“

阅读本文大概需要 3 分钟。

”

一门语言好用、方便的程度在很多时候会取决于这门语言相关的库够不够丰富，Python 之所以火爆除了其本身的语法和特性之外，还在一定程度上取决于其有太多太多库的支持，不论是官方维护的还是第三方开发的。就比如说做机器学习为什么很多人都用 Python，一个非常大的因素就是 TensorFlow 和 PyTorch 对 Python 的支持。当然在这里并不是说 Python 的库真的就全的不要不要的，它在某些领域或者项目的生态还是有待完善的。

正好昨天刷到知乎一个问题「你见过哪些相见恨晚的 Python 库？」，其意就是想了解下有哪些非常好用的提高生产力的 Python 库。一些回答直接把 awesome-python 贴过来，点赞非常多，当然多归多，但是里面很多都是些过期的或者其实没太有什么价值的库，反而会增加了挑选库的成本。我大体上把一些回答过了一遍，另外结合自己平时了解的内容，稍微对一些基础生产力库做了简单的梳理，在这里分享给大家。

所以这里就不再针对于一些特殊的场景推荐了，如一些 Web开发库、网络请求库、数据操作库、数据分析库、机器分析库等等。下面主要罗列一些适用范围和方向较广，对于一些基础设施的建设比较有用，能在多数场景下提高 Python 生产力的库，描述比较简单，主要是提供一个列表，仅供参考哈。

attrs、cattrs

GitHub：https://github.com/python-attrs/attrs、https://github.com/Tinche/cattrs

简化类的定义、序列化反序列化等操作。

个人写的简介：https://mp.weixin.qq.com/s/oHK-Y4lOeaQCFtDWgqXxFA

loguru

GitHub：https://github.com/Delgan/loguru

可简化日志记录写法。

个人写的简介：https://mp.weixin.qq.com/s/5Ri1WS5cTGCNAQ0I_zYycg

autopep8

GitHub：https://github.com/hhatto/autopep8

把 Python 代码转成符合 PEP8 规范的代码。

psutil

GitHub：https://github.com/giampaolo/psutil

Python 实现任务监控的库。

furl

GitHub：https://github.com/gruns/furl

对 url 的处理非常方便，比 urllib 等库好用多。

retrying、tenacity

GitHub：https://github.com/rholder/retrying、https://github.com/jd/tenacity

异常重试库，如出错之后重试多少次，尤其在发起一些 HTTP 请求时非常有用，当然也能用于其他地方。

typing

Docs：https://docs.python.org/zh-cn/3/library/typing.html#module-typing

对 Python 类型的支持，支持多种类型、嵌套类型，也推荐多多使用 Python 的类型注解。

argparse

Docs：https://docs.python.org/zh-cn/3/library/argparse.html

个人曾经使用过几个命令行解析工具，如 docopt，但后来还是转回来了 argparse，功能齐全强大。

absl-py

GitHub：https://github.com/abseil/abseil-py

个人感觉比 argparse 更易用的库，如 TensorFlow 就在使用这个，对于定义一些 Flag 非常方便。

pipenv

GitHub：https://github.com/pypa/pipenv

功能更全的包管理工具，集成虚拟环境、支持 Lock 机制锁定安装包版本和依赖信息。当然也有坑点，可自行搜索。

drf

Docs：https://www.django-rest-framework.org/

基于 Django 的 REST Framework，快速实现 REST API。

watchdog

GitHub：https://github.com/gorakhargosh/watchdog

方便监视文件系统改动。

glob

Docs：https://docs.python.org/3/library/glob.html

对文件的操作非常方便。

2to3

Docs：https://docs.python.org/2/library/2to3.html

把 Python2 代码转成 Python3 代码。

glom

GitHub：https://github.com/mahmoud/glom

对 JSON 嵌套的处理非常方便。

pathlib

Docs：https://docs.python.org/3/library/pathlib.html

更为方便的 Python 路径操作库。

environs

GitHub：https://github.com/sloria/environs

对于环境变量的获取非常方便，支持多种类型，如 int、bool 等。

pysnooper

GitHub：https://github.com/cool-RR/PySnooper

非常方便简单的 Python 调试器，可以追踪到代码每一处细节的执行状态。

tqdm

GitHub：https://github.com/tqdm/tqdm

进度条控制显示非常方便。

sh

GitHub：https://github.com/amoffat/sh

对 Linux 一些命令的封装，简单好用又高效。

faker

GitHub：https://github.com/joke2k/faker

模拟数据的生成。

个人写的简介：https://mp.weixin.qq.com/s/iLjr95uqgTclxYfWWNxrAA

arrow、dateutil、dateparser、pendulum

GitHub：https://github.com/crsmithdev/arrow、https://github.com/dateutil/dateutil、https://github.com/scrapinghub/dateparser、https://github.com/sdispater/pendulum

时间解析和处理库，非常方便。arrow 目前 Star 最多，好评最多。

yagmail

GitHub：https://github.com/kootenpv/yagmail

方便的发邮件库，替代自带的 smtplib。

chardet

GitHub：https://github.com/chardet/chardet

字符串类型编码检测。

pypinyin

GitHub：https://github.com/mozillazg/python-pinyin

汉字转拼音，在一些中文转化处理上很有用。

个人写的简介：https://mp.weixin.qq.com/s/NvA3j8Ns1-6CFgWpUcWwQw

sphinx

Docs：https://www.sphinx-doc.org/en/master/

编写文档使用，大多数 Python 库文档都是这个写的，如 Scrapy、requests。

个人 sphinx + markdown 的样例：https://github.com/Gerapy/Docs

jinja2

GitHub：https://github.com/pallets/jinja

一个方便的模板引擎，呈现页面时很方便。

click

GitHub：https://github.com/pallets/click

更方便灵活地实现命令行传递参数。

ray

GitHub：https://github.com/ray-project/ray

分布式多进程管理。

supervisor

GitHub：https://github.com/Supervisor/supervisor

进程管理工具，如实现多任务后台运行，Docker 打包时会经常用到。

apscheduler

GitHub：https://github.com/agronholm/apscheduler

Python 定时任务，不过 K8S 也可以实现，个人目前可能更倾向于 K8S。

intelpython

Home：https://software.intel.com/en-us/distribution-for-python

这不是 Python 库，是一个 Intel 开发的基于 Intel 处理器优化的 Python 解释器，对于大规模运算提升很大。

完毕。

好啦，先推荐这么多了，后面还会慢慢积累，大家可以了解下，个人感觉有不少库还是能极大提高生产力的。

往期精彩回顾适合初学者入门人工智能的路线及资料下载机器学习在线手册深度学习在线手册AI基础下载（pdf更新到25集）备注：加入本站微信群或者qq群，请回复“加群”获取一折本站知识星球优惠券，请回复“知识星球”喜欢文章，点个在看