieba
text = "Python入门教程，Python语法，Python库，Python实战"
word_list = jieba.lcut(text)
# 统计每个词出现次数
word_count = {}
for word in word_list:
    word_count[word] = word_count.get(word, 0) + 1
# 按词频从高到低排序
top_words = sorted(word_count.items(), key=lambda x: x[1], reverse=True)
print(top_words[:3])
# 输出示例：[('Python', 4), ('入门', 1), ('教程', 1)]

避坑：精确模式是默认，全模式与搜索引擎模式一句话区分

jieba.lcut()默认走精确模式，把句子切分成最合理的词语组合；全模式会把所有能成词的组合都切出来，结果更碎；搜索引擎模式在精确模式基础上，再把长词进一步拆分，适合搜索引擎索引。日常文本处理用默认精确模式就够了。

五、库使用基础区分：标准库 vs 第三方库

标准库（自带，无需安装）：random、turtle、内置文件、时间工具，安装Python后直接import导入即可使用；
第三方库（需要手动安装）：tqdm、jieba、数据分析库，需要通过pip命令下载后才能导入；

安装通用格式：pip install 库名，例如pip install tqdm、pip install jieba。

六、各库适用场景汇总

库名称	核心用途	适合场景
random	生成随机数字、随机抽取	猜数字游戏、抽奖、随机样本生成
tqdm	循环进度可视化	大批量数据计算、文件批量处理
turtle	简易图形绘制	趣味编程、几何图案练习
jieba	中文语义分词	问答机器人、文章关键词统计、文本清洗