Nous avons examiné et comparé 10 000 bibliothèques open source pour Python et sélectionné les 34 les plus utiles.
Nous avons regroupé ces bibliothèques en 8 catégories.
Cet article a été traduit avec le soutien de la société EDISON Software, qui , ainsi que .
Python Toolkit
1. : Workflow de développement Python pour les humains.
2. : Développement de jeux rétro en Python.
3. : Framework qui aide à écrire des tests courts et évolutifs pour des tests fonctionnels complexes.
4. : Simplifie la gestion des dépendances et le packaging.
5. : Facilite la gestion des logs.
6. : bibliothèque pour des applications de streaming.
7. : Le Pattern Matching dont vous avez toujours rêvé.
8. : Vérification de types performante.
9. : bibliothèque pour travailler avec le temps et les dates.
10. : bibliothèque pour travailler avec des circuits Noisy Intermediate Scale Quantum (NISQ).
11. : Framework pour la gestion de la ligne de commande.
Web
12. : Parsing HTML pour les humains.
13. : visualisation interactive des données dans les navigateurs modernes.
14. : rapide, cool, et asynchrone.
15. : Affichage de contenu HTML dans une fenêtre séparée.
16. : Détection et contournement des pare-feu et systèmes de protection des applications web.
17. : framework minimaliste et rapide pour créer des API HTTP.
Terminal
18. : enregistre les sessions de terminal en tant qu'animation SVG.
19. : enregistre les sessions terminal.
20. : outils pour la ligne de commande qui dessinent des graphiques.
Code Editor
21. : formatter de code sans compromis.
22. : éditeur de code expérimental pour écrire des algorithmes.
23. : outil de refactorisation basé sur l'arbre syntaxique.
Debugging
24. : permet de visualiser sur quoi votre programme passe du temps, sans redémarrer le programme.
25. : débogueur graphique utilisant l'AST.
26. : un adorable débogueur.
Compiler
27. : traducteur de Python 3.7 vers JavaScript.
28. : stack de datascience dans le navigateur.
Data Related
29.: validation des données.
30. : Framework de programmation orienté données pour le travail sur les pipelines de données (Web Crawler, Apprentissage automatique, Trading quantitatif, etc.).
31. : tests comparatifs de performance dans les opérations Pandas.
Chart
32. : collection de scripts pour dessiner de belles figures et animer des algorithmes.
33. : aide les data scientists à créer des graphiques.
34. : Un outil pour la représentation géométrique des données multidimensionnelles.
P.S.
Partagez votre expérience avec ces bibliothèques ou parlez de vos découvertes de 2019.
Source : habr.com
