Mybridge作者Nurhachu Null 张倩编译

平均3293颗星的34个年度开源Python库

在过去的一年里,本文作者比较了近一万个开源 Python 库,并从中选出了 34 个最有用的工具。它们在GitHub上的平均⭐️数量是 3293,包括 Python 工具、Web、终端、代码编辑器、编译器等。


这些开源Python库被分为 8 个类别,如下图所示。

  • 测试版本的内容目录参见GitHub(https://github.com/Mybridge/amazing-python-2019) (https://github.com/Mybridge/amazing-python-2019%EF%BC%89)

  • 过去一年令人惊喜的机器学习项目(v.2019),参见这里(https://medium.mybridge.co/amazing-machine-learning-open-source-tools-projects-of-the-year-v-2019-95d772e4e985)

  • 过去一年30个优秀的Python项目(v.2018),参见这里(https://medium.mybridge.co/30-amazing-python-projects-for-the-past-year-v-2018-9c310b04cdb3)

开源库可以加快你开发软件的速度。抽出足够的时间来玩转一下过去一年优秀的开源Python库吧。

推荐学习

  • A)初学者:The Python Bible™ |Everything You Need to Program in Python [57140 推荐,评分4.6/5]。(http://bit.ly/2Dci974)

  • B)深度学习:Python TensorFlow深度学习完全指南 [53664 推荐,评分4.5/5] (http://bit.ly/2EatVy7)

<Python工具>

No.1

Pipenv: 为人类提供的Python开发流程[Github 15710星](https://github.com/pypa/pipenv?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

No 2

Pyxel: Python复古游戏开发环境[GitHub4884星](https://github.com/kitao/pyxel?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

No 3

PyTest v3.5: 可以轻松编写小测试的Python框架,不过还需要扩展以支持复杂功能的测试。[GitHub 3631星](https://github.com/pytest-dev/pytest?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

No 4

Poetry: Python依赖关系管理,并且让封装更加容易。[GitHub3228星](https://github.com/sdispater/poetry?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

No 5

Loguru: 让Python日志变得简单(傻瓜式)。[GitHub 3048星](https://github.com/Delgan/loguru?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

No 6

Faust:用Python构建流式应用的库。[GitHub 2733星](https://github.com/robinhood/faust?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

No 7

Pampy: 你梦寐以求的用于Python的模式匹配。[GitHub 2399星](https://github.com/santinic/pampy?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

No 8

Pyre-check:高效的Python拼写检查。[GitHub 2242星](https://github.com/facebook/pyre-check?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

No 9

Delorean, Time Travel Made Easy: 用来清理在处理日期时间时出现的不便事实的Python库。[GitHub1502星](https://github.com/myusuf3/delorean?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

No 10

Cirq:用于创建、编辑和激活嘈杂中型量子(NISQ)电路的Python框架。[GitHub 1394星](https://github.com/quantumlib/Cirq?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

No 11

Python-nubia: 一个命令行交互式shell框架。[GitHub 1032星](https://github.com/facebookincubator/python-nubia?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

<Web>

No 12

Requests-HTML: 适合人类的HTML解析(使用Python 3)[GitHub 8995星](https://github.com/kennethreitz/requests-html?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

No 13

Bokeh:一个交互式的Python可视化库,它能够在现代web浏览器中实现漂亮且有意义的数据视觉展现。[GitHub 8943星](https://github.com/bokeh/bokeh?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

No 14

Vibora: 快速、异步并且迷人的Pythonweb框架。[GitHub 4665星](https://github.com/vibora-io/vibora?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

No 15

Pywebview v2.0: 围绕webview组件的轻量级跨平台本机wrapper,它允许在自己专用的窗口显示HTML内容。[GitHub 1208星](https://github.com/r0x0r/pywebview?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

No 16

WhatWaf: 检测并绕过web应用防火墙和防护系统。[GitHub 995颗星](https://github.com/Ekultek/WhatWaf?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

No 17

Molten:用Python 3.6以及更高版本Python构建HTTP API的最小、可扩展、快速、高效框架。[GitHub 796颗星](https://github.com/Bogdanp/molten?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

<终端>

No 18

Termtosvg: 将终端会话录制成用Python写的SVG动画。[GitHub 7522 颗星](https://github.com/nbedos/termtosvg?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

No 19

Asciinema v2.0: 使用Python开发的终端会话记录器。[GitHub 6668颗星](https://github.com/asciinema/asciinema?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

No 20

Termgraph:能够在终端绘制基本图形的Python命令行工具。[GitHub 2005颗星](https://github.com/mkaz/termgraph?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more) 

<代码编辑器>

No 21

Black:不妥协的Python代码格式化程序。[GitHub 7629颗星](https://github.com/ambv/black?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

No 22

Algojammer:用于在Python中写算法的实验性概念验证代码编辑器。[GitHub 2750颗星](https://github.com/ChrisKnott/Algojammer?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

No 23

Bowler:用于在语法树级别操作Python的重构工具。它可以实现安全、大规模的代码修改,同时保证结果代码的编译和运行。[GitHub 879 颗星](https://github.com/facebookincubator/bowler?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

<调试>

No 24

Py-spy: Python程序采样分析器。它可以让你在不用重启或者修改程序的情况下就能够将Python程序的时间都花在哪进行可视化。[GitHub 3479颗星] (https://github.com/benfred/py-spy?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

No 25

Birdseye: 使用AST的快速、便捷且以表达为中心的图形化Python调试器。[GitHub 1068颗星](https://github.com/alexmojaki/birdseye?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

No 26

Icecream:甜美顺滑的打印调试器。[GitHub728颗星](https://github.com/gruns/icecream?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

<编译器>

No 27

Transcrypt: Python 3.7到JavaScript的编译器——精湛、快速、开放![GitHub 1561颗星](https://github.com/qquick/Transcrypt?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

No 28

Pyodide:编译成WebAssembly 的Python科学栈。[GitHub 1041颗星](https://github.com/iodide-project/pyodide?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

<数据相关>

No 29

Voluptuous:尽管起了Voluptuous(丰满的)这个名字,但这是一个Python数据验证库。[GitHub 1368颗星](https://github.com/alecthomas/voluptuous?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

No 30

Botflow:用于数据流程工作(如网络爬虫、机器学习、量化交易等等)的Python快速数据驱动编程框架。[GitHub 933颗星](https://github.com/kkyon/botflow?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

No 31

Fast-Pandas: pandas中针对不同大小数据帧的不同运算基准。[GitHub 798颗星](https://github.com/mm-mansour/Fast-Pandas?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

<图表>

No 32

A Tour in the Wonderland of Math with Python(基于Python的数学仙境之旅): 一组用于绘制漂亮的图像和模拟有趣的数学算法的Python脚本。[GitHub 3172颗星](https://github.com/neozhaoliang/pywonderland?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

No 33

Chartify: 让数据科学家画图变得更轻松的Python库。[GitHub 1817颗星](https://github.com/spotify/chartify?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

No 34

Hypertools v0.5:用于获取高维数据中的几何思想的Python工具箱。[GitHub 1353颗星](https://github.com/ContextLab/hypertools?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more)

原文链接:https://medium.mybridge.co/34-amazing-python-open-source-libraries-for-the-past-year-v-2019-93d6ee11aceb

工程终端编译器Web开源库开源Python
7
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

模式匹配技术

在计算机科学中,模式匹配就是检查特定序列的标记是否存在某种模式的组成部分。 与模式识别相比,匹配通常必须是精确的。 模式通常具有序列或树结构的形式。 模式匹配的使用包括输出令牌序列内的模式的位置(如果有的话),输出匹配模式的某个分量,以及用另一个令牌序列(即搜索和替换)替换匹配模式。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

重构技术

代码重构(英语:Code refactoring)指对软件代码做任何更动以增加可读性或者简化结构而不影响输出结果。 软件重构需要借助工具完成,重构工具能够修改代码同时修改所有引用该代码的地方。在极限编程的方法学中,重构需要单元测试来支持。

基准技术

一种简单的模型或启发法,用作比较模型效果时的参考点。基准有助于模型开发者针对特定问题量化最低预期效果。

数据科学技术

数据科学,又称资料科学,是一门利用数据学习知识的学科,其目标是通过从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论和技术,包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算。数据科学通过运用各种相关的数据来帮助非专业人士理解问题。

TensorFlow技术

TensorFlow是一个开源软件库,用于各种感知和语言理解任务的机器学习。目前被50个团队用于研究和生产许多Google商业产品,如语音识别、Gmail、Google 相册和搜索,其中许多产品曾使用过其前任软件DistBelief。

暂无评论
暂无评论~