# awesome-python **Repository Path**: wangxiaopeng2/awesome-python ## Basic Information - **Project Name**: awesome-python - **Description**: No description available - **Primary Language**: Unknown - **License**: CC-BY-4.0 - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2026-09-17 - **Last Updated**: 2026-09-17 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README [English](README.md) | [简体中文](README_zh.md) # [Awesome Python](https://awesome-python.com/) An opinionated guide to the best Python frameworks, libraries, and tools. > 这是一份带个人观点的最佳 Python 框架、库和工具指南。 **访问[网站](https://awesome-python.com/)，可以更轻松地搜索和筛选项目。** ## **Sponsors** > **GitHub 上获得最多 star 的 #10 仓库**。将你的产品展示在 Python 开发者面前。[成为赞助商](SPONSORSHIP.md)。 ## 分类目录 **AI 与智能体** - [AI 与智能体](#ai-and-agents) - [深度学习](#deep-learning) - [机器学习](#machine-learning) - [自然语言处理](#natural-language-processing) - [计算机视觉](#computer-vision) - [推荐系统](#recommender-systems) **Web 开发** - [Web 框架](#web-frameworks) - [Web API](#web-apis) - [Web 服务器](#web-servers) - [WebSocket](#websocket) - [模板引擎](#template-engines) - [Web 资源管理](#web-asset-management) - [认证](#authentication) - [管理面板](#admin-panels) - [CMS](#cms) - [ERP](#erp) - [静态站点生成器](#static-site-generators) **HTTP 与网页抓取** - [HTTP 客户端](#http-clients) - [网页抓取](#web-scraping) - [电子邮件](#email) **数据库与存储** - [ORM](#orm) - [数据库驱动](#database-drivers) - [数据库](#database) - [缓存](#caching) - [搜索](#search) - [序列化](#serialization) **数据与科学** - [数据分析](#data-analysis) - [数据接入 / ETL](#data-ingestion--etl) - [数据验证](#data-validation) - [数据可视化](#data-visualization) - [地理定位](#geolocation) - [科学](#science) - [量子计算](#quantum-computing) **开发者工具** - [算法与设计模式](#algorithms-and-design-patterns) - [交互式解释器](#interactive-interpreter) - [代码分析](#code-analysis) - [测试](#testing) - [调试工具](#debugging-tools) - [构建工具](#build-tools) - [文档](#documentation) **DevOps** - [DevOps 工具](#devops-tools) - [分布式计算](#distributed-computing) - [任务队列](#task-queues) - [消息传递](#messaging) - [任务调度](#job-schedulers) - [日志](#logging) - [网络虚拟化](#network-virtualization) **CLI 与 GUI** - [命令行开发](#cli-development) - [命令行工具](#cli-tools) - [GUI 开发](#gui-development) **文本与文档** - [文本处理](#text-processing) - [HTML 操作](#html-manipulation) - [文件格式处理](#file-format-processing) - [文件操作](#file-manipulation) **媒体** - [图像处理](#image-processing) - [音频与视频处理](#audio--video-processing) - [游戏开发](#game-development) **Python 语言** - [实现](#implementations) - [内置类增强](#built-in-classes-enhancement) - [函数式编程](#functional-programming) - [异步编程](#asynchronous-programming) - [日期与时间](#date-and-time) **Python 工具链** - [环境管理](#environment-management) - [包管理](#package-management) - [包仓库](#package-repositories) - [分发](#distribution) - [配置文件](#configuration-files) **安全** - [密码学](#cryptography) - [渗透测试](#penetration-testing) - [供应链安全](#supply-chain-security) - [Web 安全](#web-security) **其他** - [硬件](#hardware) - [Microsoft Windows](#microsoft-windows) - [其他](#miscellaneous) ## 项目 **AI 与机器学习** ### AI 与智能体 _用于构建 AI 应用、LLM 集成和自主智能体的库。_ - 智能体技能 - [django-ai-plugins](https://github.com/vintasoftware/django-ai-plugins) - 面向 Django、DRF、Celery 及 Django 专属代码审查的 Django 后端智能体技能。 - [sentry-skills](https://github.com/getsentry/skills) - 面向 Python 的工程技能，用于代码审查、调试和后端工作流。 - [trailofbits-skills](https://github.com/trailofbits/skills) - 对 Python 友好的安全技能，用于审计、测试和更安全的后端开发。 - 编排 - [langchain](https://github.com/langchain-ai/langchain) - 通过可组合性构建基于 LLM 的应用。 - [langgraph](https://github.com/langchain-ai/langgraph) - 用于构建有状态、可长期运行的 LLM 智能体的底层编排框架。 - [crewai](https://github.com/crewAIInc/crewAI) - 一个用于编排角色扮演的自主 AI 智能体以协同解决问题的框架。 - [pydantic-ai](https://github.com/pydantic/pydantic-ai) - 一个用于构建带结构化 schema 的生成式 AI 应用的 Python 智能体框架。 - 厂商智能体 SDK - [openai-agents](https://github.com/openai/openai-agents-python) - OpenAI 用于构建和管理 AI 智能体的框架。 - [claude-agent-sdk](https://github.com/anthropics/claude-agent-sdk-python) - Anthropic 的 Python SDK，基于 Claude Code 的 harness 构建 AI 智能体——支持自定义工具、进程内 MCP 服务器、hooks。 - 个人助手 - [hermes-agent](https://github.com/nousresearch/hermes-agent) - 一个伴随你成长的自适应个人 AI 助手。 - 提示词优化 - [dspy](https://github.com/stanfordnlp/dspy) - 一个用于对语言模型进行编程而非提示词的框架。 - 数据层 - [instructor](https://github.com/567-labs/instructor) - 一个由 Pydantic 驱动、从 LLM 中提取结构化数据的库。 - [llama-index](https://github.com/run-llama/llama_index) - 面向你的 LLM 应用的数据框架。 - [mem0](https://github.com/mem0ai/mem0) - 为 AI 智能体提供个性化交互的智能记忆层。 - [openviking](https://github.com/volcengine/OpenViking) - 面向 AI 智能体的上下文数据库，统一记忆、资源和技能。 - [semantica](https://github.com/semantica-agi/semantica) - 面向 AI 智能体的图原生上下文与知识层，具备推理、溯源和治理能力。 - 预训练模型 - [transformers](https://github.com/huggingface/transformers) - 一个让你轻松使用预训练 transformer 模型处理 NLP、视觉和音频任务的框架。 - LLM 推理与服务 - [sglang](https://github.com/sgl-project/sglang) - 面向大语言模型和多模态模型的高性能服务框架。 - [vllm](https://github.com/vllm-project/vllm) - 面向 LLM 的高吞吐、内存高效的推理与服务引擎。 - [mlx-lm](https://github.com/ml-explore/mlx-lm) - 使用 MLX 在 Apple Silicon 上运行和微调大语言模型。 - LLM 网关 - [LiteLLM](https://github.com/BerriAI/litellm) - 使用 OpenAI 格式调用 100 多个 LLM。 - 图像与视频生成 - [diffusers](https://github.com/huggingface/diffusers) - 一个提供用于生成和编辑图像、音频、视频的预训练扩散模型的库。 - 微调 - [peft](https://github.com/huggingface/peft) - 用于大预训练模型参数高效微调的库。 - [unsloth](https://github.com/unslothai/unsloth) - 一个用于更快速 LLM 微调与训练、内存占用更低的库。 - [axolotl](https://github.com/axolotl-ai-cloud/axolotl) - 用于微调和大语言模型后训练的框架。 - 语音 - [openai-whisper](https://github.com/openai/whisper) - 一个通用自动语音识别模型，在 68 万小时的多语言多任务监督数据上训练。 - [funasr](https://github.com/modelscope/FunASR) - 工业级语音识别工具包，支持 170 倍实时速度、50+ 语言、说话人分离和情感检测。 - [vibevoice](https://github.com/microsoft/VibeVoice) - 微软的开源语音 AI 模型系列，用于文本转语音和长语音识别。 - [gTTS](https://github.com/pndurette/gTTS) - 使用 Google Translate TTS 将文本转换为语音的 Python 库和 CLI 工具。 - [kittentts](https://github.com/KittenML/KittenTTS) - 轻量级 ONNX 文本转语音库，提供对 CPU 友好的小型模型。 ### 深度学习 _神经网络与深度学习框架。另见 [awesome-deep-learning](https://github.com/ChristosChristofidis/awesome-deep-learning)。_ - 框架 - [pytorch](https://github.com/pytorch/pytorch) - 在 Python 中支持强大 GPU 加速的张量与动态神经网络。 - [tensorflow](https://github.com/tensorflow/tensorflow) - Google 创建的最流行的深度学习框架。 - [keras](https://github.com/keras-team/keras) - 支持 JAX、TensorFlow 和 PyTorch 后端的高层深度学习库。 - [jax](https://github.com/jax-ml/jax) - 支持自动微分和 JIT 编译的高性能数值计算库。 - [pytorch-lightning](https://github.com/Lightning-AI/pytorch-lightning) - 以 Lightning 的速度训练、部署和发布 AI 产品的深度学习框架。 - 强化学习 - [gymnasium](https://github.com/Farama-Foundation/Gymnasium) - 强化学习环境的标准 API，内置流行的参考环境（[gym](https://github.com/openai/gym) 的继任者）。 - [stable-baselines3](https://github.com/DLR-RM/stable-baselines3) - Stable Baselines（深度）强化学习算法的 PyTorch 实现。 ### 机器学习 _机器学习库。另见 [awesome-machine-learning](https://github.com/josephmisiti/awesome-machine-learning#python)。_ - 通用 - [scikit-learn](https://github.com/scikit-learn/scikit-learn) - 最流行的 Python 机器学习库，拥有丰富的文档和社区支持。 - [pgmpy](https://github.com/pgmpy/pgmpy) - 用于概率图模型和贝叶斯网络的 Python 库。 - [feature-engine](https://github.com/feature-engine/feature_engine) - 与 sklearn 兼容的 API，提供最广泛的特征工程与选择工具集。 - 梯度提升 - [xgboost](https://github.com/dmlc/xgboost) - 可扩展、可移植且分布式的梯度提升库。 - [lightgbm](https://github.com/lightgbm-org/LightGBM) - 一个快速、分布式、高性能的梯度提升框架。 - [catboost](https://github.com/catboost/catboost) - 一个基于决策树的快速、可扩展、高性能梯度提升库。 - 时间序列预测 - [timesfm](https://github.com/google-research/timesfm) - Google Research 发布的用于时间序列预测的预训练基础模型。 ### 自然语言处理 _用于处理人类语言的库。_ - 通用 - [nltk](https://github.com/nltk/nltk) - 用于构建处理人类语言数据的 Python 程序的领先平台。 - [spacy](https://github.com/explosion/spaCy) - 一个用于 Python 和 Cython 工业级自然语言处理的库。 - [gensim](https://github.com/piskvorky/gensim) - 面向人的话题建模。 - [stanza](https://github.com/stanfordnlp/stanza) - 斯坦福 NLP 小组的官方 Python 库，支持 60+ 种语言。 - 中文 - [jieba](https://github.com/fxsjy/jieba) - 最流行的中文分词库。 - [pypinyin](https://github.com/mozillazg/python-pinyin) - 将汉字转换为拼音。 - [pangu.py](https://github.com/vinta/pangu.py) - 偏执的空格处理。 ### 计算机视觉 _计算机视觉库。_ - 通用 - [opencv-python](https://github.com/opencv/opencv-python) - 开源计算机视觉库。 - [ultralytics](https://github.com/ultralytics/ultralytics) - 用于目标检测、分割、姿态估计和分类的 Ultralytics YOLO，具备最先进的准确性与速度。 - [kornia](https://github.com/kornia/kornia/) - 面向 PyTorch 的开源可微分计算机视觉库。 - [fiftyone](https://github.com/voxel51/fiftyone) - 用于构建高质量数据集和计算机视觉模型的开源工具。 - OCR - [pytesseract](https://github.com/madmaze/pytesseract) - [Google Tesseract OCR](https://github.com/tesseract-ocr) 的一个封装。 - [easyocr](https://github.com/JaidedAI/EasyOCR) - 即开即用的 OCR，支持 40+ 种语言。 ### 推荐系统 _用于构建推荐系统的库。_ - [annoy](https://github.com/spotify/annoy) - 针对内存使用优化的 C++/Python 近似最近邻。 - [implicit](https://github.com/benfred/implicit) - 基于隐式数据集的快速 Python 协同过滤实现。 - [scikit-surprise](https://github.com/NicolasHug/Surprise) - 用于构建和分析推荐系统的 scikit。 **Web 开发** ### Web 框架 _传统全栈 Web 框架。另见 [Web API](#web-apis)。_ - 同步 - [flask](https://github.com/pallets/flask) - 一个 Python 微框架。 - [awesome-flask](https://github.com/humiaozuzu/awesome-flask) - [django](https://github.com/django/django) - Python 中最流行的 Web 框架。 - [awesome-django](https://github.com/wsvincent/awesome-django) - [bottle](https://github.com/bottlepy/bottle) - 一个以单文件分发、无依赖的快速简单微框架。 - [pyramid](https://github.com/Pylons/pyramid) - 一个小巧、快速、务实、开源的 Python Web 框架。 - [awesome-pyramid](https://github.com/uralbash/awesome-pyramid) - [fasthtml](https://github.com/AnswerDotAI/fasthtml) - 创建 HTML 应用最快的方式。 - [awesome-fasthtml](https://github.com/amosgyamfi/awesome-fasthtml) - 异步 - [starlette](https://github.com/Kludex/starlette) - 一个轻量级 ASGI 框架和工具包，用于构建高性能异步服务。 - [tornado](https://github.com/tornadoweb/tornado) - 一个 Web 框架和异步网络库。 - [litestar](https://github.com/litestar-org/litestar) - 生产就绪、功能强大且可扩展的 ASGI Web 框架。 - [reflex](https://github.com/reflex-dev/reflex) - 一个完全用 Python 构建响应式全栈 Web 应用的框架。 ### Web API _用于构建 RESTful、GraphQL 和 RPC API 的库。_ - Django - [django-rest-framework](https://github.com/encode/django-rest-framework) - 一个强大而灵活的构建 Web API 工具包。 - [django-ninja](https://github.com/vitalik/django-ninja) - 基于类型提示和 Pydantic 的快速 Django REST 框架。 - [strawberry-django](https://github.com/strawberry-graphql/strawberry-django) - Strawberry GraphQL 与 Django 的集成。 - [django-modern-rest](https://github.com/wemake-services/django-modern-rest) - 现代 REST，兼具速度、类型、异步、`msgspec`、`pydantic` 等优点！ - Flask - [apiflask](https://github.com/apiflask/apiflask) - 一个基于 Flask 和 Marshmallow 的轻量级 Python Web API 框架。 - 框架无关 - [fastapi](https://github.com/fastapi/fastapi) - 一个使用标准 Python 类型提示构建 API 的现代、快速的 Web 框架。 - [connexion](https://github.com/spec-first/connexion) - 一个规范优先的框架，根据你的 OpenAPI 规范自动处理请求。 - [strawberry](https://github.com/strawberry-graphql/strawberry) - 一个利用 Python 类型注解定义 schema 的 GraphQL 库。 - RPC - [grpcio](https://github.com/grpc/grpc) - 基于 HTTP/2 的 RPC 框架，带有 Python 绑定，由 Google 构建。 ### Web 服务器 _兼容 ASGI 和 WSGI 的 Web 服务器。_ - ASGI - [uvicorn](https://github.com/Kludex/uvicorn) - 一个使用 uvloop 和 httptools 的极速 ASGI 服务器实现。 - [granian](https://github.com/emmett-framework/granian) - 一个构建于 Hyper 和 Tokio 之上的 Rust HTTP 服务器，适用于 Python 应用，支持 WSGI/ASGI/RSGI。 - [hypercorn](https://github.com/pgjones/hypercorn) - 一个基于 Hyper 库、灵感来自 Gunicorn 的 ASGI 和 WSGI 服务器。 - WSGI - [gunicorn](https://github.com/benoitc/gunicorn) - 预 fork，从 Ruby 的 Unicorn 项目移植。 - [waitress](https://github.com/Pylons/waitress) - 多线程，驱动 Pyramid。 ### WebSocket _用于处理 WebSocket 的库。_ - [websockets](https://github.com/python-websockets/websockets) - 一个用于构建 WebSocket 服务器和客户端的库，强调正确性与简单性。 - [channels](https://github.com/django/channels) - 面向开发者的 Django 异步支持。 - [flask-socketio](https://github.com/miguelgrinberg/Flask-SocketIO) - Flask 应用的 Socket.IO 集成。 - [autobahn-python](https://github.com/crossbario/autobahn-python) - 基于 Twisted 和 [asyncio](https://docs.python.org/3/library/asyncio.html) 的 Python WebSocket 与 WAMP。 ### 模板引擎 _用于模板和词法分析的库与工具。_ - [jinja](https://github.com/pallets/jinja) - 一种现代且对设计师友好的模板语言。 - [mako](https://github.com/sqlalchemy/mako) - Python 平台超高速、轻量级的模板。 ### Web 资源管理 _用于管理、存储、压缩和最小化网站资源的工具。_ - [django-storages](https://github.com/jschneier/django-storages) - Django 自定义存储后端的集合。 - [django-compressor](https://github.com/django-compressor/django-compressor) - 将链接的和内联的 JavaScript 或 CSS 压缩到单个缓存文件中。 ### 认证 _用于实现认证方案的库。_ - OAuth - [oauthlib](https://github.com/oauthlib/oauthlib) - 对 OAuth 请求签名逻辑的通用而彻底的实现。 - [authlib](https://github.com/authlib/authlib) - 用于构建 OAuth、OpenID Connect 和 JWT/JWS/JWE/JWK/JWA 的全面库。 - [django-allauth](https://github.com/pennersr/django-allauth) - Django 的认证应用，开箱即用。 - [django-oauth-toolkit](https://github.com/django-oauth/django-oauth-toolkit) - Django 的 OAuth 2 工具。 - JWT - [pyjwt](https://github.com/jpadilla/pyjwt) - Python 中的 JSON Web Token 实现。 - 权限 - [django-guardian](https://github.com/django-guardian/django-guardian) - Django 的对象级权限实现。 - [django-rules](https://github.com/dfunckt/django-rules) - 一个为 Django 提供对象级权限的小型但强大的应用，无需数据库。 ### 管理面板 _用于管理界面的库。_ - [flask-admin](https://github.com/pallets-eco/flask-admin) - 简单且可扩展的 Flask 管理界面框架。 - [django-unfold](https://github.com/unfoldadmin/django-unfold) - 以惊艳的现代化界面、强大的功能和流畅的用户体验提升你的 Django 后台。 - [django-grappelli](https://github.com/sehmaschine/django-grappelli) - 为 Django 管理界面定制的时尚皮肤。 ### CMS _内容管理系统。_ - [wagtail](https://github.com/wagtail/wagtail) - 一个 Django 内容管理系统。 - [django-cms](https://github.com/django-cms/django-cms) - 由 Django 驱动的易用且对开发者友好的企业级 CMS。 ### ERP _企业资源规划框架。_ - [odoo](https://github.com/odoo/odoo) - 一套开源商业应用：CRM、电子商务、会计、库存，以及数千个社区模块。 ### 静态站点生成器 _静态站点生成器是一种软件，它接收一些文本和模板作为输入，并输出 HTML 文件。_ - [pelican](https://github.com/getpelican/pelican) - 支持 Markdown 和 reST 语法的静态站点生成器。 - [nikola](https://github.com/getnikola/nikola) - 一个静态网站和博客生成器。 **HTTP 与抓取** ### HTTP 客户端 _用于处理 HTTP 的库。_ - 客户端 - [requests](https://github.com/psf/requests) - 为人类设计的 HTTP 请求库。 - [httpx](https://github.com/encode/httpx) - 面向 Python 的下一代 HTTP 客户端。 - [aiohttp](https://github.com/aio-libs/aiohttp) - 基于 asyncio 和 Python 的异步 HTTP 客户端/服务端框架。 - [urllib3](https://github.com/urllib3/urllib3) - 一个 HTTP 库，具备线程安全的连接池、文件上传支持、对新手友好。 - [httpx2](https://github.com/pydantic/httpx2) - 支持同步与异步 API 的 HTTP/1.1 和 HTTP/2 客户端，由 Pydantic 维护（[httpx](https://github.com/encode/httpx) 的分支）。 - URL 操作 - [yarl](https://github.com/aio-libs/yarl) - 又一个 URL 库。 ### 网页抓取 _用于自动化网页抓取和提取网页内容的库。_ - 框架 - [browser-use](https://github.com/browser-use/browser-use) - 通过简单的浏览器自动化让网站可供 AI 智能体访问。 - [scrapy](https://github.com/scrapy/scrapy) - 一个快速的高层屏幕抓取和网络爬虫框架。 - [crawl4ai](https://github.com/unclecode/crawl4ai) - 一个开源的、对 LLM 友好的网络爬虫，为 AI 智能体专门设计，提供闪电般的快速结构化数据提取。 - 内容提取 - [feedparser](https://github.com/kurtmckee/feedparser) - 通用信息源解析器。 - [html2text](https://github.com/Alir3z4/html2text) - 将 HTML 转换为 Markdown 格式的文本。 - [trafilatura](https://github.com/adbar/trafilatura) - 从网页中收集文本和元数据的工具，内置内容过滤功能。 ### 邮件 _用于发送和解析邮件、以及邮件服务器管理的库。_ - [yagmail](https://github.com/kootenpv/yagmail) - 又一个 Gmail/SMTP 客户端。 **数据库与存储** ### ORM _实现对象关系映射或数据映射技术的库。_ - 关系型数据库 - [sqlalchemy](https://github.com/sqlalchemy/sqlalchemy) - Python 的 SQL 工具包和对象关系映射器。 - [awesome-sqlalchemy](https://github.com/dahlia/awesome-sqlalchemy) - [django.db.models](https://github.com/django/django) - （Django 的一部分）Django 的 [ORM](https://docs.djangoproject.com/en/dev/topics/db/models/)。 - [peewee](https://github.com/coleifer/peewee) - 一个小巧而富有表现力的 ORM。 - [sqlmodel](https://github.com/fastapi/sqlmodel) - SQLModel 基于 Python 类型注解，并由 Pydantic 和 SQLAlchemy 驱动。 - NoSQL 数据库 - [pynamodb](https://github.com/pynamodb/PynamoDB) - 面向 [Amazon DynamoDB](https://aws.amazon.com/dynamodb/) 的 Python 化接口。 - [mongoengine](https://github.com/MongoEngine/mongoengine) - 用于操作 MongoDB 的 Python 对象-文档映射器。 - [beanie](https://github.com/BeanieODM/beanie) - 用于 MongoDB 的异步 Python 对象-文档映射器（ODM）。 ### 数据库驱动 _用于连接和操作数据库的库。_ - MySQL - [awesome-mysql](https://github.com/shlomi-noach/awesome-mysql) - [pymysql](https://github.com/PyMySQL/PyMySQL) - 兼容 mysql-python 的纯 Python MySQL 驱动。 - [mysqlclient](https://github.com/PyMySQL/mysqlclient) - 支持 Python 3 的 MySQL 连接器（[mysql-python](https://sourceforge.net/projects/mysql-python/) 的分支）。 - PostgreSQL - [awesome-postgres](https://github.com/dhamaniasad/awesome-postgres) - [psycopg](https://github.com/psycopg/psycopg) - Python 最流行的 PostgreSQL 适配器。 - [asyncpg](https://github.com/MagicStack/asyncpg) - 用于 Python/asyncio 的快速 PostgreSQL 数据库客户端库。 - SQLite - [awesome-sqlite](https://github.com/planetopendata/awesome-sqlite) - [sqlite3](https://docs.python.org/3/library/sqlite3.html) - （Python 标准库）符合 DB-API 2.0 的 SQLite 接口。 - [sqlite-utils](https://github.com/simonw/sqlite-utils) - 用于操作 SQLite 数据库的 Python CLI 工具和库。 - ClickHouse - [clickhouse-connect](https://github.com/ClickHouse/clickhouse-connect) - 官方 ClickHouse 客户端，提供 SQLAlchemy 和 Superset 连接器。 - [clickhouse-driver](https://github.com/mymarilyn/clickhouse-driver) - 使用原生接口的 ClickHouse Python 驱动。 - 其他关系型数据库 - [pyodbc](https://github.com/mkleehammer/pyodbc) - 用于连接 SQL Server 及其他任何可通过 ODBC 访问的数据库的 ODBC 桥接。 - [oracledb](https://github.com/oracle/python-oracledb) - Oracle Database 的官方 Python 驱动，cx_Oracle 的继任者。 - [mssql-python](https://github.com/microsoft/mssql-python) - Microsoft 官方 SQL Server 和 Azure SQL 驱动，基于 ODBC 构建，具有高性能和低内存占用。 - NoSQL 数据库 - [redis](https://github.com/redis/redis-py) - Redis 的 Python 客户端。 - [pymongo](https://github.com/mongodb/mongo-python-driver) - MongoDB 的官方 Python 客户端。 - [cassandra-driver](https://github.com/apache/cassandra-python-driver) - Apache Cassandra 的 Python 驱动。 - [django-mongodb-backend](https://github.com/mongodb/django-mongodb-backend) - 官方 MongoDB 数据库后端，用于 Django。 ### 数据库 _可直接从 Python 使用的进程内数据库。_ - 分析型 - [duckdb](https://github.com/duckdb/duckdb) - 一个进程内 SQL OLAP 数据库管理系统；专为分析和快速查询而优化，与 SQLite 类似但面向分析工作负载。 - [chdb](https://github.com/chdb-io/chdb) - 进程内 OLAP SQL 引擎，支持完整 ClickHouse 方言、pandas/Arrow 零拷贝互操作，并通过 `remoteSecure()` 联邦到远程 ClickHouse 集群。 - 向量 - [chromadb](https://github.com/chroma-core/chroma) - 一个开源嵌入数据库，用于构建带嵌入和语义搜索的 AI 应用。 - [lancedb](https://github.com/lancedb/lancedb) - 面向多模态 AI 的开发者友好型嵌入式检索数据库。 - [zvec](https://github.com/alibaba/zvec) - 用于端侧 RAG 和边缘 AI 的嵌入式向量数据库，堪称向量数据库界的 SQLite。 - 键值存储与文档 - [tinydb](https://github.com/msiemens/tinydb) - 一个微型、面向文档的数据库。 ### 缓存 _用于缓存数据的库。_ - [cachetools](https://github.com/tkem/cachetools) - 可扩展的记忆化集合和装饰器。 - [diskcache](https://github.com/grantjenks/python-diskcache) - 基于 SQLite 和文件的缓存后端，查找速度比 memcached 和 redis 更快。 - [hishel](https://github.com/karpetrosyan/hishel) - 符合 RFC 9111 的 HTTP 缓存，适用于 httpx 和 requests，支持同步和异步。 - [dogpile.cache](https://github.com/sqlalchemy/dogpile.cache) - dogpile.cache 是 Beaker 的下一代替代品，由原作者打造。 - [django-cacheops](https://github.com/Suor/django-cacheops) - 一个优雅的 ORM 缓存，带自动的细粒度事件驱动失效机制。 ### 搜索 _用于对数据建立索引和执行搜索查询的库和软件。_ - [elasticsearch](https://github.com/elastic/elasticsearch-py) - [Elasticsearch](https://www.elastic.co/products/elasticsearch) 的官方底层 Python 客户端。 - [opensearch-py](https://github.com/opensearch-project/opensearch-py) - [OpenSearch](https://opensearch.org/) 的官方底层 Python 客户端。 - [meilisearch](https://github.com/meilisearch/meilisearch-python) - [Meilisearch](https://www.meilisearch.com/) 搜索引擎的官方 Python 客户端。 - [django-haystack](https://github.com/django-haystack/django-haystack) - Django 的模块化搜索方案。 ### 序列化 _用于序列化复杂数据类型的库。_ - [msgpack](https://github.com/msgpack/msgpack-python) - Python 的 MessagePack 序列化器实现。 - [orjson](https://github.com/ijl/orjson) - 快速且正确的 JSON 库。 - [marshmallow](https://github.com/marshmallow-code/marshmallow) - 一个轻量级库，用于在复杂对象和简单 Python 数据类型之间进行转换。 - [msgspec](https://github.com/msgspec/msgspec) - 一个快速序列化和校验库，内置对 JSON、MessagePack、YAML 和 TOML 的支持。 **数据与科学** ### 数据分析 _用于数据分析的库。_ - [pandas](https://github.com/pandas-dev/pandas) - 提供高性能、易于使用的数据结构与数据分析工具的库。 - [polars](https://github.com/pola-rs/polars) - 用 Rust 实现并带有 Python API 的快速 DataFrame 库。 - [ibis-framework](https://github.com/ibis-project/ibis) - 一个可移植的 Python 数据帧库，通过单一 API 支持 20 多种后端。 ### 数据接入 / ETL _用于跨多个来源和目的地进行数据提取、转换和加载管道的库。_ - 通用 - [awswrangler](https://github.com/aws/aws-sdk-pandas) - Pandas 与 Athena、Glue、Redshift、S3 和 DynamoDB 等 AWS 服务的集成。 - [dlt](https://github.com/dlt-hub/dlt) - 一个用于构建数据管道的 Python 库，具备自动模式推断、增量加载，以及多来源多目的地支持。 - [pathway](https://github.com/pathwaycom/pathway) - 用于流处理、实时分析、LLM 管道和 RAG 的 Python ETL 框架。 - 金融数据 - [yfinance](https://github.com/ranaroussi/yfinance) - 从 Yahoo Finance 下载市场和金融数据的易用 Python 方式。 - [akshare](https://github.com/akfamily/akshare) - 一个为人类设计的金融数据接口库！ - [edgartools](https://github.com/dgunning/edgartools) - 用于从 SEC EDGAR 申报文件和 XBRL 财务报表中下载结构化数据的库。 - [openbb](https://github.com/OpenBB-finance/OpenBB) - 面向分析师、量化人员和 AI 智能体的金融数据平台。 ### 数据验证 _用于验证数据的库。在很多情况下用于表单。_ - [pydantic](https://github.com/pydantic/pydantic) - 使用 Python 类型提示进行数据验证。 - [jsonschema](https://github.com/python-jsonschema/jsonschema) - 针对 Python 的 [JSON Schema](https://json-schema.org/) 实现。 - [pandera](https://github.com/unionai-oss/pandera) - 面向数据帧的数据验证库，支持 pandas、polars 和 Spark。 ### 数据可视化 _用于可视化数据的库。另请参阅 [awesome-javascript](https://github.com/sorrycc/awesome-javascript#data-visualization)。_ - 绘图 - [matplotlib](https://github.com/matplotlib/matplotlib) - 一个 Python 2D 绘图库。 - [plotly](https://github.com/plotly/plotly.py) - 用于 Python 的交互式绘图库。 - [seaborn](https://github.com/mwaskom/seaborn) - 基于 Matplotlib 的统计数据可视化。 - [altair](https://github.com/vega/altair) - 用于 Python 的声明式统计可视化库。 - [bokeh](https://github.com/bokeh/bokeh) - 用于 Python 的交互式 Web 绘图。 - 专业领域 - [cartopy](https://github.com/SciTools/cartopy) - 一个支持 matplotlib 的制图 Python 库。 - [pygraphviz](https://github.com/pygraphviz/pygraphviz/) - 面向 [Graphviz](https://www.graphviz.org/) 的 Python 接口。 - [graphify](https://github.com/Graphify-Labs/graphify) - 将任意代码、SQL 模式、文档、论文、图片或视频文件夹转换为可查询的知识图谱。 - 仪表盘与应用 - [streamlit](https://github.com/streamlit/streamlit) - 一个可让你在几分钟内构建仪表盘、生成报告或创建聊天应用的框架。 - [gradio](https://github.com/gradio-app/gradio) - 全部使用 Python 构建和分享机器学习应用。 ### 地理定位 _用于地理编码地址以及处理经纬度的库。_ - [geopandas](https://github.com/geopandas/geopandas) - 基于 pandas 构建的 Python 地理数据工具（GeoSeries/GeoDataFrame）。 - [geopy](https://github.com/geopy/geopy) - Python 地理编码工具箱。 - [geojson](https://github.com/jazzband/geojson) - 面向 GeoJSON 的 Python 绑定与实用工具。 - [geodjango](https://github.com/django/django) -（Django 的一部分）一个世界级的[地理网络框架](https://docs.djangoproject.com/en/dev/ref/contrib/gis/)。 ### 科学计算 _用于科学计算的库。另请参阅 [Python-for-Scientists](https://github.com/TomNicholas/Python-for-Scientists)。_ - 核心 - [numpy](https://github.com/numpy/numpy) - 使用 Python 进行科学计算的基础包。 - [scipy](https://github.com/scipy/scipy) - 一个基于 Python 的开源软件生态，用于数学、科学和工程。 - [numba](https://github.com/numba/numba) - 面向 LLVM 的 Python JIT 编译器，专为科学 Python 设计。 - 符号数学 - [sympy](https://github.com/sympy/sympy) - 用于符号数学的 Python 库。 - 统计学 - [statsmodels](https://github.com/statsmodels/statsmodels) - 使用 Python 进行统计建模和计量经济学。 - 生物学与化学 - [biopython](https://github.com/biopython/biopython) - Biopython 是一套免费可用的生物计算工具。 - [rdkit](https://github.com/rdkit/rdkit) - 化学信息学与机器学习软件。 - 物理学与工程 - [pint](https://github.com/hgrecco/pint) - 处理带单位和量纲分析的物理量。 - [astropy](https://github.com/astropy/astropy) - 一个面向天文学的社区 Python 库。 - [obspy](https://github.com/obspy/obspy) - 一个用于地震学的 Python 工具箱。 - 仿真与建模 - [pymc](https://github.com/pymc-devs/pymc) - 使用 Python 进行概率编程和贝叶斯建模。 - [simpy](https://gitlab.com/team-simpy/simpy) - 一个基于进程的离散事件仿真框架。 - [mesa](https://github.com/mesa/mesa) - 一个基于代理的建模框架，用于构建、分析和可视化复杂系统仿真。 - 图与网络 - [networkx](https://github.com/networkx/networkx) - 一个用于复杂网络的高效软件。 - 计算几何 - [shapely](https://github.com/shapely/shapely) - 在笛卡尔平面上对几何对象进行操作和分析。 - 其他 - [colour-science](https://github.com/colour-science/colour) - 实现全面的色彩理论变换和算法。 - [manim](https://github.com/ManimCommunity/manim) - 用于制作数学讲解视频的动画引擎。 ### 量子计算 _用于量子计算的库。_ - [qiskit](https://github.com/Qiskit/qiskit) - 一个 IBM 支持的量子 SDK，用于在真实量子硬件上构建、模拟和运行电路。 - [qutip](https://github.com/qutip/qutip) - Python 中的量子工具箱。 - [pennylane](https://github.com/PennyLaneAI/pennylane) - 一个支持自动微分的混合量子-经典机器学习库。 - [cirq](https://github.com/quantumlib/Cirq) - 一个由 Google 开发的框架，专注于面向 NISQ 设备的硬件感知量子电路设计。 **开发者工具** ### 算法与设计模式 _数据结构、算法和设计模式的 Python 实现。另外参见 [awesome-algorithms](https://github.com/tayllan/awesome-algorithms)。_ - 算法 - [sortedcontainers](https://github.com/grantjenks/python-sortedcontainers) - 快速且纯 Python 实现的有序集合。 - [algorithms](https://github.com/keon/algorithms) - 数据结构和算法的最小示例。 - [thealgorithms](https://github.com/TheAlgorithms/Python) - 用 Python 实现的所有算法。 - 设计模式 - [transitions](https://github.com/pytransitions/transitions) - 一个轻量级、面向对象的有限状态机实现。 - [python-patterns](https://github.com/faif/python-patterns) - 用 Python 实现的设计模式集合。 - [python-statemachine](https://github.com/fgmacedo/python-statemachine) - 具有声明式 API 的高表达力状态图和有限状态机，支持同步和异步代码库。 ### 交互式解释器 _交互式 Python 解释器（REPL）。_ - [ipython](https://github.com/ipython/ipython) - 一个强大的交互式 Python 外壳，也是 Jupyter 笔记本的内核。 - [jupyter](https://github.com/jupyter/notebook) - 一个丰富的工具箱，帮助你充分发挥交互式 Python 的潜力。 - [awesome-jupyter](https://github.com/markusschanta/awesome-jupyter) - [marimo](https://github.com/marimo-team/marimo) - 转换数据和训练模型，体验如同下一代笔记本，以对 Git 友好的 Python 形式存储。 - [ptpython](https://github.com/prompt-toolkit/ptpython) - 构建于 [python-prompt-toolkit](https://github.com/prompt-toolkit/python-prompt-toolkit) 之上的高级 Python REPL。 ### 代码分析 _静态分析、代码检查和代码质量检查工具。另见 [awesome-static-analysis](https://github.com/analysis-tools-dev/static-analysis)。_ - 代码分析 - [import-linter](https://github.com/seddonym/import-linter) - 一个对 Python 模块间导入施加架构约束的检查工具。 - [vulture](https://github.com/jendrikseipp/vulture) - 用于查找和分析 Python 死代码的工具。 - [complexipy](https://github.com/rohaquinlop/complexipy) - 用 Rust 编写的 Python 代码认知复杂度分析工具。 - [prospector](https://github.com/prospector-dev/prospector) - 一个用于分析 Python 代码的工具。 - [repowise](https://github.com/repowise-dev/repowise) - 代码库智能工具，将仓库索引为依赖图、git 历史，并自动生成带死代码检测的文档。 - Git 钩子 - [pre-commit](https://github.com/pre-commit/pre-commit) - 一个用于管理和维护多语言 pre-commit 钩子的框架。 - 代码检查与格式化 - [ruff](https://github.com/astral-sh/ruff) - 一个极快的 Python 代码检查器和代码格式化器。 - [black](https://github.com/psf/black) - 一款不妥协的 Python 代码格式化器。 - [isort](https://github.com/PyCQA/isort) - 一个用于排序导入的 Python 工具/库。 - [pylint](https://github.com/pylint-dev/pylint) - 一个完全可定制的源代码分析器。 - [flake8](https://github.com/PyCQA/flake8) - 一个对 `pycodestyle`、`pyflakes` 和 McCabe 的包装器。 - [awesome-flake8-extensions](https://github.com/DmytroLitvinov/awesome-flake8-extensions) - [bandit](https://github.com/PyCQA/bandit) - 一个用于查找 Python 代码中常见安全问题的工具。 - 重构 - [rope](https://github.com/python-rope/rope) - Rope 是一个 Python 重构库。 - 类型检查器 - [awesome-python-typing](https://github.com/typeddjango/awesome-python-typing) - [mypy](https://github.com/python/mypy) - 在编译期间检查变量类型。 - [ty](https://github.com/astral-sh/ty) - 一个极快的 Python 类型检查器和语言服务器。 - [pyright](https://github.com/microsoft/pyright) - 来自微软的 Python 全功能静态类型检查器，是 Pylance 的底层引擎。 - [pyrefly](https://github.com/facebook/pyrefly) - 一个快速的 Python 类型检查器和语言服务器。 - 类型注解生成器 - [monkeytype](https://github.com/Instagram/MonkeyType) - 一个通过收集运行时类型为 Python 生成静态类型注解的系统。 ### 测试 _用于测试代码库和生成测试数据的库。另见 [awesome-python-testing](https://github.com/cleder/awesome-python-testing)。_ - 框架 - [pytest](https://github.com/pytest-dev/pytest) - 一个成熟且功能完整的 Python 测试工具。 - [awesome-pytest](https://github.com/augustogoulart/awesome-pytest) - [hypothesis](https://github.com/HypothesisWorks/hypothesis) - Hypothesis 是一个高级的 Quickcheck 风格基于属性的测试库。 - [robotframework](https://github.com/robotframework/robotframework) - 一个通用的测试自动化框架。 - 测试运行器 - [tox](https://github.com/tox-dev/tox) - 在多个 Python 版本中自动构建和测试发行包 - [nox](https://github.com/wntrblm/nox) - 灵活的 Python 测试自动化。 - 浏览器自动化 - [playwright-python](https://github.com/microsoft/playwright-python) - Playwright 测试与自动化库的 Python 版本。 - [selenium](https://github.com/SeleniumHQ/selenium) - [Selenium](https://selenium.dev/) [WebDriver](https://selenium.dev/documentation/webdriver/) 的 Python 绑定。 - [seleniumbase](https://github.com/seleniumbase/SeleniumBase) - 用于 Web 自动化与测试的 Python 框架，带有隐身选项。 - 负载测试 - [locust](https://github.com/locustio/locust) - 用 Python 编写的可扩展用户负载测试工具。 - API 测试 - [schemathesis](https://github.com/schemathesis/schemathesis) - 一种对基于 Open API / Swagger 规范构建的 Web 应用进行自动基于属性测试的工具。 - 模拟 - [mock](https://docs.python.org/3/library/unittest.mock.html) - （Python 标准库）一个模拟和修补库。 - [responses](https://github.com/getsentry/responses) - 用于模拟 requests Python 库的实用库。 - [freezegun](https://github.com/spulec/freezegun) - 通过模拟 datetime 模块来穿越时间。 - [vcrpy](https://github.com/kevin1024/vcrpy) - 在测试中录制和重放 HTTP 交互。 - [respx](https://github.com/lundberg/respx) - 以绝佳的请求模式和响应副作用模拟 HTTPX。 - 对象工厂 - [factory_boy](https://github.com/FactoryBoy/factory_boy) - Python 的测试夹具替代品。 - [polyfactory](https://github.com/litestar-org/polyfactory) - 支持类的模拟数据生成库（`pydantic-factories` 的延续）。 - 代码覆盖率 - [coverage](https://github.com/coveragepy/coveragepy) - 代码覆盖率测量。 - 假数据 - [faker](https://github.com/joke2k/faker) - 一个生成假数据的 Python 包。 - [mimesis](https://github.com/lk-geimfari/mimesis) - 一个帮助你生成假数据的 Python 库。 ### 调试工具 _用于调试代码的库。_ - 类 pdb 调试器 - [ipdb](https://github.com/gotcha/ipdb) - 支持 IPython 的 [pdb](https://docs.python.org/3/library/pdb.html)。 - [pudb](https://github.com/inducer/pudb) - 一个全屏、基于控制台的 Python 调试器。 - 追踪 - [hunter](https://github.com/ionelmc/python-hunter) - 一个灵活的代码追踪工具包。 - 性能分析器 - [py-spy](https://github.com/benfred/py-spy) - Python 程序的采样性能分析器。用 Rust 编写。 - [memray](https://github.com/bloomberg/memray) - 一个内存分析器，可追踪 Python 代码、原生扩展和解释器本身的分配。 - [pyinstrument](https://github.com/joerick/pyinstrument) - 一个低开销、输出可读调用树统计墙钟分析器。 - [scalene](https://github.com/plasma-umass/scalene) - 一个高性能、高精度的 Python CPU、GPU 和内存分析器。 - 其他 - [django-debug-toolbar](https://github.com/django-commons/django-debug-toolbar) - 为 Django 显示各种调试信息。 - [icecream](https://github.com/gruns/icecream) - 通过一次简单函数调用检查变量、表达式和程序执行。 - [flask-debugtoolbar](https://github.com/pallets-eco/flask-debugtoolbar) - django-debug-toolbar 的 flask 移植版本。 ### 构建工具 _从源代码编译软件。如果你在寻找 Python 打包/构建工具，请参见 [包管理](#package-management)。_ - [invoke](https://github.com/pyinvoke/invoke) - 用于管理面向 shell 的子进程，并将可执行 Python 代码组织为可由 CLI 调用的任务的工具。 - [scons](https://github.com/SCons/scons) - 一个软件构建工具。 - [doit](https://github.com/pydoit/doit) - 一个任务运行器和构建工具。 ### 文档 _用于生成项目文档的库。_ - [sphinx](https://github.com/sphinx-doc/sphinx/) - Python 文档生成器。 - [awesome-sphinxdoc](https://github.com/ygzgxyz/awesome-sphinxdoc) - [mkdocs-material](https://github.com/squidfunk/mkdocs-material) - 基于 MkDocs 构建的文档框架和 Material Design 主题。 - [diagrams](https://github.com/mingrammer/diagrams) - 代码即图表（Diagram as Code）。 - [pdoc](https://github.com/mitmproxy/pdoc) - Epydoc 的替代品，用于自动生成 Python 库的 API 文档。 - [zensical](https://github.com/zensical/zensical) - 一个面向技术文档的现代静态站点生成器。 **DevOps** ### DevOps 工具 _用于 DevOps 的软件和库。_ - 云服务提供商 - [boto3](https://github.com/boto/boto3) - Amazon Web Services 的 Python 接口。 - [awscli](https://github.com/aws/aws-cli) - Amazon Web Services 的通用命令行接口。 - [azure-sdk-for-python](https://github.com/Azure/azure-sdk-for-python) - Microsoft Azure 的 Python SDK，按服务分别发布为包。 - [google-cloud-python](https://github.com/googleapis/google-cloud-python) - Google Cloud 的 Python 客户端库，按服务分别发布为包。 - 配置管理 - [ansible](https://github.com/ansible/ansible) - 一个极其简单的 IT 自动化平台。 - [cloud-init](https://github.com/canonical/cloud-init) - 一个处理云实例早期初始化的多发行版包。 - [pyinfra](https://github.com/pyinfra-dev/pyinfra) - 用于自动化基础设施的多功能 CLI 工具和 Python 库。 - [salt](https://github.com/saltstack/salt) - 基础设施自动化与管理平台。 - 部署 - [fabric](https://github.com/fabric/fabric) - 一个简单、符合 Python 风格的远程执行与部署工具。 - [chalice](https://github.com/aws/chalice) - 一个面向 AWS 的 Python serverless 微框架。 - 监控与进程 - [psutil](https://github.com/giampaolo/psutil) - 一个跨平台的进程和系统工具模块。 - [sentry-sdk](https://github.com/getsentry/sentry-python) - Sentry 的 Python SDK。 - [supervisor](https://github.com/Supervisor/supervisor) - UNIX 的 Supervisor 进程控制系统。 - [flower](https://github.com/mher/flower) - 用于 Celery 任务队列的实时监控和 Web 管理工具。 - [sh](https://github.com/amoffat/sh) - Python 中功能完备的 subprocess 替代品。 - 其他 - [borgbackup](https://github.com/borgbackup/borg) - 一个带压缩和加密的去重归档工具。 - [chaostoolkit](https://github.com/chaostoolkit/chaostoolkit) - 面向开发者的混沌工程工具包与编排。 ### 分布式计算 _用于分布式计算的框架和库。_ - [ray](https://github.com/ray-project/ray/) - 一个用于 Python 并行和分布式计算并统一机器学习生态系统的系统。 - [pyspark](https://github.com/apache/spark) - [Apache Spark](https://spark.apache.org/) 的 Python API。 - [dask](https://github.com/dask/dask) - 一个用于分析计算的灵活并行计算库。 - [joblib](https://github.com/joblib/joblib) - 一组在 Python 中提供轻量级流水线的工具。 - [mpi4py](https://github.com/mpi4py/mpi4py) - MPI 的 Python 绑定。 ### 任务队列 _用于处理任务队列的库。_ - [celery](https://github.com/celery/celery) - 基于分布式消息传递的异步任务队列/作业队列。 - [rq](https://github.com/rq/rq) - 简单的 Python 作业队列。 - [dramatiq](https://github.com/Bogdanp/dramatiq) - 一个快速可靠的 Python 3 后台任务处理库。 - [huey](https://github.com/coleifer/huey) - 一个轻量多线程任务队列。 - [taskiq](https://github.com/taskiq-python/taskiq) - 支持原生 asyncio 和可插拔消息代理的分布式任务队列。 ### 消息传递 _用于处理消息代理和事件流式处理的库。_ - [confluent-kafka](https://github.com/confluentinc/confluent-kafka-python) - Confluent 的 Apache Kafka Python 客户端，基于 librdkafka 构建。 - [pika](https://github.com/pika/pika) - 纯 Python 的 RabbitMQ/AMQP 0-9-1 客户端库。 - [paho-mqtt](https://github.com/eclipse-paho/paho.mqtt.python) - 面向 Python 的 Eclipse Paho MQTT 客户端。 - [faststream](https://github.com/ag2ai/faststream) - 一个用于在 Apache Kafka、RabbitMQ、NATS、MQTT 和 Redis 之上构建异步服务的框架。 ### 任务调度 _用于调度任务的库。_ - 任务调度 - [apscheduler](https://github.com/agronholm/apscheduler) - 一个轻量但强大的进程内任务调度器，可让你调度函数。 - [schedule](https://github.com/dbader/schedule) - 面向人的 Python 作业调度。 - 工作流编排 - [apache-airflow](https://github.com/apache/airflow) - Airflow 是一个以编程方式编排、调度和监控工作流的平台。 - [prefect](https://github.com/PrefectHQ/prefect) - 一个现代工作流编排框架，可让你轻松构建、调度和监控稳健的数据管道。 - [dagster](https://github.com/dagster-io/dagster) - 一个用于数据资产的开发、生产和观测的编排平台。 ### 日志 _用于生成和处理日志的库。_ - [logging](https://docs.python.org/3/library/logging.html) - （Python 标准库）Python 的日志设施。 - [structlog](https://github.com/hynek/structlog) - 结构化日志，如此简单。 - [loguru](https://github.com/Delgan/loguru) - 旨在为 Python 带来愉悦日志体验的库。 ### 网络虚拟化 _用于虚拟网络和 SDN（软件定义网络）的工具和库。_ - [scapy](https://github.com/secdev/scapy) - 一个杰出的数据包操作库。 - [napalm](https://github.com/napalm-automation/napalm) - 用于操作网络设备的跨厂商 API。 **CLI & GUI** ### CLI 开发 _用于构建命令行应用的库。_ - CLI 开发 - [argparse](https://docs.python.org/3/library/argparse.html) - （Python 标准库）命令行选项和参数解析。 - [click](https://github.com/pallets/click/) - 一个以可组合方式创建精美命令行接口的包。 - [typer](https://github.com/fastapi/typer) - 使用 Python 类型提示的现代 CLI 框架。基于 Click 和 Pydantic 构建。 - [prompt_toolkit](https://github.com/prompt-toolkit/python-prompt-toolkit) - 一个用于构建强大交互式命令行的库。 - [fire](https://github.com/google/python-fire) - 一个可从任意 Python 对象创建命令行接口的库。 - [tqdm](https://github.com/tqdm/tqdm) - 用于循环和命令行的快速、可扩展的进度条。 - [rich](https://github.com/Textualize/rich) - 在终端中实现富文本和精美格式的 Python 库，还提供了出色的 `RichHandler` 日志处理器。 - [colorama](https://github.com/tartley/colorama) - 跨平台彩色终端文本。 - [alive-progress](https://github.com/rsalmei/alive-progress) - 一种新型进度条，具备实时吞吐量、ETA 和非常炫酷的动画。 - TUI 框架 - [textual](https://github.com/Textualize/textual) - 用于构建可在终端和浏览器中运行的交互式用户界面的框架。 - [urwid](https://github.com/urwid/urwid) - 用于创建终端 GUI 应用的库，对控件、事件、丰富颜色等有强大的支持。 - [asciimatics](https://github.com/peterbrittain/asciimatics) - 用于创建全屏文本 UI（从交互式表单到 ASCII 动画）的软件包。 ### 命令行工具 _实用的基于命令行的工具。_ - 数据库 CLI - [pgcli](https://github.com/dbcli/pgcli) - 带自动补全和语法高亮的 PostgreSQL 命令行工具。 - [mycli](https://github.com/dbcli/mycli) - 带自动补全和语法高亮的 MySQL 命令行工具。 - [litecli](https://github.com/dbcli/litecli) - 带自动补全和语法高亮的 SQLite 命令行工具。 - [iredis](https://github.com/laixintao/iredis) - 带自动补全和语法高亮的 Redis 命令行工具。 - 下载工具 - [yt-dlp](https://github.com/yt-dlp/yt-dlp) - 用于从 YouTube 及其他视频网站下载视频的命令行程序，是 youtube-dl 的一个分支。 - HTTP 客户端 - [httpie](https://github.com/httpie/cli) - 一个命令行 HTTP 客户端，是用户友好的 cURL 替代品。 - 项目脚手架 - [cookiecutter](https://github.com/cookiecutter/cookiecutter) - 一个从 cookiecutter（项目模板）创建项目的命令行工具。 - [copier](https://github.com/copier-org/copier) - 用于渲染项目模板的库和命令行工具。 - Shell - [xonsh](https://github.com/xonsh/xonsh/) - 一个由 Python 驱动的 Shell，功能完备且跨平台。 - 终端工作流 - [tmuxp](https://github.com/tmux-python/tmuxp) - 一个 [tmux](https://github.com/tmux/tmux) 会话管理器。 ### GUI 开发 _用于图形用户界面应用程序的库。_ - 桌面 - [pygobject](https://github.com/GNOME/pygobject) - GLib/GObject/GIO/GTK+（GTK+3）的 Python 绑定。 - [wxPython](https://github.com/wxWidgets/Phoenix) - wxWidgets C++ 类库与 Python 的融合。 - [kivy](https://github.com/kivy/kivy) - 用于创建 NUI 应用程序的库，可运行于 Windows、Linux、Mac OS X、Android 和 iOS 平台。 - [dearpygui](https://github.com/hoffstadt/DearPyGui) - 一个简单的 GPU 加速 Python GUI 框架。 - [toga](https://github.com/beeware/toga) - 一个 Python 原生、操作系统原生的 GUI 工具包。 - Qt - [PySide6](https://github.com/pyside/pyside-setup) - Qt for Python 为 [Qt](https://www.qt.io/) 提供官方 Python 绑定，与 PyQt6 相同，但它是官方绑定，许可证不同。 - [PyQt6](https://www.riverbankcomputing.com/static/Docs/PyQt6/) - 适用于 [Qt](https://www.qt.io/) 跨平台应用程序和 UI 框架的 Python 绑定。 - Tkinter - [tkinter](https://docs.python.org/3/library/tkinter.html) - （Python 标准库）Python 与 Tcl/Tk GUI 工具包交互的标准接口。 - [customtkinter](https://github.com/tomschimansky/customtkinter) - 一个基于 Tkinter 的现代且可自定义的 Python UI 库。 - [tkdesigner](https://github.com/ParthJadhav/Tkinter-Designer) - 使用 Figma API 从 Figma 设计生成 Tkinter 界面。 - 基于 Web - [pywebview](https://github.com/r0x0r/pywebview/) - 一个围绕 webview 组件的轻量级跨平台原生包装器。 - [nicegui](https://github.com/zauberzeug/nicegui) - 一个易于使用、基于 Python 的 UI 框架，可在你的 Web 浏览器中显示。 - [flet](https://github.com/flet-dev/flet) - 用于以纯 Python 构建现代应用的跨平台 GUI 框架。 - 包装器 - [gooey](https://github.com/chriskiehl/Gooey) - 用一行代码将命令行程序变成完整的 GUI 应用程序。 **文本与文档** ### 文本处理 用于解析和处理纯文本的库。 - 编码与 Unicode - [charset-normalizer](https://github.com/jawah/charset_normalizer) - 通用字符编码检测器，requests 生态系统的默认检测器。 - [chardet](https://github.com/chardet/chardet) - Python 字符编码检测器。 - [ftfy](https://github.com/rspeer/python-ftfy) - 自动让 Unicode 文本更规整、更一致。 - 模糊匹配 - [rapidfuzz](https://github.com/rapidfuzz/RapidFuzz) - 使用多种字符串度量进行快速模糊字符串匹配，核心为 C++。 - 通用 - [difflib](https://docs.python.org/3/library/difflib.html) - （Python 标准库）计算差异的辅助工具。 - [pyfiglet](https://github.com/pwaller/pyfiglet) - 用 Python 实现的 figlet。 - 国际化 - [babel](https://github.com/python-babel/babel) - 一个 Python 国际化库。 - 解析器 - [pygments](https://github.com/pygments/pygments) - 一个通用语法高亮器。 - [pyparsing](https://github.com/pyparsing/pyparsing) - 一个用于生成解析器的通用框架。 - [sqlparse](https://github.com/andialbrecht/sqlparse) - 一个非校验型 SQL 解析器。 - [phonenumbers](https://github.com/daviddrysdale/python-phonenumbers) - 解析、格式化、存储和验证国际电话号码。 - [parsy](https://github.com/python-parsy/parsy) - 易于使用的通用解析器组合子库，用于创建解析器。 - 音译与 Slug - [python-slugify](https://github.com/un33k/python-slugify) - 一个将 Unicode 转换为 ASCII 的 Python slugify 库。 - [unidecode](https://github.com/avian2/unidecode) - Unicode 文本的 ASCII 音译。 - 唯一标识符 - [shortuuid](https://github.com/skorokithakis/shortuuid) - 一个生成简洁、无歧义且 URL 安全 UUID 的生成器库。 - [sqids](https://github.com/sqids/sqids-python) - 一个从数字生成短唯一 ID 的库。 ### HTML 处理 _用于处理 HTML 和 XML 的库。_ - [beautifulsoup4](https://www.crummy.com/software/BeautifulSoup/bs4/doc/) - 提供 Python 惯用方式来迭代、搜索和修改 HTML 或 XML。 - [lxml](https://github.com/lxml/lxml) - 一个非常快速、易用且通用的 HTML 和 XML 处理库。 - [xmltodict](https://github.com/martinblech/xmltodict) - 处理 XML 就像处理 JSON 一样。 - [markupsafe](https://github.com/pallets/markupsafe) - 为 Python 实现 XML/HTML/XHTML 标记安全字符串。 - [justhtml](https://github.com/EmilStenstrom/justhtml/) - 一个开箱即用的纯 Python HTML5 解析器。 ### 文件格式处理 用于解析和处理特定文本格式的库。 - 通用 - [pyelftools](https://github.com/eliben/pyelftools) - 解析和分析 ELF 文件及 DWARF 调试信息。 - [tablib](https://github.com/jazzband/tablib) - 用于 XLS、CSV、JSON、YAML 等表格数据集的模块。 - 文件转换 - [markitdown](https://github.com/microsoft/markitdown) - 将文件和办公文档转换为 Markdown 的 Python 工具。 - [docling](https://github.com/docling-project/docling) - 将文档转换为结构化数据的库。 - Excel - [openpyxl](https://openpyxl.readthedocs.io/en/stable/) - 读写 Excel 2010 xlsx/xlsm/xltx/xltm 文件的库。 - [xlsxwriter](https://github.com/jmcnamara/XlsxWriter) - 创建 Excel .xlsx 文件的 Python 模块。 - Word - [python-docx](https://github.com/python-openxml/python-docx) - 读取、查询和修改 Microsoft Word 2007/2008 docx 文件。 - PowerPoint - [python-pptx](https://github.com/scanny/python-pptx) - 创建和更新 PowerPoint (.pptx) 文件的 Python 库。 - PDF - [pypdf](https://github.com/py-pdf/pypdf) - 能够拆分、合并、裁剪和变换 PDF 页面的库。 - [reportlab](https://www.reportlab.com/opensource/) - 可快速创建富文本 PDF 文档。 - [pdfminer.six](https://github.com/pdfminer/pdfminer.six) - pdfminer.six 是原始 PDFMiner 的社区维护分支。 - HTML 转 PDF - [weasyprint](https://github.com/Kozea/WeasyPrint) - 一个可将 HTML 和 CSS 导出为 PDF 的可视化渲染引擎。 - Markdown - [markdown-it-py](https://github.com/executablebooks/markdown-it-py) - 支持 100% CommonMark、扩展和语法插件的 Markdown 解析器。 - [markdown](https://github.com/Python-Markdown/markdown) - John Gruber 的 Markdown 的 Python 实现。 - [mistune](https://github.com/lepture/mistune) - 最快且功能完整的纯 Python Markdown 解析器。 - 数据格式 - [tomllib](https://docs.python.org/3/library/tomllib.html) - （Python 标准库）解析 TOML 文件。 - [pyyaml](https://github.com/yaml/pyyaml) - Python 的 YAML 实现。 ### 文件操作 用于文件操作的库。 - [mimetypes](https://docs.python.org/3/library/mimetypes.html) - （Python 标准库）将文件名映射到 MIME 类型。 - [pathlib](https://docs.python.org/3/library/pathlib.html) - （Python 标准库）一个跨平台、面向对象的路径库。 - [watchfiles](https://github.com/samuelcolvin/watchfiles) - 简单、现代且快速的 Python 文件监听和代码重载。 - [watchdog](https://github.com/gorakhargosh/watchdog) - 用于监控文件系统事件的 API 和 Shell 工具。 - [python-magic](https://github.com/ahupp/python-magic) - libmagic 文件类型识别库的 Python 接口。 **媒体** ### 图像处理 用于处理图像的库。 - 条形码与二维码 - [qrcode](https://github.com/lincolnloop/python-qrcode) - 一个纯 Python 二维码生成器。 - [python-barcode](https://github.com/WhyNotHugo/python-barcode) - 无需额外依赖即可在 Python 中创建条形码。 - 通用 - [pillow](https://github.com/python-pillow/Pillow) - Pillow 是友好的 [PIL](https://www.pythonware.com/products/pil/) 分支。 - [scikit-image](https://github.com/scikit-image/scikit-image) - 一个用于（科学）图像处理的 Python 库。 - [rembg](https://github.com/danielgatis/rembg) - 一个移除图像背景的工具。 - [wand](https://github.com/emcconville/wand) - [MagickWand](https://www.imagemagick.org/script/magick-wand.php)（ImageMagick 的 C API）的 Python 绑定。 - [pyvips](https://github.com/libvips/pyvips) - 一个低内存需求的高性能图像处理库。 - 图像服务 - [thumbor](https://github.com/thumbor/thumbor) - 一个智能图像服务，支持按需裁剪、调整大小和翻转图像。 ### 音频与视频处理 用于处理音频、视频及其元数据的库。 - 音频 - [pydub](https://github.com/jiaaro/pydub) - 使用简单易用的高级接口操作音频。 - [librosa](https://github.com/librosa/librosa) - 用于音频和音乐分析的 Python 库。 - 视频 - [moviepy](https://github.com/Zulko/moviepy) - 基于脚本的电影编辑模块，支持多种格式，包括动画 GIF。 - [vidgear](https://github.com/abhiTronix/vidgear) - 功能最强大的多线程视频处理框架。 - 元数据 - [mutagen](https://github.com/quodlibet/mutagen) - 处理音频元数据的 Python 模块。 - [tinytag](https://github.com/tinytag/tinytag) - 读取 MP3、OGG、FLAC 和 Wave 文件音乐元数据的库。 - [beets](https://github.com/beetbox/beets) - 一个音乐库管理器和 [MusicBrainz](https://musicbrainz.org/) 标签工具。 ### 游戏开发 出色的游戏开发库。 - 3D 引擎 - [panda3d](https://github.com/panda3d/panda3d) - 由 Disney 开发的 3D 游戏引擎。 - 游戏框架 - [pygame](https://github.com/pygame/pygame) - Pygame 是一组用于编写游戏的 Python 模块。 - [pyglet](https://github.com/pyglet/pyglet) - 一个用于 Python 的跨平台窗口和多媒体库。 - [pygame-ce](https://github.com/pygame-community/pygame-ce) - 一个积极开发的即插即用替代品，带有新功能和性能改进（[pygame](https://github.com/pygame/pygame) 分支）。 - [arcade](https://github.com/pythonarcade/arcade) - Arcade 是一个现代 Python 框架，用于打造具有出色图形和音效的游戏。 - 视觉小说 - [renpy](https://github.com/renpy/renpy) - 一个视觉小说引擎。 **Python 语言** - [pypy](https://github.com/pypy/pypy) - 一个非常快速且完全符合规范的 Python 语言实现。 - [Cython](https://github.com/cython/cython) - 面向 Python 的优化静态编译器。 - [pyodide](https://github.com/pyodide/pyodide) - 基于 WebAssembly、面向浏览器和 Node.js 的 Python 发行版。 ### 内置类增强 _用于增强 Python 内置类的库。_ - [attrs](https://github.com/python-attrs/attrs) - 替代类定义中 `__init__`、`__eq__`、`__repr__` 等样板代码。 - [bidict](https://github.com/jab/bidict) - 高效、Pythonic 的双向映射数据结构及相关功能。 - [uuid-utils](https://github.com/aminalaee/uuid-utils) - 一个基于 Rust 的快速即插即用替代品，用于替换 Python 内置的 `uuid` 模块，支持 RFC 9562（UUIDv6、UUIDv7 和 UUIDv8）。 - [python-box](https://github.com/cdgriffith/Box) - 支持高级点号访问的 Python 字典。 ### 函数式编程 _使用 Python 进行函数式编程。_ - [functools](https://docs.python.org/3/library/functools.html) - （Python 标准库）高阶函数及对可调用对象的操作。 - [more-itertools](https://github.com/more-itertools/more-itertools) - 在 `itertools` 之外，提供更多操作可迭代对象的例程。 - [toolz](https://github.com/pytoolz/toolz) - 一组面向迭代器、函数和字典的函数式工具。另有 [cytoolz](https://github.com/pytoolz/cytoolz/) 提供 Cython 加速性能。 - [funcy](https://github.com/Suor/funcy) - 一套精巧实用的函数式工具。 - [returns](https://github.com/dry-python/returns) - 一组类型安全的单子（monad）、变换器与组合工具。 ### 异步编程 _用于异步、并发和并行执行的库。另见 [awesome-asyncio](https://github.com/timofurrer/awesome-asyncio)。_ - 异步 I/O - [asyncio](https://docs.python.org/3/library/asyncio.html) - （Python 标准库）异步 I/O、事件循环、协程与任务。 - [awesome-asyncio](https://github.com/timofurrer/awesome-asyncio) - [anyio](https://github.com/agronholm/anyio) - 构建于 asyncio 或 trio 之上的高级异步并发与网络框架。 - [uvloop](https://github.com/MagicStack/uvloop) - 超快的 asyncio 事件循环。 - [trio](https://github.com/python-trio/trio) - 一个友好的异步并发与 I/O 库。 - [gevent](https://github.com/gevent/gevent) - 一个基于协程的 Python 网络库，使用 [greenlet](https://github.com/python-greenlet/greenlet)。 - [Twisted](https://github.com/twisted/twisted) - 一个事件驱动的网络引擎。 - 并行 - [concurrent.futures](https://docs.python.org/3/library/concurrent.futures.html) - （Python 标准库）用于异步执行可调用对象的高级接口。 - [multiprocessing](https://docs.python.org/3/library/multiprocessing.html) - （Python 标准库）基于进程的并行。 ### 日期与时间 _用于处理日期和时间的库。_ - [zoneinfo](https://docs.python.org/3/library/zoneinfo.html) - （Python 标准库）IANA 时区支持，将 [tz 数据库](https://en.wikipedia.org/wiki/Tz_database) 引入 Python。 - [python-dateutil](https://github.com/dateutil/dateutil) - 标准 Python [datetime](https://docs.python.org/3/library/datetime.html) 模块的扩展。 - [dateparser](https://github.com/scrapinghub/dateparser) - 用于解析数十种语言人类可读日期的 Python 解析器。 - [pendulum](https://github.com/python-pendulum/pendulum) - 让 Python 日期时间变得简单。 - [whenever](https://github.com/ariebovenberg/whenever) - 一个现代日期时间库，类型安全且 DST 安全，由 Rust 驱动。 **Python 工具链** ### 环境管理 _用于 Python 版本与虚拟环境管理的库。_ - [virtualenv](https://github.com/pypa/virtualenv) - 用于创建隔离 Python 环境的工具。 - [uv](https://github.com/astral-sh/uv) - 一个用 Rust 编写、速度极快的 Python 版本、包与项目管理器。 - [pyenv](https://github.com/pyenv/pyenv) - 简单的 Python 版本管理。 ### 包管理 _用于包与依赖管理的库。_ - 包管理器 - [pip](https://github.com/pypa/pip) - Python 的包安装器。 - [uv](https://github.com/astral-sh/uv) - 一个用 Rust 编写、速度极快的 Python 版本、包与项目管理器。 - [poetry](https://github.com/python-poetry/poetry) - 让 Python 依赖管理与打包变得简单。 - [hatch](https://github.com/pypa/hatch) - 现代、可扩展的 Python 项目管理器，用于环境、构建与发布。 - [pipx](https://github.com/pypa/pipx) - 在隔离环境中安装并运行 Python 应用，类似于 Node.js 中的 `npx`。 - [conda](https://github.com/conda/conda/) - 跨平台、与 Python 无关的二进制包管理器。 - 构建后端 - [setuptools](https://github.com/pypa/setuptools) - 历史悠久且至今仍被广泛使用的 pyproject 构建后端。 - [hatchling](https://github.com/pypa/hatch) - 来自 hatch 项目的现代、可扩展构建后端。 - [uv-build](https://github.com/astral-sh/uv) - uv 面向纯 Python 项目的快速、精简构建后端。 ### 包仓库 _本地 PyPI 仓库服务器与代理。_ - [bandersnatch](https://github.com/pypa/bandersnatch/) - 由 Python 打包权威机构（PyPA）提供的 PyPI 镜像工具。 - [devpi](https://github.com/devpi/devpi) - PyPI 服务器及打包/测试/发布工具。 - [warehouse](https://github.com/pypi/warehouse) - 下一代 Python 包仓库（PyPI）。 ### 分发 _用于创建打包可执行文件以进行发布分发的库。_ - 可执行文件 - [pyinstaller](https://github.com/pyinstaller/pyinstaller) - 将 Python 程序转换为独立可执行文件（跨平台）。 - [Nuitka](https://github.com/Nuitka/Nuitka) - 将 Python 程序编译为高性能独立可执行文件（跨平台，支持所有 Python 版本）。 - [shiv](https://github.com/linkedin/shiv) - 一个用于构建完全自包含 zipapp（PEP 441）且包含所有依赖的命令行工具。 - [cx-Freeze](https://github.com/marcelotduarte/cx_Freeze) - 一个 Python 工具，将 Python 脚本转换为 Windows、macOS 和 Linux 的独立可执行文件与安装程序。 - 混淆 - [pyarmor](https://github.com/dashingsoft/pyarmor) - 一个用于混淆 Python 脚本、将混淆脚本绑定到固定机器或使混淆脚本过期的工具。 ### 配置文件 _用于存储和解析配置选项的库。_ - [configparser](https://docs.python.org/3/library/configparser.html) - （Python 标准库）INI 文件解析器。 - [python-dotenv](https://github.com/theskumar/python-dotenv) - 从 `.env` 文件中读取键值对并将其设置为环境变量。 - [pydantic-settings](https://github.com/pydantic/pydantic-settings) - 使用带校验的 Pydantic 模型进行设置管理，从环境变量和密钥文件中加载。 - [hydra-core](https://github.com/facebookresearch/hydra) - Hydra 是一个用于优雅配置复杂应用的框架。 - [dynaconf](https://github.com/dynaconf/dynaconf) - Dynaconf 是一个配置管理器，带有针对 Django、Flask 和 FastAPI 的插件。 **安全** ### 密码学 _用于加密原语和安全协议的库。_ - [cryptography](https://github.com/pyca/cryptography) - 一个旨在向 Python 开发者提供加密原语和配方的包。 - [pynacl](https://github.com/pyca/pynacl) - 网络与加密（NaCl）库的 Python 绑定。 - [paramiko](https://github.com/paramiko/paramiko) - 领先的原生 Python SSHv2 协议库。 - [itsdangerous](https://github.com/pallets/itsdangerous) - 将受信任数据传递到不受信任环境的各种辅助工具。 ### 渗透测试 _用于渗透测试的框架和工具。_ - [mitmproxy](https://github.com/mitmproxy/mitmproxy) - 一个支持 TLS 的交互式拦截 HTTP 代理，适用于渗透测试人员和软件开发者。 - [sqlmap](https://github.com/sqlmapproject/sqlmap) - 自动 SQL 注入和数据库接管工具。 - [sherlock-project](https://github.com/sherlock-project/sherlock) - 通过用户名在社交网络中搜索社交媒体账号。 - [social-engineer-toolkit](https://github.com/trustedsec/social-engineer-toolkit) - 一套用于社会工程的工具包。 ### 供应链安全 _用于针对已知漏洞审计依赖的工具。_ - [pip-audit](https://github.com/pypa/pip-audit) - 使用 PyPI 安全公告数据库和 OSV 审计 Python 环境和依赖树中的已知漏洞。 - [uv-audit](https://github.com/astral-sh/uv) - （uv 的一部分）uv 基于 OSV 的 [依赖漏洞与恶意软件扫描](https://docs.astral.sh/uv/reference/cli/#uv-audit)。 ### 网络安全 _面向应用层网络安全的库。_ - [secure](https://github.com/TypeError/secure) - 为使用 ASGI 和 WSGI 中间件的 Python Web 应用提供 HTTP 安全响应头。 **其他** ### 硬件 _用于硬件编程的库。_ - [bleak](https://github.com/hbldh/bleak) - 使用 asyncio 的跨平台 Python 蓝牙低功耗（BLE）客户端。 - [pynput](https://github.com/moses-palmer/pynput) - 用于控制和监控输入设备的库。 - [jumpstarter](https://github.com/jumpstarter-dev/jumpstarter) - 一个硬件在环测试框架，附带 Python 客户端库，可在真实和虚拟硬件上进行自动化测试。 ### Microsoft Windows _在 Microsoft Windows 上进行 Python 编程。_ - [pythonnet](https://github.com/pythonnet/pythonnet) - Python 与 .NET 公共语言运行时（CLR）的集成。 - [pywin32](https://github.com/mhammond/pywin32) - Windows 的 Python 扩展。 - [pyenv-win](https://github.com/pyenv-win/pyenv-win) - Windows 平台的 Python 版本管理器（[pyenv](https://github.com/pyenv/pyenv) 的派生版本）。 - [winpython](https://github.com/winpython/winpython) - Windows 10/11 的便携式开发环境。 ### 其他 不属于以上分类的有用库或工具。 - [blinker](https://github.com/pallets-eco/blinker) - 一个快速的 Python 进程内信号/事件分发系统。 - [boltons](https://github.com/mahmoud/boltons) - 一组纯 Python 工具函数。 ## 资源 在哪里发现学习资源或新的 Python 库。 ### 新闻订阅 - [Awesome Python Newsletter](https://python.libhunt.com/newsletter) - [Pycoder's Weekly](https://pycoders.com/) - [Python Tricks](https://realpython.com/python-tricks/) - [Python Weekly](https://www.pythonweekly.com/) ### 播客 - [Django Chat](https://djangochat.com/) - [PyPodcats](https://pypodcats.live) - [Python Bytes](https://pythonbytes.fm) - [Talk Python To Me](https://talkpython.fm/) - [The Real Python Podcast](https://realpython.com/podcasts/rpp/) ### 网站 - [Python Developer Tooling Handbook](https://pydevtools.com/) - 现代 Python 开发者工具的全面指南，涵盖包管理、代码检查（linting）、类型检查、测试等内容。 ## 贡献 非常欢迎你的贡献！请先查看[贡献指南](https://github.com/vinta/awesome-python/blob/master/CONTRIBUTING.md)。 --- 如果你对本主观精选清单有任何疑问，欢迎在 X（Twitter）上联系 [@vinta](https://x.com/vinta)。