前言
在这篇文章中，我们想展示一些不同于流行的东西。这些都是深夜浏览GitHub的感悟，以及同事们分享的压箱底东西。这些软件包中的一些是非常独特的，使用起来很有趣的Python包。
混合派
1.Knock Knock:从Python发送通知到移动设备、桌面或电子邮件。
2.tqdm:可扩展的Python和CLI进度条，内置对pandas的支持。
3.Colorama:简单的跨平台彩色终端文本。
4.pandas -log:提供熊猫基本操作的反馈。非常适合调试长管道链。
5.Pandas-flavor:扩展pandas DataFrame/Series的简单方法。
6.More-Itertools:增加了类似于itertools的额外功能。
7.streamlit:为机器学习项目创建应用程序的简单方法。
数据清理和操作
1.ftfy:修复mojibake和Unicode文本中的其他故障。
2.janitor:有很多很酷的功能来清理数据。
3.Optimus:另一个数据清理包。
4.Great-experctations:一个检查数据是否符合预期的好工具。
数据探索和建模
1.Pandas-profile:创建一个包含来自pandas DataFrame的统计数据的HTML报告。
2.dabl:允许使用可视化和预处理进行数据探索。
3.pydqc:允许比较两个数据集之间的统计数据。
4.pandas-summary:对panda DataFrames描述功能的扩展。
5.pivottable-js:pands在jupyter notebook的拖放功能。
数据结构
1.Bounter:有效的计数器，使用有限(有界)的数量的内存，无论数据大小。
2.Python -bloomfilter:可扩展的Bloom Filter，使用Python实现。
3.datasketch:提供概率数据结构，如LSH、加权MinHash、HyperLogLog等。
4.ranges:Python的连续范围、范围集和范围令数据结构
Python作为一门不断发展与普及的语言，还在不断更新中。在学习时，建议找一些学习伙伴一起来学习和讨论，效果更佳。如果想学习Python，欢迎加入Python学习交流群（627012464），一起督促，一起学习。里面有开发工具，很多干货和技术资料分享！
性能检查和优化
1.Py-spy: Python程序的采样分析器。
2.pyperf:用于运行Python基准测试的工具箱。
3.snakeviz:一个浏览器内的Python配置文件查看器，对jupyter notebook有很大的支持。
4.Cachier: Python函数的持久、无延迟、本地和跨机缓存。
5.Faiss:用于高效的相似性搜索和密集向量聚类的库。
