Python 模块收集
Python
|
Apr 4, 2017
|
python
基础库与工具
- six Python 2 和 3 的兼容库，用于编写 Python2 和 3 兼容的代码
- attrs Attributes Without Boilerplate
- assertpy assert 语句的替代品
- affirm 用于更好的替换 assert 语句
- decorator 简化 decorator 的使用难度而开发的模块
- isort 可自动对 Python 的 import 语句进行排序和分段。可将大量的 import 结构转成非常适合阅读的排版
- interruptingcow 一个 watchdog，用于中断长时间运行的代码，也就是给代码加上 timeout 功能
- retrying 一个用于实现重试机制的库
- tenacity 一个通用的 retry 库，能为任何任务加入重试的功能
- py 一个开发支持工具
- faker 一个假数据生成库
- pipenv Python Development Workflow for Humans,相当于是环境管理和包管理二合一，由 Kenneth Reitz （Requests 的作者 ）编写，现在移交给 Python 官方来维护，提供比 pip 体验更好的开发包管理
- bidict 双向查询字典，可以通过 value 查询 key
- tablib 把数据导出为 Excel、JSON、CSV 等格式
- glom 处理嵌套数据结构
- envparse 简单的环境变量解析库
- environs 解析环境变量的库。受 envparse 启发，底层使用 marshmallow 验证并序列化值
- swig Python 调用 C/C++ 代码的工具，支持 C++ 的类继承
- pyperclip 向计算机的剪贴板发送或接收文本
- py-setproctitle 一个可以改变进程名称的库
- hashids 数字 ID 混淆库，可将 ID 转成加密字段再还原
- vimdecrypt Vim 加密文件解码工具
- setproctitle 设置进程名，即改变 ps, top 等工具显示的进程名称
- dulwich Git 的纯 Python 实现
日志处理
- logging 标准库日志系统
- logbook 一个功能完备强大的日志库
- Structlog 是一个先进的日志处理器。他可以和任何现存的日志记录工具相集成，并包装了 Python 标准库。你可以构建定制的记录工具，根据你的需要增加上下文，保证你的日志一致、可读
- sentry 一个开源的实时错误追踪系统,可以帮助开发者实时监控并修复异常问题
系统工具
邮件
数据库
打印输出
命令行参数解析
- Docopt 忘了 optparse 和 argparse 吧，使用 docstring 来构建优雅的、高可读性、复杂（如果你有这个需要）的命令行界面。在我看来这是2013年诞生的最好的库
- Click 用于快速创建命令行工具
- clize 利用装饰器将函数转换成命令行解析器
- python-fire Google 开源的一个可从任何 Python 代码自动生成命令行接口（CLI）的库,是开发和调试非常有用的工具，只需将想要在命令行显示的功能写为函数/模块/类，就可以在命令行模式下调用
- Plumbum 命令行工具包
命令行界面库
GUI 工具
算法与设计模式
并行计算、分布式、任务调度
HTTP
HTML/XML
Web 框架
- Django 以快速开发和结构整洁著称的高层框架。这个开源免费的框架完全由 Python 编写并且遵循 MVC 的模型
- Flask 基于 WerkzeugWSGI 工具箱和 jinja 模板，适合开发轻量级的 Web 应用，有很多第三方扩展
- tornado 一个强大的、可扩展的异步非阻塞 Web 服务器，同时也是一个轻量级 Web 框架
- Sanic 一个与 Flask 类似，基于 uvloop 的 web 框架，它能让 Python 更快速
- Quart 与 Flask 相似，而且与 Flask API 兼容，并添加了添加异步、WebSocket和 HTTP 2 支持
- FastAPI 一个高性能 Web 框架，用于构建 API，非常高的性能
- Vibora 异步快速的 HTTP 客户端/服务器框架
- Bottle 是一个快速、简单、轻量的WSGI微型web框架。利用Bottle构建小型站点和API的时间以秒计算。这个框架只有一个py文件，你可以把它放进任何目录
- CherryPy 是HTTP协议的一个封装，这样其他软件可以使用它来处理HTTP协议的细节。它是一个低层的框架，它只提供 RFC 2616 定义的功能。接口非常 Pythonic，让 Python 开发者不会感到突兀
- Pyramid 包含了一些 Python/Perl/Ruby 独有的特性，拥有不依赖平台的 MVC 架构，和最快的启动开发的能力。以执行效率和快速开发的能力著称
- TurboGear 建立在其他框架基础上的框架，把其他框架优秀的部分集成到一起。由于每个框架都有一些部分做得不好，TurboGear试图解决这个问题．它允许你从一个单文件服务开始，逐步扩展为一个全栈服务
- web.py 一款轻量级的 Python web 开发框架，简单、高效
- web2py 一种免费的、开源的 web 开发框架，用于敏捷地开发安全的、数据库驱动的 web 应用
- hug 旨在简化 Python RESET APIs 的开发，其本身并非一个网络框架，构建在 Falcon 的高性能 HTTP 库之上，意味着可以使用任何 wsgi 兼容的服务器(例如 gunicorn)将其部署到生产环境中
- Connexion 一个基于Flask实现的一个框架，它基于以YAML格式描述的API的OpenAPI 2.0规范（以前称为Swagger Spec）自动处理HTTP请求
Web Server
- Gunicorn Green Unicorn，是一个 WSGI 服务器，用来支持 Python 应用，被设计成运行于Nginx之后，轻量级、易于使用、并使用许多UNIX特性
- uWSGI 用来构建全栈式的主机服务，既能当作独立的 web 路由器来运行，也能运行在一个完整 web 服务器（比如Nginx或Apache）之后
- Meinheld 一个高性能的异步 WSGI Web 服务, 利用 greenlet 和 Picoev 实现异步 I/O
网络爬虫
消息队列
远程对象支持
日期与时间处理
- Delorean 用它处理日期和时间非常方便。设置时区，截取到秒、分、小时，甚至使用特定步骤从一个日期进到另一个日期
- Arrow 提供了合理的、友好的方式来创建、控制、格式化、转换 Python 的日期、时间和时间戳
- Pendulum 在标准库的基础之上，提供了一个更简洁，更易于使用的 API
- dateutil 是 datetime 标准库的一个扩展库，几乎支持以所有字符串格式对日期进行通用解析，日期计算灵活，内部数据更新及时
- moment 用于处理日期/时间的 Python 库，设计灵感同样是来源于 moment.js 和 requests ，设计理念源自 Times Python 模块
- when.py 提供对用户非常友好的特性来帮助执行常见的日期和时间操作
- maya 主要为了解决解析网站时间数据的问题
- Chronyk 用于解析手写格式的时间和日期
- delorean 一个很方便的日期时间库，可以让人更简单省心的获取时间，不必受困于时间模块中的各种问题
Excel
SSH
科学计算与数据处理
- numpy
- pandas
- PyTables 提供了一些用于结构化数组的高级查询功能，而且还能添加列索引以提升查询速度，这跟关系型数据库所提供的表索引功能非常类似。
- h5py 将数据存储为高效且可压缩的HDF5格式
- umexpr 基于 NumPy 的快速数值表达式求值库
- dask 一个并行计算库，能在集群中进行分布式计算，能以一种更方便简洁的方式处理大数据量
- fastcache 用 C 实现的，更快的，兼容 Python2 和 Python3 的缓存模块
- PrettyPandas 用 pandas Style API 来将DataFrames转换成适合展示的表格
- bcolz 列式存储的数据持久化方案，压缩率高而且查询速度快
- odo 在各种数据格式之间高效的迁移数据。这里的数据格式既包括内存中的数据结构，比如：列表、集合、元组、迭代器、numpy中的ndarray、pandas中的DataFrame、dynd中的array，以及上述各类的流式序列。也包括存在于Python程序之外的持久化数据，比如：CSV、JSON、行定界的JSON，以及以上各类的远程版本，HDF5 (标准格式与Pandas格式皆可)、 BColz、 SAS、 SQL 数据库 ( SQLAlchemy支持的皆可)、 Mongo 等
- Blaze 用于处理数据库和分析查询的阵列技术。是下一代的 NumPy。用于处理分布式的各种不同数据源的计算
- joblib 为Python函数提供轻量级管道任务(pipeline job)服务的一系列工具，包括透明磁盘IO缓冲、快速序列化、简单并行化运行、日志服务等，为大数据集的快速可靠处理进行了优化，特别针对numpy数组的处理进行了优化
文本与自然语言处理
代码与性能测试
- profile/cProfile 标准库提供的性能分析工具
- line_profile 基于函数的性能分析工具，可测试函数中每一行代码消耗的 CPU 时间
- snakeviz 基于 cProfile 的性能分析工具，可将分析结果图形化展示
- memory_profiler 内存占用分析工具，基于函数，可分析函数中每一行代码的内存占用
- pytest 一个成熟的全功能的 Python 测试框架
- mock 用来创建和管理模拟对象，以完成单元测试，在 Python 3.x 中已被集成到 unittest 标准库
- Fudge 是一个类似于 Java 中的 JMock 的纯 python 的 mock 测试模块，主要功能就是可以伪造对象，替换代码中真实的对象，来完成测试
- httmock 基于 Mock 库，更方便于用 requests 的方式来返回接口的值
- HTTPretty HTTP 请求的 mock 工具
- vcrpy 自动 mock HTTP 交互
- HTMLTestRunner 是 Python 标准库 unittest 单元测试框架的一个扩展，用来生成 HTML 测试报告
- Locust 是一个 Python 的性能测试工具，可以通过写 Python 脚本的方式来对 web 接口进行负载测试
性能优化
- numba 使用 Just-in-Time(JIT) 即时编译器的方式加速代码，其 Python 源码通过 LLVMPy 生成 JIT 后的 so文件来加速
- cython 是 Python 的 C 语言扩展。准确说 Cython 是单独的一门语言，专门用来写在 Python 里面 import 用的扩展库。实际上 Cython 的语法基本上跟 Python 一致，而 Cython 有专门的编译器：先将 Cython 代码转变成 C(自动加入了一大堆的 C-Python API)，然后使用 C 编译器编译出最终的 Python 可调用的模块。不过 Cython 的缺点是，你并不能真正编写 Python 代码
- pypy 使用 Python 实现的解释器，它使用了 Just-in-Time(JIT) 即时编译器，即动态编译器，与静态编译器（如gcc,java等）不同，它是利用程序运行的过程的数据进行优化
- Pyston 是一款 Dropbox 推出的新的基于 JIT 的 Python 实现，使用 LLVM 编译器实现代码解析与转换
