近日，專門提供Python服務的網(wǎng)站Troy Labs盤點出了2020年發(fā)布的Python庫Top10。一起來看看2020年最強Python庫都有哪些：

1. Typer

你可能并不怎么需要寫CLI應用程序，但在有些時候還是需要用到，在FastAPI取得巨大成功之后，tiangolo使用同樣的原理開發(fā)了typo，這是一個新的庫，它允許你利用Python 3.6+的類型提示特性來編寫命令行接口。

[[376153]]

這樣的設計除了可以確保你的代碼得到適當?shù)奈臋n化，你還可以更快速的得到一個帶有驗證的CLI界面。通過使用類型提示，你可以在編輯器(如VSCode)代碼自動補全，大大提高了你的工作效率。

為了增強它的特性，Typer還能配合命令行神器Click使用，這意味著Typer可以充分利用Click的所有優(yōu)點和插件，并根據(jù)自己的需求實現(xiàn)更加復雜的功能。

開源地址：https://github.com/tiangolo/typer

2. Rich

誰說終端應用程序就一定是單一的黑白色?其實它也可以是彩色的。

你想要在終端添加顏色和樣式么?你想要你的終端可以快速打印復雜的表么?你想要輕松地顯示漂亮的進度條、Emojis么?以上這些功能通通都可以在Rich中實現(xiàn)，看看下面的示例截圖你就懂了：

這個庫將終端應用程序的體驗提升到了一個全新的水平。

開源地址：https://github.com/willmcgugan/rich

3. Dear PyGui

盡管Rich可以讓你的終端應用程序變得很漂亮，但有時這還不夠，你更需要的是一個真正的GUI，Dear PyGui是一個便于使用、功能強大的Python GUI框架。

Dear PyGui使用了在電子游戲中很流行的即時模式范式。這基本上意味著動態(tài)GUI是逐幀獨立繪制的，不需要持久化任何數(shù)據(jù)。這也是Dear PyGui與其他Python GUI框架不同的地方，Dear PyGui的高性能，是你在工程、模擬、游戲或數(shù)據(jù)科學應用程序中經(jīng)常需要用到的。

Dear PyGui支持Windows 10 (DirectX 11), Linux (OpenGL 3) and MacOS (Metal)

開源地址：https://github.com/hoffstadt/DearPyGui

4. PrettyErrors

PrettyErrors是一個精簡Python錯誤信息的工具，PrettyErrors只做一件事，它支持在終端進行彩色輸出，標注出文件棧蹤跡。這樣一來，你就不需要掃描整個屏幕來找到異常的部分。

開源地址：https://github.com/onelivesleft/PrettyErrors

5. Diagrams

我們程序員喜歡解決問題和編寫代碼，但有時，我們需要向其他同事解釋復雜的架構(gòu)設計，作為項目文檔的一部分。一般情況下，我們會使用GUI工具處理圖表，并將文稿進行可視化處理。但是還有更好的方法。

Diagrams可以讓你在沒有任何設計工具的情況下直接用Python代碼繪制云系統(tǒng)架構(gòu)，它的圖標對包括括AWS、Azure、GCP在內(nèi)的幾家云服務提供商來說都很有用。這使得創(chuàng)建箭頭和組變得非常容易，而且只需要幾行代碼就能實現(xiàn)。

開源地址：https://github.com/mingrammer/diagrams

6. Hydra and OmegaConf

在機器學習項目中做研究和實驗時，總是有無數(shù)的設置可以嘗試，在重要的應用程序中，配置管理可能會變得非常復雜，如果有一種結(jié)構(gòu)化的方法來處理這些難題就好了。

Hydra允許你以一種可組合的方式構(gòu)建配置，并從命令行或配置文件中覆蓋某些部分。下面舉個例子，關(guān)于如何使用Hydra定義一個基本配置，然后用它們運行多個不容的任務：

python train_model.py variation=option_a,option_b 

開源地址：https://github.com/facebookresearch/hydra

7. PyTorch Lightning

每一個能夠提高數(shù)據(jù)科學團隊生產(chǎn)力的工具都是非常寶貴的。PyTorch Lightning通過將科學與工程分離的方式來提高效率，它有點像TensorFlow的Keras，在某種意義上，它可以使你的代碼更加簡潔，不過它依然還是PyTorch，你依然可以訪問所有常用的api。

這個庫能夠使DL / ML研究的40多個部分實現(xiàn)自動化，例如GPU訓練、分布式GPU(集群)訓練、TPU訓練等等……

開源地址：https://github.com/PyTorchLightning/PyTorch-lightning

8. Hummingbird

[[376157]]

Hummingbird是微軟的一項研究成果，它能夠?qū)⒁呀?jīng)訓練好的ML模型匯編成張量計算，從而不需要設計新的模型。還允許用戶使用神經(jīng)網(wǎng)絡框架(例如PyTorch)來加速傳統(tǒng)的ML模型。它的推理API跟sklearn范例十分相似，都可以重復使用現(xiàn)有的代碼，但是它是用Hummingbird生成的代碼去實現(xiàn)的。

開源地址：https://github.com/microsoft/hummingbird

9. HiPlot

幾乎每一個數(shù)據(jù)科學家在他們的職業(yè)生涯中都有過處理高維數(shù)據(jù)的經(jīng)歷。不幸的是，人類的大腦并不能完全憑直覺處理這類數(shù)據(jù)，所以我們必須求助于其他技術(shù)。

今年早些時候，F(xiàn)acebook發(fā)布了HiPlot，它是用平行圖和其他的圖像方式，幫助AI研究者發(fā)現(xiàn)高維數(shù)據(jù)的相關(guān)性和模型，是一款輕巧的交互式可視化工具。HiPlot是交互式的，可擴展的，因此你可以在Jupyter Notebooks或者它自己的服務器上使用它。

開源地址：https://github.com/facebookresearch/hiplot

10. Scalene

隨著Python庫的生態(tài)系統(tǒng)變得越來越復雜，我們發(fā)現(xiàn)自己編寫的代碼越來越依賴于C擴展和多線程代碼。如何測試性能這就成一個問題，因為CPython內(nèi)置的分析器不能正確地處理多線程和本機代碼。

Scalene是一個高性能的CPU內(nèi)存分析器，它能夠正確處理多線程代碼，并區(qū)分運行Python和本機代碼所花費的時間。不需要修改代碼，只需要使用scalene從命令行運行腳本，它就可以為你生成一個文本或HTML報告，顯示代碼每行的CPU和內(nèi)存使用情況。

開源地址：https://github.com/emeryberger/scalene