推荐一些能能提高生产力的推荐一些能能提高生产力的 Python 库库
“
阅读本文大概需要 3 分钟。
”
一门语言好用、方便的程度在很多时候会取决于这门语言相关的库够不够丰富，Python 之所以火爆除了其本身的语法和特性之外，还在一定程度上取决
于其有太多太多库的支持，不论是官方维护的还是第三方开发的。就比如说做机器学习为什么很多人都用 Python，一个非常大的因素就是 TensorFlow
和 PyTorch 对 Python 的支持。当然在这里并不是说 Python 的库真的就全的不要不要的，它在某些领域或者项目的生态还是有待完善的。
正好昨天刷到知乎一个问题「你见过哪些相见恨晚的 Python 库？」，其意就是想了解下有哪些非常好用的提高生产力的 Python 库。一些回答直接把
awesome-python 贴过来，点赞非常多，当然多归多，但是里面很多都是些过期的或者其实没太有什么价值的库，反而会增加了挑选库的成本。我大体上
把一些回答过了一遍，另外结合自己平时了解的内容，稍微对一些基础生产力库做了简单的梳理，在这里分享给大家。
所以这里就不再针对于一些特殊的场景推荐了，如一些 Web开发库、网络请求库、数据操作库、数据分析库、机器分析库等等。下面主要罗列一些适用
范围和方向较广，对于一些基础设施的建设比较有用，能在多数场景下提高 Python 生产力的库，描述比较简单，主要是提供一个列表，仅供参考哈。
attrs、、cattrs
GitHub：https://github.com/python-attrs/attrs、https://github.com/Tinche/cattrs
简化类的定义、序列化反序列化等操作。
个人写的简介：https://mp.weixin.qq.com/s/oHK-Y4lOeaQCFtDWgqXxFA
loguru
GitHub：https://github.com/Delgan/loguru
可简化日志记录写法。
个人写的简介：https://mp.weixin.qq.com/s/5Ri1WS5cTGCNAQ0I_zYycg
autopep8
GitHub：https://github.com/hhatto/autopep8
把 Python 代码转成符合 PEP8 规范的代码。
psutil
GitHub：https://github.com/giampaolo/psutil
Python 实现任务监控的库。
furl
GitHub：https://github.com/gruns/furl
对 url 的处理非常方便，比 urllib 等库好用多。
retrying、、tenacity
GitHub：https://github.com/rholder/retrying、https://github.com/jd/tenacity
异常重试库，如出错之后重试多少次，尤其在发起一些 HTTP 请求时非常有用，当然也能用于其他地方。
typing
Docs：https://docs.python.org/zh-cn/3/library/typing.html#module-typing
对 Python 类型的支持，支持多种类型、嵌套类型，也推荐多多使用 Python 的类型注解。
argparse
Docs：https://docs.python.org/zh-cn/3/library/argparse.html
个人曾经使用过几个命令行解析工具，如 docopt，但后来还是转回来了 argparse，功能齐全强大。
absl-py
GitHub：https://github.com/abseil/abseil-py
个人感觉比 argparse 更易用的库，如 TensorFlow 就在使用这个，对于定义一些 Flag 非常方便。
pipenv
GitHub：https://github.com/pypa/pipenv
功能更全的包管理工具，集成虚拟环境、支持 Lock 机制锁定安装包版本和依赖信息。当然也有坑点，可自行搜索。
drf
Docs：https://www.django-rest-framework.org/
基于 Django 的 REST Framework，快速实现 REST API。
评论0