那些被低估的Python库

在这篇文章中，我们想展示一些不同于流行的东西。这些都是深夜浏览GitHub的感悟，以及同事们分享的压箱底东西。这些软件包中的一些是非常独特的，使用起来很有趣的Python包。

混合派

• Knock Knock：从Python发送通知到移动设备、桌面或电子邮件。
• tqdm：可扩展的Python和CLI进度条，内置对pandas的支持。
• Colorama：简单的跨平台彩色终端文本。
• pandas -log：提供熊猫基本操作的反馈。非常适合调试长管道链。
• Pandas-flavor：扩展pandas DataFrame/Series的简单方法。
• More-Itertools：增加了类似于itertools的额外功能。
• streamlit：为机器学习项目创建应用程序的简单方法。

数据清理和操作

• ftfy：修复mojibake和Unicode文本中的其他故障。
• janitor：有很多很酷的功能来清理数据。
• Optimus：另一个数据清理包。
• Great-experctations：一个检查数据是否符合预期的好工具。

数据探索和建模

• Pandas-profile：创建一个包含来自pandas DataFrame的统计数据的HTML报告。
• dabl：允许使用可视化和预处理进行数据探索。
• pydqc：允许比较两个数据集之间的统计数据。
• pandas-summary：对panda DataFrames描述功能的扩展。
• pivottable-js：pands在jupyter notebook的拖放功能。

数据结构

• Bounter：有效的计数器，使用有限(有界)的数量的内存，无论数据大小。
• Python -bloomfilter：可扩展的Bloom Filter，使用Python实现。
• datasketch：提供概率数据结构，如LSH、加权MinHash、HyperLogLog等。
• ranges：Python的连续范围、范围集和范围令数据结构

性能检查和优化

• Py-spy：Python程序的采样分析器。
• pyperf：用于运行Python基准测试的工具箱。
• snakeviz：一个浏览器内的Python配置文件查看器，对jupyter notebook有很大的支持。
• Cachier：Python函数的持久、无延迟、本地和跨机缓存。
• Faiss：用于高效的相似性搜索和密集向量聚类的库。