2020年10款優(yōu)秀的Python第三方庫(kù),看看有你中意的嗎？
相對(duì)于numpy、TensorFlow、pandas這些已經(jīng)經(jīng)過(guò)多年維護(hù)、迭代，對(duì)于大多數(shù)Python開(kāi)發(fā)者耳熟能詳?shù)膸?kù)不同。
今天要給大家介紹的是誕生于2020年的新鮮Python庫(kù)，而且，本文介紹的這10個(gè)Python庫(kù)一直都受到非常好的維護(hù)。
廢話不多說(shuō)，下面開(kāi)始本文的正式內(nèi)容!
1. Typer
或許，你并非經(jīng)常編寫 CLI 應(yīng)用程序，但是當(dāng)你編寫時(shí)，有可能會(huì)遇到很多障礙。
繼FastAPI的巨大成功之后，tiangolo用同樣的原則為我們帶來(lái)了Typer[1]：一個(gè)新的庫(kù)，它能讓你利用Python 3.6+的類型提示功能來(lái)編寫命令行接口。
這個(gè)設(shè)計(jì)確實(shí)讓Typer脫穎而出。除了確保你的代碼是正確的文檔，你還可以通過(guò)小小的改動(dòng)得到一個(gè)帶有驗(yàn)證的CLI接口。
而且通過(guò)使用類型提示，你可以在你的Python編輯器中獲得自動(dòng)完成(比如VSCode)，這將提高你的工作效率。
為了增強(qiáng)它的功能，Typer在另外一款非常知名的CLI工具Click的基礎(chǔ)之上做了很多優(yōu)化和改善。這意味著它可以利用它的所有優(yōu)點(diǎn)、社區(qū)和插件，同時(shí)以較少的模板代碼開(kāi)始簡(jiǎn)單的工作。
2. Rich
順著CLI的話題，在使用終端時(shí)，往往是單調(diào)的白色，這非常不利于分辨和閱讀。
你想給你的終端輸出添加色彩和與眾不同的風(fēng)格嗎?打印復(fù)雜的表格?顯示漂亮的進(jìn)度條?Markdown?Emojis?
Rich[2]都能滿足你的要求。
請(qǐng)看示例截圖，了解一下它的功能。
3. Dear PyGui
雖然，正如我們所看到的，終端應(yīng)用可以很好看，但有時(shí)這還不夠，你需要一個(gè)真正的GUI。
為此，Dear PyGui[3]應(yīng)運(yùn)而生，它是流行的Dear ImGui C++項(xiàng)目的Python移植。
Dear PyGui利用了在視頻游戲中流行的所謂即時(shí)模式范式。
這意味著動(dòng)態(tài)GUI是一幀一幀獨(dú)立繪制的，不需要持久化任何數(shù)據(jù)。這使得這個(gè)工具與其他Python GUI框架有著本質(zhì)上的區(qū)別。
它具有很高的性能，并使用計(jì)算機(jī)的GPU來(lái)促進(jìn)高動(dòng)態(tài)界面的構(gòu)建，這在工程、模擬、游戲或數(shù)據(jù)科學(xué)應(yīng)用中是經(jīng)常需要的。
4. PrettyErrors
這是一個(gè)讓你覺(jué)得："怎么以前沒(méi)有人想到它?"的Python庫(kù)。
PrettyErrors[4]只做了一件事，而且做得很好。
在支持彩色輸出的終端中，它將混亂的報(bào)錯(cuò)信息轉(zhuǎn)化為更適合我們?nèi)祟惖难劬?lái)解析的東西。
不再苦苦掃描整個(gè)屏幕，定位報(bào)錯(cuò)信息......現(xiàn)在你可以一目了然地找到它。
5. Diagrams
我們程序員喜歡解決問(wèn)題和編碼。
但有時(shí)，作為非常需要的項(xiàng)目文檔的一部分，我們需要向其他同事解釋復(fù)雜的架構(gòu)設(shè)計(jì)。
傳統(tǒng)上，我們已經(jīng)求助于GUI工具，我們可以在圖表和可視化上下功夫，把它放在演示和文檔中。
但這不是唯一的方式。
Diagrams[5]可以讓你不用任何設(shè)計(jì)工具，直接在Python代碼中繪制云系統(tǒng)架構(gòu)。
只需要幾行代碼，就可以繪制一幅亮眼的架構(gòu)圖。
6. Hydra and OmegaConf
在做機(jī)器學(xué)習(xí)項(xiàng)目的研究和實(shí)驗(yàn)時(shí)，總有無(wú)數(shù)的設(shè)置需要嘗試。
在一些應(yīng)用中，配置管理變得非常復(fù)雜。如果有一種結(jié)構(gòu)化的方式來(lái)處理這種復(fù)雜性，會(huì)極大的提高開(kāi)發(fā)效率。
Hydra[6]是一個(gè)工具，它允許你以可組合的方式構(gòu)建配置，并從命令行或配置文件中覆蓋某些部分。
python train_model.py variation=option_a,option_b ├── variation │ ├── option_a.yaml │ └── option_b.yaml ├── base.yaml └── train_model.py
另一款工具，OmegaConf[7]為分層配置系統(tǒng)的基礎(chǔ)提供了一致的API，支持YAML、配置文件、對(duì)象和CLI參數(shù)等不同來(lái)源。
7. PyTorch Lightning
每一個(gè)能夠提高數(shù)據(jù)科學(xué)團(tuán)隊(duì)生產(chǎn)力的工具都是價(jià)值連城的。
沒(méi)有理由讓在數(shù)據(jù)科學(xué)項(xiàng)目中工作的人每次都要重新發(fā)明輪子，反復(fù)思考如何更好地組織項(xiàng)目中的代碼，使用一些不太好維護(hù)的 "PyTorch boilerplate"，或者用潛在的控制權(quán)換取使用更高級(jí)別的抽象。
Lightning[8]通過(guò)將科學(xué)與工程脫鉤，有助于提高生產(chǎn)力。它有點(diǎn)像TensorFlow的Keras，在某種意義上，它使你的代碼更加簡(jiǎn)潔。
然而，它并沒(méi)有奪走你的控制權(quán)。它仍然是PyTorch，你可以使用所有常用的API。
這個(gè)庫(kù)可以幫助團(tuán)隊(duì)利用軟件工程的良好實(shí)踐，圍繞組件的組織和明確的責(zé)任，構(gòu)建高質(zhì)量的代碼，可以輕松地?cái)U(kuò)展到多個(gè)GPU、TPU和CPU上進(jìn)行訓(xùn)練。
這個(gè)庫(kù)可以幫助數(shù)據(jù)科學(xué)團(tuán)隊(duì)中那些初級(jí)成員產(chǎn)生更好的結(jié)果，同時(shí)，更有經(jīng)驗(yàn)的成員也會(huì)喜歡它，因?yàn)樵诓环艞壙刂茩?quán)的前提下，提高了整體生產(chǎn)力。
8. Hummingbird
不是所有的機(jī)器學(xué)習(xí)都是深度學(xué)習(xí)。很多時(shí)候，你的模型由scikit-learn中實(shí)現(xiàn)的比較傳統(tǒng)的算法組成(比如隨機(jī)森林)，或者你使用梯度提升方法，比如流行的LightGBM和XGBoost。
然而，在深度學(xué)習(xí)領(lǐng)域正在發(fā)生很多變化。像PyTorch這樣的框架正在以令人窒息的速度前進(jìn)，硬件設(shè)備也在優(yōu)化，以更快的速度和更低的功耗運(yùn)行張量計(jì)算。如果我們能夠利用這些工作，更快、更高效地運(yùn)行我們的傳統(tǒng)方法，豈不美哉?
這就是Hummingbird[9]的用武之地。
微軟的這個(gè)新庫(kù)可以將你訓(xùn)練好的傳統(tǒng)ML模型編譯成張量計(jì)算。
這很好，因?yàn)樗梢宰屇銛[脫重新設(shè)計(jì)模型的需要。
截至目前，Hummingbird支持轉(zhuǎn)換到PyTorch、TorchScript、ONNX和TVM，以及各種ML模型和矢量器。
9. HiPlot
幾乎每一位數(shù)據(jù)科學(xué)家在其職業(yè)生涯的某個(gè)階段都曾處理過(guò)高維數(shù)據(jù)。
不幸的是，人類的大腦并沒(méi)有足夠的能力直觀地處理這種數(shù)據(jù)，所以我們必須借助其他技術(shù)。
今年年初，F(xiàn)acebook發(fā)布了HiPlot[10]，這是一個(gè)幫助發(fā)現(xiàn)高維數(shù)據(jù)中的相關(guān)性和模式的庫(kù)，使用平行圖和其他圖形方式來(lái)表示信息。在他們的發(fā)布博文中解釋了這個(gè)概念，但基本上是一種很好的、方便的可視化和過(guò)濾高維數(shù)據(jù)的方法。
HiPlot是交互式的，可擴(kuò)展的，你可以從你的標(biāo)準(zhǔn)Jupyter Notebooks或通過(guò)它自己的服務(wù)器使用它。
10. Scalene
隨著Python庫(kù)的生態(tài)系統(tǒng)越來(lái)越復(fù)雜，我們發(fā)現(xiàn)自己編寫了越來(lái)越多的依賴于C擴(kuò)展和多線程代碼的代碼。
在對(duì)比性能時(shí)，這就成了一個(gè)問(wèn)題，因?yàn)镃Python內(nèi)置的剖析工具不能正確處理多線程和本地代碼。
這時(shí)，Scalene[11]就來(lái)救場(chǎng)了。
Scalene是一個(gè)針對(duì)Python腳本的CPU和內(nèi)存剖析工具，它能夠正確處理多線程代碼，并區(qū)分運(yùn)行Python和本地代碼的時(shí)間。
你不需要修改你的代碼，你只需要用scalene從命令行運(yùn)行你的腳本，它就會(huì)為你生成一個(gè)文本或HTML報(bào)告，顯示每行代碼的CPU和內(nèi)存使用情況。
結(jié)語(yǔ)
一款好用的工具，能夠讓開(kāi)發(fā)者事半功倍。
對(duì)于Python這種極度依賴第三方工具包的編程語(yǔ)言更是如此。
因?yàn)橛辛诉@些優(yōu)秀的工具，才使得Python生態(tài)得以完善和狀態(tài)。
以上就是2020年10款優(yōu)秀的Python第三方庫(kù),看看有你中意的嗎？的詳細(xì)內(nèi)容，更多關(guān)于python 第三方庫(kù)的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
解決python3.6用cx_Oracle庫(kù)連接Oracle的問(wèn)題
這篇文章主要介紹了解決python3.6用cx_Oracle庫(kù)連接Oracle的問(wèn)題,本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2020-12-12
Python在終端通過(guò)pip安裝好包以后在Pycharm中依然無(wú)法使用的問(wèn)題(三種解決方案)
這篇文章主要介紹了Python在終端通過(guò)pip安裝好包以后在Pycharm中依然無(wú)法使用的問(wèn)題及解決方法，本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2020-03-03
這篇文章主要介紹了Python 日志管理模塊Loguru的用法小結(jié),本篇文章只記錄loguru模塊的使用，包括簡(jiǎn)單的用法，以及在多模塊和多線程下的使用，需要的朋友可以參考下2023-02-02
這篇文章主要介紹了再談Python中的字符串與字符編碼（推薦），具有一定的參考價(jià)值，有需要的可以了解一下。2016-12-12
列表是一種非常靈活的數(shù)據(jù)結(jié)構(gòu),它可以包含多種類型的元素,本文將介紹如何將一組列表保存到txt文件中,并提供相應(yīng)的讀取方法,希望對(duì)大家有所幫助2024-04-04
這篇文章主要介紹了Python?文件讀取的4種方式,主要有直接打開(kāi)就讀方式，用read()打開(kāi)，用readines()以及用readline()方式，每種方式通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì)，需要的朋友可以參考下2022-11-11
這篇文章主要介紹了Python openpyxl模塊原理及用法解析,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-01-01
這篇文章主要介紹了圖解Python中的淺拷貝和深拷貝,深拷貝,拷貝的程度深,自己新開(kāi)辟了一塊內(nèi)存,將被拷貝內(nèi)容全部拷貝過(guò)來(lái)了,淺拷貝,拷貝的程度淺,只拷貝原數(shù)據(jù)的首地址,然后通過(guò)原數(shù)據(jù)的首地址,去獲取內(nèi)容,需要的朋友可以參考下2023-11-11
python遞歸查詢菜單并轉(zhuǎn)換成json實(shí)例
本篇文章主要介紹了python遞歸查詢菜單并轉(zhuǎn)換成json實(shí)例，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下。2017-03-03
Windows系統(tǒng)下cython_bbox庫(kù)的正確安裝步驟
Cython-bbox一般無(wú)法直接通過(guò)pip直接安裝,那么如何安裝呢?下面這篇文章主要給大家介紹了關(guān)于Windows系統(tǒng)下cython_bbox庫(kù)的正確安裝步驟,文中通過(guò)圖文介紹的非常詳細(xì),需要的朋友可以參考下2023-05-05