写点东西《全栈工具箱 ：Python版》
写点东西《全栈工具箱：Python版》
-
- 概述
- 1\. [Taipy](https://github.com/Avaiga/taipy)
- ](#2prefect)2.[Prefect
- 3\. [Streamlit](https://github.com/streamlit/streamlit)
- ](#4airflow)4.[Airflow
- 5\. [Brython](https://github.com/brython-dev/brython)
- 6\. [Dash](https://github.com/plotly/dash)
- 7\. [Dagster](https://github.com/dagster-io/dagster)
- 8\. [SQLAlchemy](https://github.com/sqlalchemy/sqlalchemy)
- 9\. [Celery](https://github.com/celery/celery)
- 10\. [Peewee](https://github.com/coleifer/peewee)
- 11\. [Kedro](https://github.com/kedro-org/kedro)
- 结论
概述
以下是专注于全栈开发不同方面的 Python 库；有些专注于 Web 应用程序开发，有些专注于后端，还有些专注于两者。
1. Taipy
Taipy 是一个用于构建生产就绪应用程序前端和后端的开源 Python 库。
它旨在加快应用程序开发，从初始原型到生产就绪的应用程序。
特点：
- 广泛的交互性
- 您的布局、样式等有更多自定义功能（无需 CSS）
- 多页和多用户应用程序
- 图形管道编辑器
- 与 Taipy 前端功能集成，以便端到端部署
- 调度
- 笔记本兼容
Star ⭐ Taipy 存储库
您的支持意义重大，并且在很多方面真正帮助了我们，比如撰写文章！
2.Prefect
Prefect 是一个提供数据管道开发的框架。
它通过专注于简单性和用户友好性而区别于 Airflow 等竞争对手。
如果你想要一个具有各种功能的成熟产品，但学习曲线比 Airflow 更容易，那么 Prefect 是一个不错的选择。
特性：
- 直观且用户友好的控制面板
- 智能功能，例如缓存
- 基于流的结构，便于工作流组织
- 动态参数化和依赖项管理
- 混合执行（本地/云）
[
3. Streamlit
Streamlit 是一款用于快速、简单地构建 Web 应用程序的颠覆性工具。
此数据应用程序框架专注于将自己与更完整、更复杂的解决方案区分开来，以提供快速且用户友好的解决方案。
特点：
- Pythonic 框架
- 交互式小部件
- 用户友好性
4.Airflow
Apache Airflow 是一个专为调度和监控工作流而设计的开源平台。
它非常适合编排复杂的数据管道和 ETL 流程，因为在过去十年中，它一直是管道领域的杰出参与者。
此库的完整性与陡峭的学习曲线相关。
特性：
- 基于 DAG 的工作流定义
- 完整的界面，包括 DAG 的可视化，跟踪故障并管理重试。
- 各种集成
- 动态任务执行和调度
- 以 Python 为中心的设计
- 社区支持
5. Brython
Brython 将 Python 带到前端，因为这个名称重新组合了“浏览器”和“Python”。
它引入了一个独特的概念，即直接在 Web 应用程序中运行 Python 代码。
这种创新方法允许您使用 Python 构建交互式 Web 体验。
特点：
- 轻松集成，因为它将 Python 逻辑直接集成到浏览器中
- 兼容不同的 Web 浏览器
6. Dash
Dash 由 Plotly 创建，是一个使用 Plotlys 组件的完整性的 Web 应用程序框架。
它被认为是一个完整的解决方案，因此需要更长的时间来掌握。
特点：
- 基于组件的架构
- 功能强大的交互式仪表板
- 实时数据更新
7. Dagster
Dagster 是本合集中较新的库之一，它是一个云原生数据管道编排，旨在统一数据集成、工作流编排和监控。
与其他工具相比，Dagster 强调工作流创建和管理的 DataOps 方面。
特性：
- 声明式管道设置
- 自以为是的结构
- 版本控制
- 与 Hadoop 集成
- 全面的元数据跟踪
8. SQLAlchemy
SQLAlchemy 是一个用于处理数据库交互的 Python 库。
它是一个多功能工具包，可将 Python 编程与关系数据库联系起来。
掌握此库的时间较长，但好处是显而易见的。
特性：
- SQL 表达式语言
- 对象关系映射 (ORM)
- 广泛支持数据库
- 复杂查询支持
9. Celery
Celery 是一个 Python 库，用作构建后端应用程序的框架。
它处理分布式任务处理、作业执行和工作流。
它是一个完整的解决方案和广泛的功能集，具有较陡峭的学习曲线。
特性：
- 并行处理
- 可扩展性
- 任务调度
- 异步处理
10. Peewee
与 SQAlchemy 一样，Peewee 是一个简化数据库交互的 Python 库。
它以用户友好且简单的设置而区别于竞争对手。
该库是中小型项目的最佳选择。
特点：
- 轻量级框架
- 数据库支持
- Pythonic 语法
11. Kedro
Kedro 是一个开源 Python 框架。
它为生产就绪的数据科学管道提供了一个工具箱。
事实上，Kedro 可以轻松地与成熟的 Python ML 库集成，并提供一种实现端到端框架的统一方法。
特性：
- 数据目录
- 笔记本集成
- 项目模板
- 坚持特定约定
结论
Python 被认为是人工智能和机器学习应用程序的首选语言。
为了简化和自动化这些应用程序，Python 见证了框架库的出现。
这些库有助于 Web 应用程序开发、后端服务以及开源全栈应用程序的创建。