Wir haben 10 Open-Source-Bibliotheken für Python überprüft und verglichen und die 000 nützlichsten ausgewählt.
Wir haben diese Bibliotheken in 8 Kategorien eingeteilt.
Der Artikel wurde mit Unterstützung von EDISON Software übersetzt , und auch .
Python-Toolkit
1. : Python-Entwicklungsworkflow für Menschen.
2. : Entwicklung von Retro-Spielen in Python.
3. : Ein Framework, das Ihnen hilft, kurze Tests und Skalen für komplexe Funktionstests zu schreiben.
4. : Vereinfacht die Verwaltung und Paketierung von Abhängigkeiten.
5. : Protokolle vereinfachen.
6. : Bibliothek für Streaming/Streaming-Anwendungen.
7. : Der Mustervergleich, von dem Sie schon immer geträumt haben.
8. : Performante Typprüfung.
9. , eine Bibliothek zum Arbeiten mit Zeiten und Daten.
10 : Eine Bibliothek für die Arbeit mit Noisy Intermediate Scale Quantum (NISQ)-Schaltkreisen.
11 : Ein Framework für die Arbeit mit der Befehlszeile.
Web
12 : HTML-Parsing für Menschen.
13 : Interaktive Datenvisualisierung in modernen Browsern.
14 : schnell, cool, asynchron.
15 : HTML-Inhalt in einem separaten Fenster anzeigen.
16 : Erkennen und umgehen Sie Firewalls und Sicherheitssysteme für Webanwendungen.
17 : Ein minimalistisches und schnelles Framework zum Erstellen von HTTP-APIs.
Terminal
18 : Wir zeichnen Sitzungen mit dem Terminal als SVG-Animation auf.
19 : Wir zeichnen Terminalsitzungen auf.
20 : Befehlszeilentools, zeichnet Diagramme.
Code-Editor
21 : kompromissloser Codeformatierer.
22 : experimenteller Code-Editor zum Schreiben von Algorithmen.
23 : Ein Refactoring-Tool auf der Ebene des Syntaxbaums.
Fehlerbeseitigung
24 : Ermöglicht Ihnen zu visualisieren, womit Ihr Programm Zeit verbringt, ohne das Programm neu starten zu müssen.
25 : Grafischer Debugger mit AST.
26 : süßer Debugger.
Compiler
27 : Python 3.7 zu JavaScript-Übersetzer.
28 : Datascience-Stack im Browser.
Datenbezogen
29: Datenvalidierung.
30 : Datengesteuertes Programmierframework für die Datenpipeline-Arbeit (Web Crawler, maschinelles Lernen, quantitativer Handel usw.).
31 : vergleichende Leistungstests im Pandas-Betrieb.
Chart
32 : eine Sammlung von Skripten zum Zeichnen schöner Formen und Animationsalgorithmen.
33 : Hilft Datenwissenschaftlern beim Erstellen von Diagrammen.
34 : Ein Werkzeug zur geometrischen Darstellung mehrdimensionaler Daten.
PS
Teilen Sie Ihre Erfahrungen mit diesen Bibliotheken oder erzählen Sie uns von Ihren Erkenntnissen im Jahr 2019.
Source: habr.com
