Python開發(fā)者2017應該關注的七個類庫
Django 依然是 Python 開發(fā)者值得信賴的庫 。然而，在 2016 年幾個還不太知名的庫引起了 Python 開發(fā)者的關注。在這篇博文中，我像大家揭示 7 個 Python 類庫，其中不包括像 Django，F(xiàn)lask 等已廣為熟知的庫，這些類庫在 2017 年可能值得 Python 開發(fā)者參考.
#1 Arrow
移動應用程序無處不在，而且全球人類都參與其中 - 無論是游戲，社交媒體，健康監(jiān)控或其他。然而， Python 的標準數(shù)據(jù)/時間庫的問題讓它很難滿足現(xiàn)代應用的需求，這些應用的目標受眾生活在不同的地區(qū)和國家。 Arrow 就是克服這個問題的類庫之一。它擁有簡化創(chuàng)建，格式化，操作和轉(zhuǎn)換數(shù)據(jù)，以及時間和時間戳的功能。
該庫解決了 Python 2 或 3 的支持 datetime 類型的需求。使用 Arrow，開發(fā)人員可以輕松地將一個時區(qū)轉(zhuǎn)換為另一個時區(qū)。此外，Arrow 的日期，時間和日歷模塊打開了一站式服務的國際化應用程序的大門。
#2 TensorFlow
2015 年 11 月由 Google 推出的 TensorFlow 是一個用于數(shù)值計算的開源軟件庫。 自 TensorFlow 的推出才過去一年多的時間，但是這個庫已經(jīng)在 Python 開發(fā)人員中獲得了相當大的人氣。 事實上， TensorFlow 是 最時髦 GitHub Python 資源庫 之一。
該庫可以在桌面，服務器或移動設備中通過單個 API 使用運行在 GPU 和 CPUs 上的數(shù)據(jù)流圖能力。 TensorFlow 最初由 Google 機器智能研究機構的研究人員和工程師開發(fā)，用于機器學習和深度神經(jīng)網(wǎng)絡研究。 雖然 TensorFlow 在機器學習社區(qū)中掀起了一些小的波瀾，但它已經(jīng)被證明非常適合生產(chǎn)應用程序。
#3 Zappa
最開始的時候是由 AWS Lambda 帶來了無服務架構。而 Zappa 則被認為是改進了的 Python web 應用部署的程序。 Rich Jones 是 Zappa 的主要作者，并且是 Gun.io 的 CTO， 他在一次采訪中說道 ：“我相信無服務架構（這意味著，系統(tǒng)沒有任何***基礎設施）是網(wǎng)絡應用的未來”。
至于 Zappa，它讓所有 Python WSGI 的應用在 AWS Lambda + API 網(wǎng)關上的部署變得輕而易舉。在 VPS 服務 （類似 Linode ，PaaS服務的 Heroku ）上擺脫依賴庫需要花費成百上千的美元。簡單來說，我們可以說 Zaapa 允許在云上以微服務部署，不會有任何與服務器管理相關的麻煩事。Zappa 同樣也是很快的，可擴展的。
#4 Peewee
Peewee 是 Python 生態(tài)中簡單的，富有表現(xiàn)力的 ORM ，它支持 SQLite，MySQL 和 PostgreSQL。數(shù)據(jù)庫經(jīng)常需要為應用去使用擴展的數(shù)據(jù)。不過，通過 ad hoc 連接串去 get 和 set 數(shù)據(jù)庫中的數(shù)據(jù)是一項非常有挑戰(zhàn)的任務。這種情況下，Peewee 就可以幫很大的忙了。這個庫對于開發(fā)者和數(shù)據(jù)庫工程師都是安全的，使用它可以以程序化的 Python 類來直觀地使用數(shù)據(jù)庫資源。
開發(fā)者們以前用 SQLAlchemy 已經(jīng)創(chuàng)建了一個數(shù)據(jù)庫，應該會覺得使用 Peewee 創(chuàng)建數(shù)據(jù)庫是更容易的。另外，Peewee 一直以來都適用于 Flask web 框架。
# 6 Bokeh
你可能知道 Python 在數(shù)據(jù)可視化方面的一些類庫，比如 matplotlib 和 seaborn。然而，Bokeh 是一個專門設計可視化交互并用于現(xiàn)代的 Web 瀏覽器的展示。開發(fā)者可以利用 Bokeh 以類似于 D3.js 的方式創(chuàng)建***的可視媒體。除此之外，你可以利用非常大的或者流式的數(shù)據(jù)集來擴展更強的表現(xiàn)交互的能力。
你可以通過 Bokeh 創(chuàng)建可視化端點，儀表盤和數(shù)據(jù)應用。開發(fā)者也可以利用 Bokeh 處理通過其他類庫，比如 Matplotlib, Seaborn 和 ggplot 創(chuàng)建的可視化圖形。Bokeh 也可以和 Jupyter Notebooks 很好的結(jié)合來用于研究領域。
#7 Blaze
Blaze 用于處理數(shù)據(jù)庫和分析查詢的陣列技術。當對一個大到我們的電腦內(nèi)存不能存儲的數(shù)據(jù)集進行分析時，NumPy 和 Pandas 往往不能派上用場。這時開發(fā)者經(jīng)常求助于 PostgreSQL，MongoDB，Hadoop，Spark 和磁盤外存儲系統(tǒng)（PyTables and BColz）等等。
然而，理解每一個系統(tǒng)如何工作以及如何將數(shù)據(jù)整理成合適的形式是一個非常有挑戰(zhàn)性的工作。由于缺乏對于如何在新技術之間混合和遷移數(shù)據(jù)的認識，從數(shù)據(jù)分析中攫取有效的結(jié)論將是非常困難的。Blaze 通過提供一個對不同種類數(shù)據(jù)庫技術統(tǒng)一的接口以及遷移數(shù)據(jù)抽象化處理來解決這個難題。Blaze 對于表達計算是一個好的選擇。
盡管存在一些其他的不太知名但是有效的 Python 類庫，如 Gym + Universe ， Boto3 ， Hug ， Scrapy ， Beautiful Soup 等等。我只能選擇這幾個以便這篇博客有一個結(jié)尾。Python 開發(fā)者可以研究這些類庫看看是否符合他們的需要，再合理的選擇合適的類庫。
