Python三方包
Faker-生成虚假数据
Selenium-Web自动化测试工具
Pandas-数据分析
Click-命令行工具
Nosetests-单元测试
IPython-Python交互式shell
glob-查看目录下所有路径
Pydantic-定义数据接口Schema
网络爬虫
requests-对HTTP协议进行高度封装，支持非常丰富的链接访问功能。
PySpider-一个国人编写的强大的网络爬虫系统并带有强大的WebUI。
bs4-beautifulsoup4库，用于解析和处理HTML和XML。
Scrapy-很强大的爬虫框架，用于抓取网站并从其页面中提取结构化数据。可用于从数据挖掘到监控和自动化测试的各种用途<br>
Crawley-高速爬取对应网站的内容，支持关系和非关系数据库，数据可以导出为JSON、XML等<br>
Portia-可视化爬取网页内容
cola-分布式爬虫框架
newspaper-提取新闻、文章以及内容分析
lxml-lxml是python的一个解析库，这个库支持HTML和xml的解析，支持XPath的解析方式
selenium-一个调用浏览器的driver，通过这个库可以直接调用浏览器完成某些操作，比如输入验证码，常用来进行浏览器的自动化工作。
文档/数据处理工具
XlsxWriter-操作Excel工作表的文字，数字，公式，图表等
win32com-有关Windows系统操作、Office（Word、Excel等）文件读写等的综合应用库
pymysql-操作MySQL数据库
pymongo-把数据写入MongoDB
smtplib-发送电子邮件模块
pdfminer-一个可以从PDF文档中提取各类信息的第三方库。与其他PDF相关的工具不同，它能够完全获取并分析 P D F 的文本数据
PyPDF2-一个能够分割、合并和转换PDF页面的库。
openpyxl- 一个处理Microsoft Excel文档的Python第三方库，它支持读写Excel的xls、xlsx、xlsm、xltx、xltm。
python-docx-一个处理Microsoft
数据分析可视化
matplotlib-Matplotlib 是一个 Python 2D 绘图库
numpy-NumPy 是使用 Python 进行科学计算所需的基础包。用来存储和处理大型矩阵，如矩阵运算、矢量处理、N维数据变换等。
pyecharts-用于生成 Echarts 图表的类库
pandas-一个强大的分析结构化数据的工具集，基于numpy扩展而来，提供了一批标准的数据模型和大量便捷处理数据的函数和方法。<br>
Scipy: 基于Python的matlab实现，旨在实现matlab的所有功能，在numpy库的基础上增加了众多的数学、科学以及工程计算中常用的库函数。<br>
Plotly-Plotly提供的图形库可以进行在线WEB交互，并提供具有出版品质的图形，支持线图、散点图、区域图、条形图、误差条、框图、直方图、热图、子图、多轴、极坐标图、气泡图、玫瑰图、热力图、漏斗图等众多图形
wordcloud-词云生成器
jieba-中文分词模块
WEB开发架构
Django-一个开放源代码的Web应用框架。全家桶工具完整生态圈
Tornado-一种 Web 服务器软件的开源版本。Tornado和现在的主流Web服务器框架（包括大多数Python的框架）有着明显的区别：它是非阻塞式服务器，而且速度相当快
Flask是轻量级Web应用框架，相比Django和Pyramid，它也被称为微框架。使用Flask开发Web应用十分方便，甚至几行代码即可建立一个小型网站。Flask核心十分简单，并不直接包含诸如数据库访问等的抽象访问层，而是通过扩展模块形式来支持。
机器学习
NLTK-一个自然语言处理的第三方库，NLP领域中常用，可建立词袋模型（单词计数），支持词频分析（单词出现次数）、模式识别、关联分析、情感分析（词频分析+度量指标）、可视化（+matploylib做分析图）等
TensorFlow-谷歌的第二代机器学习系统，是一个使用数据流图进行数值计算的开源软件库。
Keras -是一个高级神经网络 API，用 Python 编写，能够在 TensorFlow，CNTK 或 Theano 之上运行。它旨在实现快速实验，能够以最小的延迟把想法变成结果，这是进行研究的关键。”
Caffe-一个深度学习框架，主要用于计算机视觉，它对图像识别的分类具有很好的应用效果
theano-深度学习库。它与Numpy紧密集成，支持GPU计算、单元测试和自我验证，为执行深度学习中大规模神经网络算法的运算而设计，擅长处理多维数组。
Scikit-learn-是一个简单且高效的数据挖掘和数据分析工具，它基于NumPy、SciPy和matplotlib构建。Scikit-learn的基本功能主要包括6个部分：分类，回归，聚类，数据降维，模型选择和数据预处理。Scikit-learn也被称为sklearn。
transforms 机器学习高度封装包，神器，内置超多模型
xgboost 机器学习分类预测模型
其他常用
IPython-一个基于Python 的交互式shell
pygame-专为电子游戏设计的一个模块
PIL(Pillow)-PIL库是Python语言在图像处理方面的重要第三方库
OpenCV-图像和视频工作库
Py2exe: 将python脚本转换为windows上可以独立运行的可执行程序。
代码格式规范化
autopep8：自动格式化 Python 代码，以使其符合 PEP8 规范。
black：一个坚定的 Python 代码格式化工具
isort：用于纠正包导入顺序的 Python 库
Python进阶
7 大原则与 24 种设计模式（🔥）
魔法函数
代码优化工具
数据类型底层实现原理
装饰器
生成器/迭代器/单线程实现（🔥）
动态构建类和函数
数据结构(🔥)
编码规范
异步编程
Python资源
Python23 差异对比
Python资源大全中文版(🔥)
Python资源大全英文版
Python术语对照表
优质学习资源
Github-Python系统设计入门（184K）<br>
Github-Python算法(138K)
Github-Python学习100天（130K）
Github-awesome-Python(130K)
Gitub-Python脚本(25K)
