Python程序员都会喜欢的6个库

在编程时，小挫折可能与大难题一样令人痛苦。没人希望在费劲心思之后，只是做到弹出消息窗口或是快速写入数据库。因此，程序员都会喜欢那些能够快速处理这些问题，同时长远来看也很健壮的解决方案。

下面这6个Python库既可以快速解决眼前的棘手问题，同时也能够作为大型项目的基础。

Pyglet

Pyglet 是一个纯Python语言编写的跨平台框架，用于开发多媒体和窗口特效应用。

为什么需要它：从头开发图形界面应用所需要的功能模块是十分繁琐的，Pyglet提供了大量现成的模块，省去了很多的时间：窗口函数，OpenGL特效，音频与视频回放，键鼠处理以及图片处理。（不过，Pyglet并没有提供类似按钮、工具栏或菜单等UI部件。）

改用Arrow库的话有四大好处，不管长期还是短期都是很有用的。第一，它可以完美替代Python中的datetime模块，这意味着你仍可以使用类似 .now() 和 .utcnow() 这些常见的函数调用形式。第二，它提供了满足转换时区等常见需求的方法。第三，它提供了“人性化”的日期/时间信息——也就是，它可以很轻松地告诉你某件事是在“一小时以前”发生的，或是“将在两小时后”发生。第四，它很容易地将日期/时间信息转换为当地时间。

所有上述模块都是在Windows、OS X或Linux平台下原生实现的，并不依赖外部二进制包；它是纯Python语言编写的。Pyglet通过BSD协议发布，可以用于任何商业和开源项目。

Peewee

Peewee是一个小型但是十分强大的库，支持通过ORM的方式访问数据库，原生支持SQLite、MySQL和PostgreSQL等数据库。

为什么需要它： 任何一个需要经常使用外部数据的应用基本都会用到数据库，但是通过临时连接从数据库中读写数据会带来很多麻烦。

Peewee提供了一条访问数据库资源的安全、稳定的通道。对于Python程序员和数据库工程师来说，该库所提供的Python类使用起来将会 得心应手。有了Peewee的支持，我们可以快速便捷地访问数据库，后续还可以扩展加入更多的选项，不需要重新设计。Peewee同时原生支持数据库事务 （transaction），并有许多可选的额外模块，提供了从数据库连接池（connection pooling）到类似多对多（many-to-many）的高级field类型等功能。

Bottle

Bottle 是一个小型的轻量网络开发框架，同时速度也很快。

为什么需要它： 如果你只是想快速创建一个Restful API接口，或者只想用网络开发框架的做一个简单的应用，Bottle可以轻松地满足你的要求。它具备了你将需要的所有功能：路由、模板、访问请求与响应 数据（request and response data）、支持多种网络服务器以及WebSockets等高级功能。

创建一个应用所需的工作极少，而且Bottle在设计时就考虑了可扩展性，如果需要更多高级功能，随时就可以接入。

Invoke

简单来说， Invoke 让你通过一个Python库便捷地执行系统管理任务。

为什么需要它： 谁不想要一个“可以运行shell命令、定义并归类执行任务的简洁、高级接口”呢？利用Python替代一般的shell脚本，并执行相应的任务，是完全 合理的。Invoke提供了执行常见命令行任务并进行管理的解决方案。对于Invoke来说，每个管理任务就像是Python函数一样，可以在此基础上优 雅地设计更为复杂的任务。

需要注意的是，Invoke当前仍是预览版；如果你想使用稳定的工具（即使是不再积极开发），可以考虑Invoke的前身——Fabric。

Splinter

Splinter 是一个自动化测试网络应用的Python库。

为什么需要它： 大家都知道，没有什么比自动化网络应用测试更无聊的事了。有了Splinter，就可以将打开浏览器、输入URL、填写表单、点击按钮等全部操作自动化。

特定的浏览器需要使用相应的驱动器（drivers），不过还好已经自带了Chrome和Firefox驱动器。另外，Splinter还可以通过Selenium Remote来远程控制其他机器上的浏览器。你甚至可以在目标浏览器中手动执行JavaScript代码。

如果你想知道某个浏览器在浏览指定网站时的具体情况，那么Splinter将是一个很有用的工具。

Arrow

Arrow 这个库可以更好地处理Python中的日期和时间（data/time）。

为什么需要它： 处理时区、日期转换、应对不同的日期格式以及其他日期相关的东西，足够让你头疼一天半的。如果使用Python自带标准库中的模块，那么估计你得头疼两天了。

来源：编程派

1、回复“数据分析师”查看数据分析师系列文章

2、回复“案例”查看大数据案例系列文章

3、回复“征信”查看相关征信的系列文章

4、回复“可视化”查看可视化专题系列文章

5、回复“SPPS”查看SPSS系列文章

6、回复“答案”查看hadoop面试题题目及答案

7、回复“爱情”查看大数据与爱情的故事

8、回复“笑话”查看大数据系列笑话

9、回复“大数据1、大数据2、大数据3、大数据4”查看大数据历史机遇连载

PPV课大数据ID: ppvke123 （长按可复制）

大数据人才的摇篮！专注大数据行业人才的培养。每日一课，大数据（EXCEL、SAS、SPSS、Hadoop、CDA）视频课程。大数据资讯，每日分享！数据咖—PPV课数据爱好者俱乐部！