《Mac 用户必看：通过命令行升级 pip 到最新版本的正确方法及下载第三方模块的应用手册》

问题描述：

当我用MAC下载Python Pandas等第三方模块时，终端出现WARNING: You are using pip version 20.2.3; however, version 25.1.1 is available.You should consider upgrading via the '/Library/Frameworks/Python.framework/Versions/3.9/bin/python3.9 -m pip install --upgrade pip' command.我该怎么解决？

---

解决方案：

1. 升级 pip：在终端中执行警告信息里给出的命令

   #首先，在终端输入以下内容：
   Sang@sangdiSandy ~ % python3.9 -m pip install --upgrade pip    
   
   #升级成功后的结果反馈：
   Collecting pip
     Downloading pip-25.1.1-py3-none-any.whl (1.8 MB)
        |████████████████████████████████| 1.8 MB 873 kB/s 
   Installing collected packages: pip
     Attempting uninstall: pip
       Found existing installation: pip 20.2.3
       Uninstalling pip-20.2.3:
         Successfully uninstalled pip-20.2.3
   Successfully installed pip-25.1.1
   

2. 验证升级结果：升级完成后，可以通过以下命令检查 pip 版本

   #判断升级后的PIP是什么版本
   Sang@sangdiSandy ~ % python3.9 -m pip --version
   
   #版本结果反馈
   pip 25.1.1 from /Library/Frameworks/Python.framework/Versions/3.9/lib/python3.9/site-packages/pip (python 3.9)

3. 使用升级后的 pip 安装 pandas

   “”“
   下载pandas等第三方包的两种方式
   ”“”
   
   #第一种，直接通过mac终端输入以下内容
   Sandy@sangdiSandy ~ % python3.9 -m pip install pandas
   
   #第二种，清华镜像源下载
   Sandy@sangdiSandy ~ % python3.9 -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandas
   
   #永久使用清华镜像源，可以通过以下命令配置
   python3.9 -m pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
   
   

   ---

   Python 中常用第三方包的分类整理及简单介绍：

• 数据处理与分析

• NumPy：提供高性能多维数组对象和数学函数，是科学计算的基础包。

• Pandas：用于数据处理与分析，提供 DataFrame 等数据结构，方便处理表格和时间序列数据。

• Matplotlib：数据可视化库，可生成多种 2D 图表，帮助直观呈现数据。

• Seaborn：基于 Matplotlib 的高级可视化库，能更便捷地绘制美观的统计图表。

• Web 开发

• Django：全功能 Web 框架，遵循 MTV 架构，适合快速开发大型 Web 应用。

• Flask：轻量级 Web 框架，极简设计，灵活易扩展，适合小型项目和快速原型开发。

• FastAPI：基于异步编程的高性能 Web 框架，依据 OpenAPI 规范，自动生成文档，适合 API 服务开发。

• 科学计算与机器学习

• TensorFlow：由 Google 开发的深度学习框架，广泛用于构建和训练神经网络，适用于图像识别等多种领域。

• PyTorch：深度学习框架，以动态计算图为特点，调试友好，在研究和学术场景中应用广泛。

• Scikit - learn：提供丰富的机器学习算法和工具，支持分类、回归、聚类等传统机器学习任务。

• 自动化与脚本工具

• Requests：简化 HTTP 请求操作的库，可轻松发送各种请求并处理响应，常用于网页数据抓取和 API 调用。

• BeautifulSoup：HTML/XML 解析库，用于解析网页结构，方便提取其中的文本、链接等数据。

• Selenium：自动化浏览器工具，能模拟人类操作浏览器，用于动态网页爬取和 UI 自动化测试。

• 数据存储与交互

• SQLAlchemy：强大的 ORM 库，允许使用 Python 类操作数据库表，支持多种数据库，提高代码可读性。

• pymysql：Python 连接 MySQL 数据库的驱动程序，提供了在 Python 中操作 MySQL 数据库的接口。

• 测试与调试

• pytest：简单高效的测试框架，自动发现测试用例，支持断言验证和测试覆盖率统计。

• Debugpy：Python 调试器，支持在 VS Code 等编辑器中进行远程调试，方便设置断点和监控变量。

• 其他实用工具

• PyQt：用于创建跨平台的 GUI 应用程序，提供了丰富的界面组件和功能。

• PyInstaller：可将 Python 代码打包为可执行文件，方便在未安装 Python 环境的设备上运行。

• Jupyter Notebook：交互式文档工具，支持代码、文本、图表混合展示，常用于数据分析和教学演示。

• OpenCV：用于计算机视觉的开源库，提供大量图像处理功能，如图像识别、物体检测等