requests

非常简单的http客户端，安装

$ pip install requests

使用demo

>>> import requests
>>> r = requests.get('https://api.github.com/user', auth=('user', 'pass'))
>>> r.status_code
200
>>> r.headers['content-type']
'application/json; charset=utf8'
>>> r.encoding
'utf-8'
>>> r.text
'{"type":"User"...'
>>> r.json()
{'disk_usage': 368627, 'private_gists': 484, ..

一般用于爬虫、自定义客户端、oauth登录等，非常推荐大家使用。

shadowsocks

一个快速的网络代理平台，安装

$ pip install shadowsocks

命令

ssserver -p 443 -k password -m aes-256-cfb
# 后台启动
sudo ssserver -p 443 -k password -m aes-256-cfb --user nobody -d start
# 停止
sudo ssserver -d stop

官方github上还有windows、android和IOS等客户端，有用户秘钥管理系统，方便连接用户配置和流量统计等。

numpy

安装

$ pip install numpy

特性

• 一个强大的N维数组对象 ndarray
• 广播功能函数
• 整合 C/C++/Fortran 代码的工具
• 线性代数、傅里叶变换、随机数生成等功能

numpy非常适合矩阵的计算，内置强大的方法，省去了复杂的函数调用。

pandas

安装

pip install pandas

pandas 是基于NumPy 的一种工具，该工具是为解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。

pandas集成了sqlalchemy这个插件，使得mysql等关系型数据库中的数据可以按条件加载到pandas中进行分析。

apscheduler

安装

pip install apscheduler

APscheduler全称Advanced Python Scheduler

作用为在指定的时间规则执行指定的作业。

• 指定时间规则的方式可以是间隔多久执行，可以是指定日期时间的执行，也可以类似Linux系统中Crontab中的方式执行任务。
• 指定的任务就是一个Python函数。

支持任务状态序列化到RDBMS、redis、mongodb、memory、RethinkDB、ZooKeeper等，可以支持asyncio异步执行。

简单例子

from pytz import utc

from apscheduler.schedulers.background import BackgroundScheduler
from apscheduler.jobstores.mongodb import MongoDBJobStore
from apscheduler.jobstores.sqlalchemy import SQLAlchemyJobStore
from apscheduler.executors.pool import ThreadPoolExecutor, ProcessPoolExecutor


jobstores = {
    'mongo': MongoDBJobStore(),
    'default': SQLAlchemyJobStore(url='sqlite:///jobs.sqlite')
}
executors = {
    'default': ThreadPoolExecutor(20),
    'processpool': ProcessPoolExecutor(5)
}
job_defaults = {
    'coalesce': False,
    'max_instances': 3
}
scheduler = BackgroundScheduler(jobstores=jobstores, executors=executors, job_defaults=job_defaults, timezone=utc)

lxml

C语言开发的xml解析的库，接口暴露给python，它解析的速度很快而且很稳定，应用在docx、xlsx等格式文件的解析、爬虫html的xpath路径解析等。

安装

$ pip install lxml

简单使用

from lxml import etree

r = etree.HTML(html_content)
r.xpath("...")

flask

灵活度很高的web开发框架，小编公司内部系统一般用这个开发，使用前后端分离搭载一些其他的库，一两周轻松搞定。

安装

$ pip install flask

简单使用

from flask import Flask
app = Flask(__name__)
app.run()

sqlalchemy

SQLAlchemy是Python编程语言下的一款开源软件。提供了SQL工具包及对象关系映射（ORM）工具，使用MIT许可证发行。

SQLAlchemy“采用简单的Python语言，为高效和高性能的数据库访问设计，实现了完整的企业级持久模型”。SQLAlchemy的理念是，SQL数据库的量级和性能重要于对象集合；而对象集合的抽象又重要于表和行。

目前支持的数据库SQLite、MySQL、Postgres、Oracle、MS-SQL、SQLServer 和 Firebird等。

安装

pip install Sqlalchemy

测试相关

• selenium web自动化测试工具
• appium App自动化测试工具
• behave BDD自动化测试框（通用自动化测试框架）
• unittest Python内置自动化测试框架（通用自动化测试框架）

远程ssh，自动化运维

• fabric
• paramiko
• python-webscoket

以上是我工作中使用过的库，和一些其他部门的库的总结，大家在平时python开发时使用过哪些库呢，请大家在评论中留言讨论。