阅读本文大概需要 5 分钟。
新的一年，祝大家身体健康，百毒不侵。最好远离人群，做一个死宅。
最近看到几个非常实用的 Python 库，它们太优秀了，让我忍不住分享，我相信在今后的编程之路上，你有很大的概率会使用它们，请先看一下，在大脑中先留下印象，方便以后拿来使用。
1、快速的异步 web 框架 FastApi
FastApi 是一个异步 Web 框架，它的速度非常非常非常快。远远超过 Flask，速度匹敌与 go 语言写的接口。这不是乱说的，请看下图中的测试结果，FastApi 性能排在第一：
web框架性能对比
图片来源: https://www.techempower.com/benchmarks/#p=test&runid=7464e520-0dc2-473d-bd34-dbdfd7e85911&hw=ph&test=query&l=zijzen-7
使用它最主要的原因是写以写很少的代码实现一个 web 接口，不仅速度快，还自带参数检查功能，非常简洁优雅。
安装：
pip install fastapi
你还可能需要 ASGI 服务器用于生产环境，比如 Uvicorn 或 Hypercorn，那么安装一下：
pip install uvicorn
一个简单的示例：
from fastapi import FastAPI
app = FastAPI()
@app.get("/")
def read_root():
return {"Hello": "World"}
@app.get("/items/{item_id}")
def read_item(item_id: int, q: str = None):
return {"item_id": item_id, "q": q}
你还可以使用 async / await
from fastapi import FastAPI
app = FastAPI()
@app.get("/")
async def read_root():
return {"Hello": "World"}
@app.get("/items/{item_id}")
async def read_item(item_id: int, q: str = None):
return {"item_id": item_id, "q": q}
启动服务器：
uvicorn main:app --reload
浏览器打开 http://127.0.0.1:8000/items/5?q=somequery. 就可以看到 JSON 格式的响应数据。
{"item_id": 5, "q": "somequery"}
交互式的接口文档：
已经为你生成好交互式的接口文档：
1、浏览器打开 http://127.0.0.1:8000/docs 就可以看到 Swagger UI 的 api 文档。
2、浏览器打开 http://127.0.0.1:8000/redoc 就可以看到 ReDoc 生成的 api 文档。
便捷的参数类型检查：
通过一个简单的类，就可以做参数检查。
from fastapi import FastAPI
from pydantic import BaseModel
app = FastAPI()
class Item(BaseModel):
name: str
price: float
is_offer: bool = None
@app.get("/")
def read_root():
return {"Hello": "World"}
@app.get("/items/{item_id}")
def read_item(item_id: int, q: str = None):
return {"item_id": item_id, "q": q}
@app.put("/items/{item_id}")
def update_item(item_id: int, item: Item):
return {"item_name": item.name, "item_id": item_id}
当传入错误的参数时，接口会自动返回具体的参数错误信息，完全不用再动手写代码检查。常便捷。
官方链接（star 8.5k）:https://github.com/tiangolo/fastapi
其他 Python 的 web 框架：
1、Django
2、Django rest framework
3、Flask
4、Tornado
5、Bottle
6、Quixote
2、提升代码速度的装饰器 lru_cache
看名字就知道是 LRU 相关，也与缓存相关。有时候代码执行的非常慢，像有些递归调用，加上这个装饰器，可以快 100 倍。比如递归写法来计算 Fibonacci 的代码如下：
def fibonacci(n):
if n < 2:
return n
else:
return fibonacci(n - 2) + fibonacci(n - 1)
n 的值比较大的时候，计算的特别慢，n = 35 的时候，可能需要 4 秒。但使用 lru_cache 后：
from functools import lru_cache
@lru_cache()
def fibonacci(n):
if n < 2:
return n
else:
return fibonacci(n - 2) + fibonacci(n - 1)
耗时接近 35 毫 秒（你可以使用 timeit 来试一下），速度提升百倍，这个 lru_cache 到底做了什么？
lru_cache 装饰器记录了最近使用的函数调用， 因此，它存储已经计算出的值，并在需要时重用它们。为了防止 LRU 缓存无限增长，建议在lru_cache装饰器中指定maxsize。如果指定，它将仅存储最近调用的最大大小。
为了检查 LRU 缓存的效果，我们可以调用执行函数的缓存信息函数
来查看，代码如下：
import sys
from functools import lru_cache
@lru_cache(maxsize=64)
def fibonacci(n):
if n < 2:
return n
else:
return fibonacci(n - 2) + fibonacci(n - 1)
print([fibonacci(x) for x in range(35)])
# 查看缓存信息
print(fibonacci.cache_info())
运行结果如下：
[0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, 610, 987, 1597, 2584, 4
181, 6765, 10946, 17711, 28657, 46368, 75025, 121393, 196418, 317811, 514229, 83
2040, 1346269, 2178309, 3524578, 5702887]
CacheInfo(hits=66, misses=35, maxsize=64, currsize=35)
3、进度条工具 tqdm
如果你需要用来显示程序运行的进度，希望显示得漂亮一些的话，那么 tqdm 不可错过，它是一个灵活、可扩展、几乎不影响原程序效率的 Python 进度条。
使用前先安装：
pip install tqdm
效果展示
官网: https://github.com/tqdm/tqdm
4、一键生成数据分析报告：pandas-profiling
经常做数据分析的人肯定知道 pandas 库，面对一些数据集，要做一些探索性分析，过程繁锁而冗杂，比如一个数据分析常用的示例泰坦尼克号：
import pandas as pd
data = pd.read_csv('https://raw.githubusercontent.com/datasciencedojo/datasets/master/titanic.csv')
data.describe()
执行以下代码后会生成一个表格：
data.describe
然后自己通过分类，关联等方法，生成各种柱状图，拆线图，然后进一步分析，这个探索的过程非常耗时，现在有了 pandas-profiling，只需要二行代码，就可以得到分析结果，实在是太方便了。
import pandas_profiling
data.profile_report(title='Titanic Dataset')
此处省略大量截图，请自行尝试。
还可以一键存储为 html 页面：
profile = data.profile_report(title='Titanic Dataset')
profile.to_file(output_file='result/titanic_report.html')
5、Python 的 wget
有时递归下载一个网站或者下载一个网站的所有图片，并不需要自己动手写爬虫，也许 wget 就够用了。这个工具非常的简单易用：
>>> import wget
>>> url = 'http://www.futurecrew.com/skaven/song_files/mp3/razorback.mp3'
>>> filename = wget.download(url)
100% [................................................] 3841532 / 3841532>
>> filename
'razorback.mp3'
官网：https://bitbucket.org/techtonik/python-wget/src
6、在 Python 中执行 shell 命令
也许你非常熟悉 shell 命令，正在学习 Python，如何在 Python 中执行 shell 命令呢，相信这个 sh 库会非常有用。
安装方法：
pip install sh
使用方法：
from sh import ifconfig
print(ifconfig("wlan0"))
输出结果：
wlan0 Link encap:Ethernet HWaddr 00:00:00:00:00:00
inet addr:192.168.1.100 Bcast:192.168.1.255 Mask:255.255.255.0
inet6 addr: ffff::ffff:ffff:ffff:fff/64 Scope:Link
UP BROADCAST RUNNING MULTICAST MTU:1500 Metric:1
RX packets:0 errors:0 dropped:0 overruns:0 frame:0
TX packets:0 errors:0 dropped:0 overruns:0 carrier:0
collisions:0 txqueuelen:1000
RX bytes:0 (0 GB) TX bytes:0 (0 GB)
官网：https://amoffat.github.io/sh/
（完）
