常用標準庫與生態：Python 自帶的工具箱

從零開始的「每日值班表」：標準庫就是你的工具箱

假設今天助教請你寫一個小程式：抓出這學期某段日期區間裡的所有週五，從一份名單裡隨機抽出值班同學，再把結果存成 JSON 檔交出去。聽起來要寫很多東西？其實一行第三方套件都不用裝——Python 自帶的「標準庫(standard library)」已經把日期、隨機、檔案、資料格式都準備好了。

Python 有個外號叫「batteries included(內建電池)」，意思是裝好直譯器的當下，你就已經擁有一整箱可以直接用的工具。這篇文章我們先把最常用的幾個標準庫摸熟，再走進 pip、虛擬環境與第三方套件的生態。請打開你的終端機，邊讀邊敲，這些程式碼每一段都可以直接執行。

import：把工具從箱子裡拿出來

標準庫的東西不會自動出現在你的程式裡，要用 import 把對應的模組(module)拿進來。先看三種慣例寫法：

import math                  # 匯入整個模組，用 math.sqrt 呼叫
from random import choice    # 只匯入需要的名字，直接用 choice
import datetime as dt        # 取別名，之後用 dt 代替 datetime

print(math.sqrt(16))         # 輸出：4.0
print(choice([1, 2, 3]))     # 輸出：1、2 或 3 其中之一

依照 PEP 8 的精神，import 一律放在檔案最上方，而且分三組、組間空一行：先標準庫，再第三方套件，最後是自己專案的模組。

# 標準庫
import os
import json

# 第三方套件
import requests

# 自己的專案模組
from myproject import utils

反模式：千萬不要用 from math import *。星號會把模組裡所有名字一次倒進你的命名空間，很容易和你自己的變數撞名，讀程式的人也分不清 sqrt 到底是哪來的。明確寫出來，永遠比偷懶安全。

math 與 random：數學與隨機

math 提供超越基本四則運算的數學函式，random 則負責產生隨機性。

import math

print(math.pi)            # 輸出：3.141592653589793
print(math.ceil(4.1))     # 輸出：5  （無條件進位）
print(math.floor(4.9))    # 輸出：4  （無條件捨去）
print(math.gcd(12, 18))   # 輸出：6  （最大公因數）
print(math.factorial(5))  # 輸出：120

random 的常用四招：

import random

print(random.randint(1, 6))            # 輸出：1 到 6 的整數（含兩端）
print(random.random())                 # 輸出：0.0 到 1.0 之間的浮點數
print(random.choice(['a', 'b', 'c']))  # 輸出：隨機抽一個元素

names = ['小安', '阿哲', '怡君', '宗翰']
random.shuffle(names)                  # 原地洗牌，不回傳新串列
print(names)                           # 輸出：順序被打亂的名單

小提醒：random 產生的是「偽隨機」，適合教學、模擬、抽籤，但不可用於密碼或金鑰。需要密碼學等級的安全亂數時，請改用標準庫裡的 secrets 模組。

datetime：和時間打交道

處理日期時間是日常任務，datetime 模組讓你不用自己算閏年。

from datetime import datetime, date, timedelta

today = date.today()
print(today)                       # 輸出：2026-06-14（依當天而定）

# 兩週後是哪天？timedelta 表示一段時間差
later = today + timedelta(days=14)
print(later)                       # 輸出：2026-06-28

# 取得目前的完整時間戳，並格式化輸出
now = datetime.now()
print(now.strftime('%Y/%m/%d %H:%M'))  # 輸出：2026/06/14 09:30

weekday() 回傳星期幾，星期一是 $0$、星期日是 $6$。我們用它來找出開頭情境裡的所有週五：

from datetime import date, timedelta

start = date(2026, 6, 1)
end = date(2026, 6, 30)
fridays = []
d = start
while d <= end:
    if d.weekday() == 4:   # 4 代表星期五
        fridays.append(d)
    d += timedelta(days=1)
print(fridays)
# 輸出：[datetime.date(2026, 6, 5), ..., datetime.date(2026, 6, 26)]

os 與 json：檔案路徑與資料交換

os 與其子模組 os.path 處理作業系統相關操作，例如讀環境變數、組路徑。

import os

print(os.getcwd())                       # 輸出：目前工作目錄
print(os.path.join('data', 'log.txt'))   # 輸出：data/log.txt（自動用對的分隔符）
print(os.path.exists('data/log.txt'))    # 輸出：True 或 False

用 os.path.join 而不是手動拼字串 'data' + '/' + 'log.txt'，因為 Windows 用反斜線、Linux 用斜線，交給標準庫處理才不會在別人的電腦上爆掉。

json 負責 Python 物件和 JSON 文字之間的轉換，這是程式之間交換資料的通用語言：

import json

data = {'班級': '通識101', '值班': ['小安', '怡君'], '人數': 2}

# dump 成字串（ensure_ascii=False 才能正常顯示中文）
text = json.dumps(data, ensure_ascii=False, indent=2)
print(text)
# 輸出：
# {
#   "班級": "通識101",
#   "值班": ["小安", "怡君"],
#   "人數": 2
# }

# 字串轉回 Python 物件
back = json.loads(text)
print(back['人數'])  # 輸出：2

collections：更好用的資料結構

collections 是標準庫裡的隱藏寶藏，提供比內建型別更貼心的容器。最常用的是 Counter 和 defaultdict。

Counter 一行就能統計次數：

from collections import Counter

votes = ['A', 'B', 'A', 'C', 'A', 'B']
tally = Counter(votes)
print(tally)                # 輸出：Counter({'A': 3, 'B': 2, 'C': 1})
print(tally.most_common(1)) # 輸出：[('A', 3)]

defaultdict 讓你不用每次都檢查鍵是否存在：

from collections import defaultdict

groups = defaultdict(list)          # 預設值是空串列
pairs = [('一年級', '小安'), ('一年級', '阿哲'), ('二年級', '怡君')]
for grade, name in pairs:
    groups[grade].append(name)      # 鍵不存在時自動建一個空串列
print(dict(groups))
# 輸出：{'一年級': ['小安', '阿哲'], '二年級': ['怡君']}

如果用普通的 dict，上面那行 groups[grade].append(...) 在鍵還不存在時會直接拋出 KeyError，你得多寫一段判斷。defaultdict 幫你省掉了。

動手寫一段：完整的值班表產生器

現在把前面所有模組組起來，完成開頭那個任務——找出某月所有週五、隨機指派值班同學、存成 JSON：

import json
import random
from datetime import date, timedelta
from collections import Counter

def make_duty_roster(year, month, students, seed=42):
    """為指定月份的每個週五隨機指派一位值班同學。"""
    random.seed(seed)  # 固定種子，讓結果可重現

    # 1. 找出該月所有週五
    d = date(year, month, 1)
    fridays = []
    while d.month == month:
        if d.weekday() == 4:
            fridays.append(d.isoformat())
        d += timedelta(days=1)

    # 2. 為每個週五隨機抽一位同學
    roster = {day: random.choice(students) for day in fridays}

    # 3. 統計誰被排到最多次
    workload = Counter(roster.values())

    return roster, workload


students = ['小安', '阿哲', '怡君', '宗翰']
roster, workload = make_duty_roster(2026, 6, students)

print(json.dumps(roster, ensure_ascii=False, indent=2))
print('值班次數統計：', dict(workload))
# 輸出：
# {
#   "2026-06-05": "怡君",
#   "2026-06-12": "小安",
#   "2026-06-19": "宗翰",
#   "2026-06-26": "怡君"
# }
# 值班次數統計： {'怡君': 2, '小安': 1, '宗翰': 1}

短短三十行，就用了五個標準庫模組合作完成一個實用工具。注意我們用了 random.seed(42)，這樣每次跑結果都一樣，方便除錯與測試——這是寫模擬程式很重要的習慣。

走出標準庫：pip 與第三方套件生態

標準庫很強，但全世界 Python 開發者還貢獻了數十萬個第三方套件，集中放在官方倉庫 PyPI（Python Package Index）。要安裝它們，用 Python 內建的套件管理工具 pip，這些指令在終端機（不是 Python 直譯器裡）執行：

pip install requests          # 安裝最新版
pip install "requests==2.31.0"  # 安裝指定版本
pip install --upgrade requests  # 升級到最新版
pip list                      # 列出已安裝的套件
pip show requests             # 看某個套件的詳細資訊

裝好之後就能像標準庫一樣 import。例如 requests 讓發 HTTP 請求變得非常直覺：

import requests

resp = requests.get('https://api.github.com')
print(resp.status_code)   # 輸出：200
print(resp.json()['current_user_url'])  # 輸出：https://api.github.com/user

幾個你很快會遇到的明星套件：資料分析的 pandas 與 numpy、繪圖的 matplotlib、網頁框架 flask 與 django、爬蟲解析 beautifulsoup4。它們都不是標準庫，要先 pip install 才有。

虛擬環境：每個專案各用各的

如果你直接把所有套件都裝進系統 Python，遲早會出事：A 專案需要 requests 2.20，B 專案需要 requests 2.31，兩者裝在一起就會打架。解法是虛擬環境(virtual environment)——為每個專案建立一個獨立、乾淨的 Python 環境。

標準庫內建的 venv 模組就能做到，這幾行在終端機執行：

# 1. 在專案資料夾裡建立虛擬環境（資料夾名慣例叫 venv 或 .venv）
python -m venv .venv

# 2. 啟動它
# macOS / Linux：
source .venv/bin/activate
# Windows（PowerShell）：
.venv\Scripts\Activate.ps1

# 3. 啟動後 pip install 的東西只會裝進這個環境
pip install requests pandas

# 4. 把目前環境的套件清單匯出，方便別人重現
pip freeze > requirements.txt

# 5. 別人拿到你的專案，一行還原所有相依套件
pip install -r requirements.txt

# 6. 不用了就離開
deactivate

啟動虛擬環境後，你的終端機提示字元前面通常會出現 (.venv)，代表現在的 python 和 pip 都指向這個隔離環境。養成「每個專案一個虛擬環境」的習慣，是專業 Python 開發的基本功。

常見錯誤

• 用 from module import *：污染命名空間、撞名、別人看不懂名字哪來的。請明確匯入需要的名字。
• 手動拼接檔案路徑：'data' + '/' + name 在 Windows 會壞掉。永遠用 os.path.join（或更現代的 pathlib）。
• json 存中文變亂碼：忘了加 ensure_ascii=False，中文會變成 \uXXXX。記得補上這個參數。
• 把套件裝進系統 Python：沒用虛擬環境，不同專案的相依版本互相衝突，最後整台電腦的 Python 一團亂。先 python -m venv 再說。
• 混淆終端機指令與 Python 程式碼：pip install 是在終端機（shell）打的，不是寫在 .py 檔裡或貼進直譯器。初學者很常搞混這兩個地方。

深入探討（研究所視角）

標準庫 vs 第三方套件的取捨。標準庫的最大優勢是「零安裝、版本跟著直譯器走」，任何裝了 Python 的機器都能跑，特別適合工具腳本與不想引入相依的場景。但標準庫的更新節奏綁定 CPython 的釋出週期（約一年一次），有些模組（例如舊版的 urllib）介面笨重，這正是 requests 這類第三方套件存在的理由——它們疊代快、API 更人性化。判斷準則是：能用標準庫優雅解決就別引入相依；但若第三方套件能大幅降低複雜度且維護活躍，引入它是合理的工程決策。每多一個相依，就多一份未來要維護、要追資安更新的責任。

版本與相依管理的本質。pip install requests 不只裝 requests，還會遞迴解析它依賴的 urllib3、certifi 等套件，這叫相依樹(dependency tree)。多數套件遵循語意化版本(Semantic Versioning)，版號 MAJOR.MINOR.PATCH 分別代表「破壞性變更／向後相容的新功能／修錯」。因此在 requirements.txt 裡用 requests>=2.31,<3.0 這種範圍約束，意思是「接受相容更新，但拒絕可能破壞 API 的大版號跳躍」。當不同套件對同一個間接相依要求互斥版本時，就會發生「相依地獄(dependency hell)」——這也是 pip freeze 鎖定確切版本、以及 Poetry、uv、pip-tools 等現代工具用 lockfile 鎖定整棵相依樹的原因：確保你今天、隊友明天、伺服器下個月跑的是完全相同的套件組合。

為何虛擬環境要做隔離。Python 透過 sys.path 這個搜尋路徑清單來找模組，import 時會依序在這些目錄裡尋找。虛擬環境的本質，就是建立一套獨立的 site-packages 目錄並改寫 sys.path，讓這個環境的 pip 只把套件裝進它自己的角落，import 也只在那裡找。這帶來三個關鍵好處：其一，專案間的相依版本完全隔離，A 專案的 requests 2.20 不會影響 B 專案的 2.31；其二，不需要系統管理員權限就能裝套件，也不會污染作業系統自帶的 Python（很多 Linux 系統工具依賴它，亂裝會弄壞系統）；其三，requirements.txt 或 lockfile 加上乾淨的虛擬環境，等於把「可重現的執行環境」變成可交付的工程資產——這正是邁向容器化(Docker)與持續整合的第一步。理解了 sys.path 與 site-packages 的運作，你就會明白：虛擬環境不是什麼神祕魔法，而是對模組搜尋機制的一次優雅利用。