### 如何生成包含常用库的 `requirements.txt` 文件 为了满足需求，可以手动列举一些常用的 Python 库并将其写入到 `requirements.txt` 中。这些库涵盖了数据处理、可视化、模型构建以及预测等功能。 #### 手动指定常见库 以下是一些常见的 Python 库及其用途： - **Pandas**: 数据分析和操作的核心工具。 - **NumPy**: 数值计算的基础包。 - **Matplotlib/Seaborn**: 数据可视化的主流工具。 - **Scikit-Learn**: 构建和评估机器学习模型的主要库。 - **TensorFlow/PyTorch**: 深度学习框架用于复杂模型训练。 - **Plotly**: 更高级别的交互式绘图支持。 - **Jupyter Notebook/Lab**: 提供交互式的开发环境。 - **SciPy**: 科学计算扩展功能。 以下是示例中的 `requirements.txt` 内容： ```plaintext pandas==1.5.3 numpy==1.23.5 matplotlib==3.6.2 seaborn==0.12.2 scikit-learn==1.2.1 tensorflow==2.10.0 pytorch==1.13.1 plotly==5.12.0 jupyterlab==3.6.1 scipy==1.9.3 ``` 上述版本号可以根据实际使用的最新稳定版调整[^4]。 #### 自动化生成方法 如果希望自动化生成，则可以通过安装所需的库后执行如下命令来捕获当前环境中已安装的所有依赖项： ```bash pip freeze > requirements.txt ``` 这会将当前虚拟环境下所有的第三方模块记录下来保存至 `requirements.txt` 文件中[^3]。 对于特定场景下的精简版生成方式也可以考虑先创建一个新的干净虚拟环境再逐一添加必要的组件最后导出清单作为最终产物。 #### 使用脚本定制化生成 当需要更精确控制哪些包被纳入其中时可编写一小段 Python 脚本来完成这项工作比如下面这个例子展示了如何只保留某些类别内的软件包列表: ```python import pkg_resources def get_packages(): packages = { 'data_processing': ['pandas', 'numpy'], 'visualization': ['matplotlib', 'seaborn', 'plotly'], 'model_building': ['scikit-learn', 'tensorflow', 'pytorch'], 'miscellaneous': ['jupyterlab', 'scipy'] } installed_packages = {pkg.key: pkg.version for pkg in pkg_resources.working_set} result = [] for category, package_names in packages.items(): for name in package_names: if name.lower() in installed_packages: version = installed_packages[name.lower()] result.append(f"{name}=={version}") with open('requirements.txt', 'w') as f: f.write('\n'.join(result)) get_packages() ``` 此代码片段定义了一个字典用来分类管理不同类型的库名称并通过检查本地已经存在的实例动态组装成目标格式存储起来[^5]。