想知道Python取得如此巨大成功的原因吗？只要看看Python提供的大量库就知道了，包括原生库和第三方库。不过，有这么多Python库，有些库得不到应有的关注也就不足为奇了。此外，只在一个领域里的工作的人并不知道另一个领域里有什么好东西，不知道其他领域的东西能产出什么有用的价值。

下面给大家列出10个你可能忽略，但绝对值得注意的Python库，这些工具的用途非常广泛， 简化了从文件系统访问、数据库编程、云服务到构建轻量级web应用程序、创建gui、图像工具、Excel和Word文件等等的事情的工作复杂度。有些库是众所周知的，有些则不太为人所知，但是所有这些Python库都应该在各位的工具箱中占有一席之地。

1. Arrow

Arrow: 让你更方便地处理日期和时间。

为什么要使用Arrow：还记得我们之前讲过的日期计算吗？实际上那是一个简单的计算教程，思考一下，如果我们想要切换时区怎么办、更加灵活地日期格式化怎么做？即便是像python这么好用的工具，如果你只用原生库，你也得折腾上一阵子。现在我们有了更好的选择：Arrow.

Arrow拥有四大优势。首先，箭头是Python的datetime模块的一个替代品，这意味着像.now()和.utcnow()这样的公共函数调用可以正常工作。第二，Arrow提供了一些通用的方法，比如转换时区。第三，Arrow提供了“人性化”的日期/时间信息，比如能够毫不费力地说出“一小时前”或“两小时后”发生的事情（就如同我们在暑期余额里讲的那样）。第四，Arrow可以轻松地本地化日期/时间信息。

下面是Arrow使用的三个例子：

import arrow 
# 例1：获得当前时间戳
t = arrow.utcnow()
print(t.timestamp) # 1566128587

# 例2：获得当前时间，并格式化为字符串
t = arrow.now()
s1 = t.format()
print(s1) # 2019-08-18 19:43:07+08:00
s2 = t.format("YYYY-MM-DD")
print(s2) # 2019-08-18

# 例3：字符串转Arrow，并格式化为其他格式的字符串
t = arrow.get("2019-12-31 11:30", "YYYY-MM-DD HH:mm")
s3 = t.format('YYYYMMDD')
print(s3) # 20191231

2. Behold

Behold: 强大的代码调试工具。

如果你只是使用print进行项目的调试，你会发现在大型项目的时候，这一招根本行不通因为大型项目的数据流动非常复杂，你必须跟踪一个变量的流动才行，这时候你可能会出现每隔几句就写一个print的尴尬情况。这时候Behold就非常有优势了，它具有搜索、筛选、排序功能，而且能跨模块地展示数据流向。

建议阅读官方例子： https://behold.readthedocs.io/en/latest/ref/behold.html

3. Black

black：使用严格的规则格式化Python代码。

black是一个毫不妥协的格式化工具，它检测到不符合规范的代码风格直接给你全部格式化了，不需要你自己确定，非常适合代码风格紊乱的人群进行自我纠正，使用也非常简单, CMD/Terminal安装black:

pip install black

然后同样，CMD/Terminal进入到你的Python文件的文件夹里，输入：

black 你的文件名.py

即可格式化该文件里的代码

4. Bottle

Bottle：轻量级网站/api开发工具。

当你想要构建一个快速的RESTful API或者使用web框架的基本框架来构建一个应用程序时，Bottle完全就够用了。路由、模板、请求和响应、支持许多种请求协议，甚至如websockets之类的高级功能都支持。同样，启动所需的工作量也很小，而且当需要更高级的功能时，Bottle可以很好地扩展，非常优秀。

5. Click

Click: 让你快速地为Python应用程序构建命令行界面。

在没有用click之前，我们是如何获取用户输入的? 是用 val = input(xxx) 这样的形式吧？虽然也非常简单，但是当你想要给它设定默认值的时候就麻烦了然而click可以让你消去这样的烦恼：

import click
@click.option('--count', default=1, help='Number of greetings')
@click.option('--name', prompt='您的名字是', help='用户的名称')

我的天，简直是上天给予Python程序员的礼物啊。更多的功能请阅读官方文档，比如它还能设定输入参数：

import click

@click.command()
@click.option('--count', default=1, help='欢迎次数.')
@click.option('--name', prompt='您的名字是', help='用户的名称')
def hello(count, name):
    """欢迎名字为name的用户count次."""
    for x in range(count):
        click.echo('Hello %s!' % name)

if __name__ == '__main__':
    hello()

6. Nuitka

Nuitka: 将Python编译成C++级的可执行文件。

重点是C++级的应用，速度快！速度快！速度快！尽管Cython也能够把Python编译成C，但是Cython仅仅关注数学和统计应用程序，而Nuitka可以按原样使用任何Python程序编译为C，生成单文件的可执行文件。虽然目前还在早期阶段，但是可以预想到它的未来是多么的辉煌

7. Numba

Numba: 有选择地加速数学计算。

这是我以前梦寐以求的功能，我们知道Numpy通过在Python接口中封装高速的C库进行工作，Cython将某些用户选择的类型编译为C，但是我们发现这些东西用起来都不是很顺手，感觉“命运 ” 不是由我掌控的。有了Numba之后，我们可以对函数进行加速你要做的仅仅是在函数上方加一个装饰器，这可真的是非常舒服：

@nb.jit(nopython=True)
def acc(x):

8. Openpyxl

openpyxl: 读取，写入和操作Excel文件。

还记得我们的日历文章吗？我们在那篇文章里就用到了openpyxl这个库，实质上，用于操作Excel的不止有这个库可以做到，但是它有一些独特的功能，比如，写成最新的文件格式xlsx，而且它对文件大小是没有限制的，就这两个功能已经完爆xlwt了。当然，它在速度上是比不过xlwt的，这就需要各位权衡使用了

9. Peewee

peewee: 支持sqlite, Mysql及PostgreSQL的小型ORM（方便写数据库的）。

这是我在python上接触的第一个ORM，不是所有人都喜欢用这个玩意儿，但是对于那些不喜欢接触SQL语句开发的人来说，这玩意儿简直是宝物啊。peewee非常易于构建、连接、操作数据库，然后内置了许多的查询操作功能。不过需要注意的是，peewee 3.x 并不完全向旧版本兼容。

10. PyFilesystem

PyFilesystem: 简化了文件、目录的处理方法，支持任何文件系统的操作，大幅度提高编程效率。

你的开发过程中，有没有为这样的事情忧愁过：打开一个不存在文件夹里的文件（新建），确定某个目录里是否存在某个文件，确定是否存在某个目录，当然如果你非常熟练os和io模块，你会觉得这些事情简直是so easy. 但是对于一些不熟悉这两个模块的语句的同学，这可得Google一下。幸好，现在有了PyFilesystem, 我们的编程生活能够快乐许多。它能支持任何文件系统的操作，而且提供了许多实用的函数，比如说查看当前目录下的文件：

from fs import open_fs
my_fs = open_fs('.')
print(my_fs.listdir('/')) 

显示目录结构树

from fs import open_fs
my_fs = open_fs('.')
my_fs.tree()

当然还有更多的功能，请阅读官方文档。

​Python实用宝典 (pythondict.com)
不只是一个宝典
欢迎关注公众号：Python实用宝典