2019 年 10 大優(yōu)秀 Python 支持庫
歡迎回來，這是我們第五次推出年度優(yōu)秀 Python 支持庫榜單。在這里，我們列出了隱匿于開源世界里的瑰寶，既可以幫你啟動新的項目，也可以為你現(xiàn)有的項目添光加彩。本榜單覆蓋了各個領(lǐng)域，包括機器學習與非機器學習的支持庫。
希望你能和我們一樣喜歡本年度的優(yōu)秀支持庫榜單，話不多說，題歸正文!
1. HTTPX
項目網(wǎng)址：
https://www.encode.io/httpx/
經(jīng)常進行 API 交互的 Python 忠粉，對 requests 應該是運用自如了。不過，對于日趨普及的現(xiàn)代高性能應用而言，在用到異步范式時，requests 就顯得有點捉襟見肘了。
為了解決這一問題，大咖 Tom Christie 和他的小伙伴給大家?guī)砹诵率来惒?HTTP 客戶端 ~ HTTPX。
緊跟 requests 步伐，HTTPX 在支持 requests 標準功能的同時，還支持 HTTP/2 與 HTTP/1，以及通過 ASGI 協(xié)議直接調(diào)用 Python 網(wǎng)絡(luò)應用，此外還有完善的類型注釋。
要執(zhí)行大規(guī)模并發(fā)請求?HTTPX 就是你要找的答案。
注意：HTTPX 仍在 alpha 版開發(fā)階段，目前只開發(fā)了異步客戶端，將來還會引入同步客戶端。
2. Starlette
項目網(wǎng)址：
https://www.starlette.io/
Starlette 打包了 WebSocket、GraphQL、進程內(nèi)后臺任務(wù)等多種功能，是真正高性能的輕量級 ASGI 框架與工具箱。所有功能都完全支持類型注釋代碼庫，且不需要任何硬性依賴項?？梢园阉敵煞浅］p量級的現(xiàn)代異步版 Flask。
Starlette 的靈活性很強，既可以用作完整的網(wǎng)絡(luò)框架，也可以只用作 ASGI 工具箱。
Starlette 運行在 uvicorn 之上，這個支持庫入選了去年的 10 大優(yōu)秀 Python 支持庫榜單。
如果想開發(fā)新型網(wǎng)絡(luò)應用，強烈建議您給 Starlette 一個發(fā)光發(fā)熱的機會。
3. FastAPI
項目網(wǎng)址：
https://github.com/tiangolo/fastapi
Starlette 很贊，但它太迷你了，雖然給了開發(fā)者很大的自由，但有時，用戶要的其實只是一個能快速完成任務(wù)的框架。
Sebastián Ramírez 就是出于這個目的開發(fā)的 FastAPI，怎么說呢?這個支持庫的各個方面都很 Fast。
這個用 Python 開發(fā) API 的新框架具有超高性能，而且可以基于 OpenAPI 標準自動生成交互式文檔。默認支持 Swagger UI 與 ReDoc，允許直接從瀏覽器調(diào)用、測試 API，從而提高開發(fā)效率。用這個框架開發(fā) API，真的是又快又簡單。
該支持庫還支持現(xiàn)代 Python 優(yōu)秀實用功能之一：類型提示。FastAPI 在很多方面都使用了類型提示，其中最酷的一個功能是由 Pydantic 加持的自動數(shù)據(jù)驗證與轉(zhuǎn)換。
FastAPI 基于 Starlette 開發(fā)，性能與 NodeJS 和 GO 相當，還自帶 WebSocket 與 GraphQL 原生支持。
最后，對于開源支持庫而言，它的技術(shù)支持文檔也非常不錯。說真的，去看一下吧!
4. Immutables
項目網(wǎng)址：
https://github.com/magicstack/immutables
MagicStack 的兄弟回歸了，這次他們帶來的是一個簡單、優(yōu)雅的不可變映射類型(“凍結(jié)字典”)。
這東西的好處在哪兒?呃，希望你能聽得懂下面這句話，Haskell 等函數(shù)編程語言里使用的哈希數(shù)組映射字典樹(HAMT)的底層數(shù)據(jù)結(jié)構(gòu)。最值得注意的是，不管 set() 還是 get() 操作的性能都為 O(log N)，且對于相對較小的映射，可以達到 O(1)。
如果你的應用里字典的規(guī)模較大，并且想提高一下性能，這個酷酷的新支持庫值得一試。
5. Pyodide
項目網(wǎng)址：
https://github.com/iodide-project/pyodide/
Pyodide 是本榜單里最刷三觀的項目。通過 WebAssembly，它把 Python 科學引入到了瀏覽器界面，把科學計算提升到了全新的層面。
想用 Numpy 搞定一些數(shù)字?用 Pandas 處理大型 DataFrame?用 Matplotlib 為計算結(jié)果進行可視化?有了 Pyodide，這些操作在瀏覽器里就可以輕輕松松地實現(xiàn)了。
這還不算完，還有好消息：這個庫可用的 Python 支持庫已經(jīng)超過了 35 個，您這是要上天啊。
6. Modin
項目網(wǎng)址：
https://github.com/modin-project/modin
Modin 的口號是“只改一行代碼，就能加速 Pandas”，沒錯，就是這么簡單。只要安裝 Modin，更改 import 語句，在多核筆記本上，處理數(shù)據(jù)的速度就能提高 4 倍。
我滴個神 ~~ 這是怎么做到的?Modin 有自帶的 modin.pandas.DataFrame 對象，這是一個輕量級的并行 DataFrame 對象。因為與 Pandas API 兼容，使用這個對象就跟是透明的一樣，在后臺，該支持庫使用 Ray 或 Dask 作為計算引擎，執(zhí)行分布式數(shù)據(jù)計算。
有的時候，獲得更快的速度就是那么簡單，改一兩行代碼就可以了，Modin 就是證明。
7. Streamlit
項目網(wǎng)址：
https://github.com/streamlit/streamlit
不論機器學習項目多么的超凡脫俗，都免不了要手動與模型和數(shù)據(jù)交互的工作。
與其投入無數(shù)小時，開發(fā)數(shù)千行代碼的應用，Streamlit 讓你可以快速搭建用來分享模型與分析的 APP。構(gòu)建交互式 UI、實現(xiàn)數(shù)據(jù)可視化、輸出分析模型現(xiàn)在就是小菜一碟。
有了 Streamlit，只要添加幾行代碼，嗖的一下，就能從 Python 腳本代碼飛升為產(chǎn)品級 APP。TensorFlow、Keras、PyTorch、Pandas，只要是你能想到的數(shù)據(jù)科學工具，Streamlit 都已經(jīng)支持了。
8. Transformers
項目網(wǎng)址：
https://github.com/huggingface/transformers
從事機器學習相關(guān)工作的讀者，一定會對過去的一年中自然語言處理(NLP)領(lǐng)域里的重大突破有所耳聞。
BERT、XLNet、roBERTa 等新涌現(xiàn)出來的高性能模型已經(jīng)取得了長足的發(fā)展，尤其是在文本分類、機器翻譯、命名實體識別等眾多 NLP 領(lǐng)域里的高精尖突破層出不窮，讓人眼花繚亂。
對業(yè)界人士來說，找到一款既能在產(chǎn)品級程序上利用這些模型，又不會太過復雜的工具，尤為重要。對研究者而言，一個既不用花費太多時間編寫模板代碼，又能調(diào)校支持庫內(nèi)核，不斷開發(fā)、實驗新模型的支持庫，也非常重要。
Hugging Face 的小伙伴給我們帶來了變形金剛(Transformers)，這個支持庫支持最現(xiàn)代的 NLP 模型打包、預訓練等功能，而且還開箱即用。TensorFlow 2.0 與 PyTorch 之間的互操作，讓該支持庫達到了業(yè)界標準，完全可以為研究工作與產(chǎn)品級應用程序加持。該支持庫由研究人員開發(fā)，因此，它的更新速度非常快，而且還在不斷引入新式模型。
錦上添花：Hugging Face 團隊開發(fā)了 DistilBERT，這是基于 BERT 提煉出來的，更小、更快、更省錢、更輕量的版本。
還在猶豫要不要用 Hugging Face 的變形金剛處理現(xiàn)代 NLP 任務(wù)?看到這篇文章就是緣分，快來試下這個在線演示，感受變形金剛的魔力吧。
9. Detectron2
項目網(wǎng)址：
https://github.com/facebookresearch/detectron2
Facebook AI 研究團隊(FAIR)在開發(fā)對象探知、姿態(tài)估測、語義/實例分隔、全景分割等模型的同時，不斷將計算機視覺(CV)推向新的高度。
就在短短的幾年前，上述這些技術(shù)就像是科幻小說。我們從未對 FAIR 有過什么期望，但這回他們再一次震撼全場。
Detectron2 是 Detectron 的延續(xù)，該支持庫建立在 PyTorch 之上，整合了多種高精尖的計算機視覺算法。
鑒于支持用例類型多種多樣，這類支持庫的開發(fā)難度特別大。與 Hugging Face 的 Transformers 類似，F(xiàn)AIR 團隊的 Detectron2 真的很強大，其延展性與模塊化的設(shè)計風格，讓它在計算機視覺研究應用中獨領(lǐng)風騷。同時，Detectron2 的應用極其簡單，非常適合那些只想快速得到結(jié)果，不想了解核心算法的人。沒錯，只要幾行 Python 代碼，就可以通過 Detectron2 讓你開發(fā)的軟件“理解”圖片。
Detectron2 能否形成生機勃勃的社區(qū)，還需要些時間來驗證，但到目前為止，它的前途還是蠻光明的。很多研究人員都在為 Detectron2 研發(fā)更新、更快、更好的模型，因此，它成為計算機視覺應用“首選”解決方案的可能性很大。如果你從事計算機視覺工作，一定要對這個支持庫保持密切的關(guān)注!
10. Metaflow
項目網(wǎng)址：
https://docs.metaflow.org/introduction/what-is-metaflow
Metaflow 這個支持庫實在太新了，差點就沒趕上 2019 年榜單評選!但不要因此就小瞧它：別看它 12 月 3 日才正式發(fā)布，其實它是 Netfilx 兩年精雕細琢的成果，通過了長期內(nèi)部實測，Netflix 才決定開源。
Metaflow 這個 Python 支持庫能幫助數(shù)據(jù)科學家與數(shù)據(jù)工程師開發(fā)在現(xiàn)實世界中應用的實戰(zhàn)項目。它的目標是，減輕非技術(shù)型數(shù)據(jù)科學家學習技術(shù)的負擔，比如，如何利用計算資源、怎么實現(xiàn)并行運算、架構(gòu)設(shè)計、版本控制等。Netflix 與 AWS 合作，讓用戶通過開箱即用的分布式計算即可輕松定義復雜數(shù)據(jù)流。
我們在 Tryolabs 內(nèi)部已經(jīng)評測了幾個 Metaflow 核心項目。如果你也對這個工具感興趣，請參閱 Netflix 博客的發(fā)布貼。
結(jié)論
這一年，或者說又一個10 年馬上就要過去了，開源社區(qū)這些年的對世界的貢獻將對今后幾年產(chǎn)生深遠的影響。
