共计 3614 个字符，预计需要花费 10 分钟才能阅读完成。
2020 年曾经过来了，国外的一家专门提供 Python 服务的网站 Troy Labs，盘点出了 2020 年公布的 Python 库 Top10。
上榜的有 FastAPI 的升级版 Typer、将 CLI 变成黑白的 Rich、基于 GUI 框架的 Dear PyGui、还有精简报错信息的 PrettyErrors……总有一款是你想要的。
上面就让咱们一起来看看吧~
1、Typer
Typer 跟 FastAPI 的原理雷同，都是 Python 上用来构建 API 服务的一个高性能框架。
它是 FastAPI 的升级版，不仅可能精确地记录代码，还可能轻松地进行 CLI 验证。
Typer 易于学习和应用，不须要用户浏览简单的教程文档即可上手。反对编辑器（如 VSCode）代码主动补全，进步开发人员的开发效率，缩小 bug 的数量。
其次，Typer 还能配合命令行神器 Click 应用，就能够利用 Click 的长处和插件，实现更简单的性能。
开源地址：
https://github.com/tiangolo/t…
2、Rich
谁规定 CLI 界面肯定得是黑白的？它也能够是黑白的。
Rich API 不仅可能在终端输入提供丰盛的黑白文本和精美的格局，还提供了精美的表格、进度条、编辑器、追踪器、语法高亮等。如下图所示。
它还能够装置在 Python REPL 上，所有的数据结构都能够丑陋地输入或标注。
总而言之，它是黑白的、丑陋的、弱小的。
Rich 兼容性也不错，实用于 Linux，Mac 和 Windows 等多种零碎。真彩色 / 表情符号可与新的 Windows 终端一起应用。
然而请留神，Rich 必须要 Python 3.6.1 或以上版本。
开源地址：
https://github.com/willmcguga…
3、Dear PyGui
如上所示，尽管终端应用程序能够做成很漂亮的样子。然而，你可能还须要一个真正的 GUI。
Dear PyGui 是一个便于应用、功能强大的 Python GUI 框架。然而它与其余的 Python GUI 却有着基本上的不同。
它应用了即时模式范式和计算机的 GPU 来实现动静界面。即时模式范式在视频游戏中十分风行，这意味着它的动静 GUI 不须要保留任何数据，而是逐帧独立绘制的。同时，它还应用 GPU 来建构动静界面。
Dear PyGui 还能够绘图、创立主题、创立 2D 游戏，还领有一些小工具，比如说内置文档、日志记录、源代码查看器之类的，这些小工具能够帮助 App 的开发。
反对它的零碎有：Windows 10（DirectX 11），Linux（OpenGL 3）和 macOS（Metal）等。
开源地址：
https://github.com/hoffstadt/…
4、PrettyErrors
PrettyErrors 是一个精简 Python 错误信息的工具，特点是界面非常简洁敌对。
它最显著的性能是反对在终端进行黑白输入，标注出文件栈形迹，发现错误信息，过滤掉冗余信息，提取出要害局部，并且进行黑白标注，从而进步开发者的效率。
而且它能够不必装置，间接被导入我的项目中应用，然而须要先配置一些参数，其导入和配置的参数如下：
开源地址：
https://github.com/onelivesle…
5、Diagrams
程序员在编程的时候，有时候须要跟共事解释他设计的程序代码之间简单的构造关系，然而这不是一两句话能说分明的，须要画表或者做脉络图。
个别状况下，程序员应用 GUI 工具解决图表，并将文稿进行可视化解决。然而还有更好的办法，比如说应用 Diagrams 库。
Diagrams 让不须要任何设计类工具，间接在 Python 代码中绘制云系统结构。它们的图标来自多家云服务商，包含 AWS, Azure, GCP 等。
仅需几行代码，就能够简略地发明出箭头符号和结构图。
因为它应用 Graphviz 来渲染图，所以还须要先装置好 Graphviz。
开源地址：
https://github.com/mingrammer…
6、Hydra and OmegaConf
在做机器学习我的项目的时候，须要做一大堆的环境配置工作。因而，在一些简单的应用程序中，配置管理工作也相应变得复杂。
Hydra 能够使配置工作变得简略。它可能从命令行或者配置文件中笼罩局部进去，无需保护类似的配置文件，用组合的形式进行配置，从而放慢了试验运行速度。
Hydra 兼容性强，领有含插件的构造，可能很好地与开发者的操作文件交融。它的插件还能够实现间接通过命令行，就把代码公布到 AWS 或者其余云端零碎。
Hydra 也离不开 OmegaConf，两者关系密不可分，OmegaConf 为 Hydra 的分层配置零碎提供了协同的 API，二者协同运作可反对 YAML、配置文件、对象、CLI 参数等。
开源地址：
https://github.com/facebookre…
https://github.com/omry/omega…
7、PyTorch Lightning
PyTorch Lightning 也是 Facebook 的一个研究成果。它是一个笨重的 PyTorch 包装器，用于高性能 AI 钻研，其最重要的特色是可能解析 PyTorch 代码，让代码钻研成分和工程成分的拆散。
它的扩大模型能够在任何硬件（CPU、GPU、TPU）上运行，且容易被复制，删除了大量的文件样本，放弃了本身的灵活性，运行速度快。
Lightning 可能使 DL / ML 钻研的 40 多个局部实现自动化，例如 GPU 训练、分布式 GPU（集群）训练、TPU 训练等等……
因为 Lightning 将能够将文件主动导出到 ONNX 或 TorchScript，所以它实用于进行疾速推理的 AI 研究员、BERT 或者自监督学习的钻研团队等。
开源地址：
https://github.com/PyTorchLig…
8、Hummingbird
Hummingbird 是微软的一项研究成果，它可能将曾经训练好的 ML 模型汇编成张量计算，从而不须要设计新的模型。
还容许用户应用神经网络框架（例如 PyTorch）来减速传统的 ML 模型。
它的推理 API 跟 sklearn 范例十分相似，都能够重复使用现有的代码，然而它是用 Hummingbird 生成的代码去实现的。
Hummingbird 还在 Sklearn API 之后提供了一个不便的对立推理 API。这样就能够将 Sklearn 模型与 Hummingbird 生成的模型调换，而无需更改推理代码。
它之所以被重点关注，还因为它可能反对多种多样的模型和格局。
到目前为止，Hummingbird 反对 PyTorch、TorchScript、ONNX 和 TVM 等各种 ML 模型。
开源地址：
https://github.com/microsoft/…
9、HiPlot
因为 ML 模型变得越来越简单，还有很多超参数，于是就须要用到 HiPlot。HiPlot 是往年 3 月 Facebook 发行的一个库，次要用于解决高维数据。
Facebook AI 通过几十个超参数和 10 万多个试验，利用 HiPlot，来剖析深度神经网络。
它是用平行图和其余的图像形式，帮忙 AI 研究者发现高维数据的相关性和模型，是一款笨重的交互式可视化工具。
HiPlot 与其余可视化工具相比，有其特有的长处：
首先，它的互动性强，因为平行图是交互式的，所以可能满足多种状况下的图像可视化。
其次，它简略易用，能够通过 IPython Notebook 或者通过带有“hiplot”命令的服务间接应用。
它还有具备可扩展性。默认状况下，HiPlot 的 Web 服务能够解析 CSV 或 JSON 文件，还能够为其提供自定义 Python 解析器，将试验转换为 HiPlot 试验。
开源地址：
https://github.com/facebookre…
参考链接：
https://ai.facebook.com/blog/…
10、Scalene
Scalene 是一个用于 Python 脚本的 CPU 和内存分析器，可能正确处理多线程代码，还能辨别 Python 代码和本机代码的运行工夫。
你不须要批改代码，只需运行 Scalene 脚本，它就会生成一个文本模式的报告，显示出每一行代码的 CPU 和内存的应用状况。通过这个文本报告，开发人员能够进步代码的效率。
Scalene 的速度快、准确率高，还可能对高耗能的代码行进行标注。
开源地址
https://github.com/emeryberge…
除了以上 10 个，还有多个高性能的 Python 库被点名了，例如 Norfair、Quart、Alibi-detect、Einops……等等，详情查看底部链接。
那么，你往年有发现好用的 Python 库吗？
如果有的话，请在评论区一起分享一下呀~
参考链接：
https://tryolabs.com/blog/202…
Top 10 Reasons Why Python is So Popular With Developers in 2020
原文：https://www.qbitai.com/2021/0…