Wir haben 10.000 Open-Source-Bibliotheken für Python durchgesehen und 34 der nützlichsten ausgewählt.
Wir haben diese Bibliotheken in 8 Kategorien gruppiert.
Der Artikel wurde mit Unterstützung der Firma EDISON Software übersetzt, die , sowie .
Python Toolkit
1. : Python-Entwicklungsworkflow für Menschen.
2. : Entwicklung von Retro-Spielen in Python.
3. : Framework, das das Schreiben kurzer Tests unterstützt und für komplexe Funktionstests skalierbar ist.
4. : Vereinfacht das Dependency-Management und Packaging.
5. : Vereinfacht Logging.
6. : Bibliothek für Streaming-Anwendungen.
7. : Die Pattern Matching-Bibliothek, von der Sie geträumt haben.
8. : Performante Typüberprüfung.
9. , eine Bibliothek zur Arbeit mit Zeit und Datum.
10. : Bibliothek für die Arbeit mit Noisy Intermediate Scale Quantum (NISQ)-Schaltungen.
11. : Framework zur Arbeit mit der Befehlszeile.
Web
12. : HTML-Parsing für Menschen.
13. : Interaktive Datenvisualisierung in modernen Browsern.
14. : schnell, cool, asynchron.
15. : HTML-Inhalte in einem separaten Fenster anzeigen.
16. : Erkennung und Umgehung von Firewalls und Webanwendungsschutzsystemen.
17. : Minimalistisches und schnelles Framework zur Erstellung von HTTP-APIs.
Terminal
18. : Aufzeichnung von Terminal-Sitzungen als SVG-Animation.
19. : Aufzeichnung von Terminalsitzungen.
20. : Werkzeuge für die Befehlszeile, die Diagramme zeichnen.
Code Editor
21. : kompromissloser Code-Formatter.
22. : Experimenteller Code-Editor zum Schreiben von Algorithmen.
23. : Werkzeug für Refactoring auf der Ebene des Syntaxbaums.
Debugging
24. : Ermöglicht die Visualisierung dessen, wo Ihre Anwendung Zeit verbringt, ohne das Programm neu zu starten.
25. : Grafischer Debugger, der AST verwendet.
26. : Niedlicher Debugger.
Compiler
27. : Transpiler von Python 3.7 nach JavaScript.
28. : Data-Science-Stack im Browser.
Datenbezogen
29.: Datenvalidierung.
30. : Datengetriebenes Programmierframework für Datenpipeline-Arbeiten (Web Crawler, Maschinelles Lernen, Quantitatives Trading usw.).
31. : Vergleichende Leistungstests bei Pandas-Operationen.
Diagramm
32. : Sammlung von Skripten zum Zeichnen schöner Figuren und zur Animation von Algorithmen.
33. : Hilft Datenwissenschaftlern beim Erstellen von Diagrammen.
34. : Ein Werkzeug zur geometrischen Darstellung mehrdimensionaler Daten.
P.S.
Teilen Sie Ihre Erfahrungen mit diesen Bibliotheken oder berichten Sie über Ihre Entdeckungen aus dem Jahr 2019.
Quelle: habr.com
