Модули для питона интересные

5 полезных библиотек Python (с примерами)

Python остается топ 1 среди языков программирования по версии многих журналов и сайтов. Популярность языка и его большое сообщество привело к тому, что сейчас для Python существует огромное число библиотек. К сожалению, большая часть этих библиотек была создана энтузиастами и больше не поддерживается. Давайте посмотрим на 5 хороших развивающихся библиотек, которые могут помочь при решении практических задач.

Funcy ⭐3000

Funcy содержит более 100 полезных методов и декораторов, собранных в одной библиотеке. Если вам важна чистота кода, и читать строки вида: a, b, dummy, _ = map(lambda x: x[1], sorted((query(*[x for x in candidates if x != candidates[j]]), candidates[j]) for j in range(4))) не радует глаз, то эта библиотека поможет вам сделать свой код проще и читабельнее без потери функциональности и без потери скорости.

Для строк есть пару функций, однако мне понравилась одна, где не надо писать лишний код приведения типов, одна функция делает всё за нас:

# funcy result = str_join(sep=":", seq=data) # Python result = ",".join(map(str, data))

Для работы со словарями тоже нашлось несколько полезных функций:

# слияние словарей по определенному правилу merge_with(list, , ) # -> f_test = lambda data: str_join(sep="", seq=data) merge_with(f_test, , ) # -> merge_with(sum, , ) # -> merge_with(sum, , ) # -> # оставить только те ключи в словаре, которых нет в переданном итерируем объекте omit(, 'ac') # -> # возвращает значение в конце пути, которое указывается для поиска # (может очень сильно помочь при парсинге json) get_in(>, ["a", "b"], "не нашлось ключа") # -> 42 get_in(>, ["a", "c"], "не нашлось ключа") # -> не нашлось ключа # применяет функцию только к ключам walk_keys(str.upper, ) # -> # аналогично можно применять и для списков walk(inc, ) # ->

Так же есть еще много интересных функций и декораторов, например:

• @cache(timeout, key_func=None) — кеширует значение функции на определенное время;
• @cached_readonly — кеширует значение функции, которая доступна только для чтения;
• group_by(f, seq) — разбивает последовательность по определенному правилу;
• where(mappings, **cond) — ищет в списке те словари, которые попадают под заданные правила и еще много других полезных функций.

Да, можно заметить, что какие-функции уже есть в питоне во встроенных либах, а какие-то функции пишутся в 3-4 строки кода. Но преимущество этой библиотеки как раз таки в том, что все эти функции уже реализованы в одном месте и их вызов прост и понятен.

JsonObject ⭐224

JsonObject — удобная библиотека для быстрого преобразования json в объекты Python. Крайне удобно, когда необходимо принимать данные по API и парсить их в определенные структуры. Вот парочка примеров работы с библиотекой:

from jsonobject import * from datetime import datetime as dt import json # собственный класс User class User(JsonObject): username = StringProperty() name = StringProperty() # default - задает значение по умолчанию, если в json не было такого поля active = BooleanProperty(default=False) date_joined = DateTimeProperty() tags = ListProperty() user = User(username='Daniil123', name='Daniil', date_joined=dt.now(), tags=['new', 'user', 'python'], active=True) # преобразовать класс в json data = user.to_json() print(data) # -> # загрузка обратно из json user2 = User(data) # или более наглядно user3 = User(< 'name': 'Daniil', 'username': 'Daniil123', 'active': False, 'date_joined': '2023-03-05T02:46:58Z', 'tags': ['new', 'user', 'python'] >) # читаем из файла open('data.json', 'r', encoding='utf-8') as f: dict_data = json.loads(f.read()) user4 = User(dict_data)

Можно делать вложенные объекты друг в друга:

class NameUser(JsonObject): username = StringProperty() name = StringProperty() class User(JsonObject): name_info = ObjectProperty(NameUser) active = BooleanProperty(default=False) date_joined = DateTimeProperty() tags = ListProperty() user = User(< 'name': 'Daniil', 'username': 'Daniil123', 'active': False, 'date_joined': '2023-03-05T02:46:58Z', 'tags': ['new', 'user', 'python'] >) print(user.name_info.name) # -> Daniil

Эта библиотека способна сэкономить кучу времени при работе со сторонними API, либо просто при работе с JSON данными, если требуется парсить JSON и обрабатывать его поля.

Pdir2 ⭐1300

Pdir2 — отличная библиотека для замены работы со стандартным dir(). Основные преимущества этой библиотеки:

• Атрибуты сгруппированы по типам/функциям с выделением цветом;
• Поддержка настройки цветовой схемы;
• Поддержка всех платформ, включая Windows;
• Поддержка ipython, ptpython, bpython и Jupyter Notebook;
• Возможность искать определенные имена с помощью .s() или .search();
• И много других полезных функций.

Посмотрим, что умеет эта библиотека:

В каждом модуле вы можете спокойно искать интересующие вас методы или свойства по частичному названию:

Так же посмотрим, как эта библиотека работает с класса (иногда хочется посмотреть, какие есть поля у сторонних классов, а в код напрямую не всегда удобно лезть):

# создаем собственный класс class User: def __init__(self): self.name = "" def get_name(self): return self.name user = User() pdir(user)

В целом библиотека очень удобна, если вам необходимо заглянуть внутрь какого-либо модуля или класса и при этом нет желания или возможность копаться в тоннах чужого кода.

Networkx ⭐12000

NetworkX — это очень большая и удобная библиотека для Python с множеством встроенных функций для работы с графами и их выводом.

Так всего в несколько строк кода можно создать полноценный граф и решить в нем задачу поиска оптимального пути:

import networkx as nx # создаем граф G = nx.Graph() # заполняем ребра графа G.add_edge("A", "B", weight=4) G.add_edge("B", "D", weight=2) G.add_edge("A", "C", weight=3) G.add_edge("C", "D", weight=4) # ищем кратчайший путь A->D p = nx.shortest_path(G, "A", "D", weight="weight") # -> ["A", "B", "D"]

А вот, например, самая стандартная задача, когда вам нужно найти оптимальные пути между двумя точками, но с учетом того, что каждое ребро графа может иметь несколько свойств:

import networkx as nx # создаем граф G = nx.Graph() # доабвляем пути G.add_edge("Moscow", "Krasnodar", length=1000, price=150) G.add_edge("Krasnodar", "Sochi", length=300, price=50) G.add_edge("Moscow", "Rostov-na-Dony", length=900, price=120) G.add_edge("Rostov-na-Dony", "Sochi", length=500, price=70) # ищем кратчайший путь по свойству length (длина пути) p = nx.shortest_path(G, "Moscow", "Sochi", weight="length") # -> ['Moscow', 'Krasnodar', 'Sochi'] # ищем кратчайший путь по свойству price (стоимость поездки) p = nx.shortest_path(G, "Moscow", "Sochi", weight="price") # -> ['Moscow', 'Rostov-na-Dony', 'Sochi']

Как создать граф, так и отрисовать его не составит особого труда:

import matplotlib.pyplot as plt # G - граф из примера выше с городами nx.draw_networkx(G, pos=nx.spiral_layout(G), node_color='r', edge_color='b') plt.show()

Графы можно загружать и экспортировать в форматах:

• Матрица смежности;
• Матрица инцидентности;
• GEXF;
• GML;
• Pickle;
• GraphML;
• LEDA;
• YAML;
• SparseGraph6;
• Pajek;
• GIS Shapefile.

Доступно более 60 алгоритмов работы с графом. Среди них: определение двудольности графа, поиск расстояния редактирования графа, определение является ли граф деревом или нет, поиск мостов в графе и тд.

Библиотека отлично подойдет как для упрощения работы с небольшими данными, так и для серьезных проектов, так как библиотеку постоянно расширяют и занимаются поддержкой уже больше 12 лет.

You-get ⭐46000

You-get — удобный инструмент для скачивания видео, фото и аудио- файлов с большинства популярных платформ. Среди крупнейших платформ есть:

• YouTube;
• VK;
• Vimeo;
• SoundCloud;
• TED;
• Pinterest;
• Twitter
• и еще 60.

Достаточно просто установить библиотеку: pip install you-get . Далее в командной строке выполнить код:

Так же для скачивания с некоторых сайтов есть возможность использовать proxy. А узнать подробную информацию о файле для скачивания можно командой:

С полным описанием всех типов файлов и сайтов можно ознакомиться на сайте. Данные библиотека будет большим плюсом для тех, кто пишет свои проекты (сайты, телеграм/вк ботов, десктопные приложения), работающие поверх этих самых популярных платформ.

Заключение

Сообщество Python растёт и появляется всё больше и больше крутых библиотек. Делитесь друг с другом полезными материалами и ссылками, чтобы все эти библиотеки не замораживались, а постоянно развивались и улучшались.

Источник