有哪些开源的 Python 库让你相见恨晚？
之前在知乎回答了这个问题，得到不少人的喜欢，最近又发现了几个不错的 Python 库，赶在 520 之时一并整理分享给大家，希望对你有帮助，别问，问就是良心的一批。
Arrow
我们知道 Python 已经内置了好几个处理时间相关的库，但是对于时间以及时区间的转换并不清晰，操作起来略繁琐，而 Arrow 可以弥补这个问题，它提供了更友好的方法，方便我们对时间，日期，格式化等操作。
项目地址：
https://github.com/crsmithdev/arrow
start：6.1k
thefuck
这个名字一看就厉害啊，我们常常会使用到命令行，但有时候会对一些命令不是很熟悉，或者说偶尔出现打错命令的情况，然后有人就用 Python 搞了这个项目，当你输错命令的时候，你只要再输一个 “fuck”，就能马上更正你的命令。很牛逼有没有，以前我们一遇到不爽的，说句 woc 也没什么鸟用，但是在这里遇到不爽的，说句 fuck 还真能帮你解决问题：
项目地址：https://github.com/nvbn/thefuckstar：4w+
face_recognition
这是一个强大、简单、易上手的人脸识别开源项目，并且配备了完整的开发文档和应用案例，特别是兼容树莓派系统。
项目地址：https://github.com/ageitgey/face_recognitionstar：2.7w+
learn-regex
学习正则表达式的正确姿势，上次刚好看到这个项目，留意了下，发现这算是很全面的正则学习资料了：
项目地址：https://github.com/ziishaned/learn-regexstar：2.7w+
musicbox
这个项目好玩，直接使用命令行来运行操作网易云音乐，是不是很 geek 咧：
妈妈再也不用担心我在 Linux 无法好好的听歌了。PaddlePaddle ModelsPaddlePaddle 提供了丰富的计算单元，使得用户可以采用模块化的方法解决各种学习问题。在此Repo中，我们展示了如何用 PaddlePaddle来解决常见的机器学习任务，提供若干种不同的易学易用的神经网络模型。
地址：https://github.com/PaddlePaddle/models
vipstone/faceai
一款入门级的人脸、视频、文字检测以及识别的项目：
地址：https://github.com/vipstone/faceai
AiLearning
机器学习 - MachineLearning - ML、深度学习 - DeepLearning - DL、自然语言处理 NLP：
地址：https://github.com/apachecn/AiLearningAlgorithm_Interview2018/2019/校招/春招/秋招/算法/机器学习(Machine Learning)/深度学习(Deep Learning)/自然语言处理(NLP)/C/C++/Python/面试笔记：
地址：https://github.com/imhuay/Algorithm_Interview_Notes-Chinese
learn_python3_spider
python爬虫教程系列、从0到1学习python爬虫，包括浏览器抓包，手机APP抓包，如 fiddler、mitmproxy，各种爬虫涉及的模块的使用，如：requests、beautifulSoup、selenium、appium、scrapy等，以及IP代理，验证码识别，Mysql，MongoDB数据库的python使用，多线程多进程爬虫的使用，css 爬虫加密逆向破解，JS爬虫逆向，爬虫项目实战实例等：
纯粹自卖自夸
项目地址：https://github.com/wistbean/learn_python3_spider
star数量：3.6k
12306
这是用 Python 开发的 12306 购票助手，它实现了自动打码，自动登录，捡漏，候补等功能。用 Python 帮你抢票，还是可以的。虽然国庆没用到，这不春节马上要到了么？到时可以用上来。这个项目已经有 1.6w+ star，作者也一直在维护。
项目地址：https://github.com/testerSunshine/12306
d2l-zh
这是一本《动手学深度学习》教材，面向中文读者，源代码都在这里面了，能运行，可以讨论。1.3w+ 的star，内容如下：
项目地址：https://github.com/d2l-ai/d2l-zh
httpx
这个是建立在 requests 之上的库，声称是 Python 下一代的 http ，使用方式：
requests 有的功能它都有，没有的功能它也有：
项目地址：https://github.com/encode/httpx
pandas-profiling
我们知道数据分析有个 pandas 框架，而这个项目就是继承 pandas 的， 它几乎可以做到一行代码快速对数据进行可视化分析：
这里一行代码就可以直接生成可视化数据：
项目地址：https://github.com/pandas-profiling/pandas-profiling
WeRoBot
这是一个 Python 开发的微信公众号框架，有些朋友如果是基于微信公众号开发的话，可以不用自己造轮子了，这个框架可以节省你很多时间：
项目地址：https://github.com/offu/WeRoBot
PySimpleGUI
你可以使用它简单的创建用户界面，PySimpleGUI 同时支持 Python2 和 Python3。它将 tkinter、Qt、WxPython、Remi 转化为可移植的人性化 Pythonic 接口，搞出来的用户界面可以运行在 Linux、Mac OS、Windows 系统上。一个最简单的例子：
GitHub地址：https://github.com/PySimpleGUI/PySimpleGUI
star：2.4k
yagmail
yagmail 是我见过实现 Python 发送邮件这个功能用到的最短的代码：
甚至可以一行搞定：
群发邮件也是 easy 啦：
GitHub地址：https://github.com/kootenpv/yagmailstar：1.6k
wtfpython
顾名思义，what the fxxk Python ，这名字一看就有趣，这个项目意在收集 Python 中那些难以理解和反人类直觉的例子以及鲜为人知的功能特性，并尝试讨论这些现象背后真正的原理。说白了，也就是你看到那样的 Python 例子，会不自觉的脱口而出：“what the fxxk ，这是什么鬼？”
GitHub地址：https://github.com/leisurelicht/wtfpython-cnstar：9.1k
faker
faker 就是假，不够 real ，我们有时候在写代码的时候需要一些假数据进行测试，有了 faker 之后，你就再也不用自己整一些“张三”、“李四”、“隔壁老王” 了。
想要中文“假数据”也有：
GitHub地址：https://github.com/joke2k/fakerstar：8.7k
pelican
这个也是厉害，pelican 可以快速生成一个网站，我来给你演示一下：创建一个目录：
进入：
然后直接输入命令：pelican-quickstart。回答各种沙雕网站问题：
然后就完事了，随便搞个 md 文件：
保存一波之后，在你当前的目录创建一个 content 文件，把你编辑的这个文件塞进去。
然后输入 pelican content：
接着输入 pelican --listen 就可以预览你的网站了：
是不是很爽？怎一个帅字了得？GitHub地址：https://github.com/getpelican/pelicanstar：9.2k
FastAPI
FastAPI是一个基于 Python3.6+ 构建的高性能 web 框架，使用它可以很快的简单写一些 API 接口。举个例子：
接着可以安装 uvicorn 后运行起来：
监听 8000 端口了，可以通过 http://127.0.0.1:8000 进行访问：
除此之外，它基于 Swagger 还能直接生成接口文档，省了你大量写接口文档的时间：
还能直接测试接口：
项目地址：https://github.com/tiangolo/fastapistar数：6k
Ultra-Light-Fast-Generic-Face-Detector-1MB
这是一个轻量级的人脸检测模型，针对边缘计算设备设计的轻量人脸检测模型，默认FP32精度下（.pth）文件大小为 1.04~1.1MB。
项目地址：https://github.com/Linzaer/Ultra-Light-Fast-Generic-Face-Detector-1MBstar数量：3.9k
you-get
安装完 you-get 就能通过一个命令下载网上的在线视频了：
牛逼的是，现在它已经能够支持大部分主流的在线视频网站的下载：
项目地址：https://github.com/soimort/you-getstar数量：28.4k
Fire
这个库的方便之处在于，他可以让任何 Python 项目快速自动生成命令行接口，不用自己写 docstring 就可以生成，而且只需要用 Fire 调用一下就可以了，舒服！
一个官方的例子：
通过 python 运行：
python calculator.py
项目地址：https://github.com/google/python-firestar数量:16.9k
ok，以上，别光收藏呀，点个在看呗，Python 好用的库远不止这些，以后我发现不错的库再整理一波分享给你！