大家好，今天给大家盘点10个让工作更效率，编程更有趣的 Python 工具包，一起来了解一下。
1 PrettyErrors
PrettyErrors是一款可以让Python抛出的异常变得通俗易懂的强大工具。
官网的示例：
可以看出，出错的文件、所在行、所在函数或模块都被用不同的颜色标记出来，比起左边密密麻麻、眼花缭乱的错误提示，显然是优化过的提示更人性化！
这个工具有两种安装方式：
# 全局安装
python -m pip install pretty_errors
# 局部项目使用
import pretty_errors
pretty_errors.configure(
separator_character = '*',
filename_display = pretty_errors.FILENAME_EXTENDED,
line_number_first = True,
display_link = True,
lines_before = 5,
lines_after = 2,
line_color = pretty_errors.RED + '> ' + pretty_errors.default_config.line_color,
code_color = ' ' + pretty_errors.default_config.line_color,
truncate_code = True,
display_locals = True
)
pretty_errors.blacklist('c:/python')
2 Rich
Rich?是一个可以为终端提供富文本和精美格式的 Python 库，利用Rich API?可以很容易的在终端输出添加各种颜色和不同风格。Rich还可以绘制漂亮的表格，进度条，markdown，突出显示语法的源代码及回溯等等。
官网的示例：
Rich是跨平台库，适用于Linux、OSX和Windows。安装也很方便。
python -m pip install rich
博主试着用了下这个库，下面是测试案例，体验拉满~。
from rich.console import Console
console = Console()
test_data = [
{"专业": "模式识别与智能系统", "学科": "人工智能", "params": [None, 1, 2, 4, False, True], "id": "1",},
{"专业": "模式识别与智能系统", "学科": "深度学习", "params": [7]},
{"专业": "模式识别与智能系统", "学科": "机器视觉", "params": [42, 23], "id": "2"},
]
def test_log():
enabled = False
context = {
"天气": "阴",
}
movies = ["误杀2", "江照黎明"]
console.log("Hello from", console, "!")
console.log(test_data, log_locals=True)
test_log()
在这里插入图片描述
3 Dear PyGui
Dear PyGui是一个易于使用但功能强大的非终端Python GUI框架。
官网的示例：
Dear PyGui基于及时渲染和GPU来提供高度动态的用户接口，且Dear PyGui是跨平台的，在Windows 10、macOS、Linux甚至是树莓派Raspberry Pi 4上都能使用；安装起来也相当简单：
pip install dearpygui or pip3 install dearpygui
4 HummingBird
HummingBird?是微软推出的一款人工智能库，可以将传统人工智能模型编译成张量计算，了解深度学习框架，如Tensorflow、Pytorch的同学一定知道张量的重要性。
HummingBird?允许用户几乎无缝地使用各种深度学习框架来加速机器学习模型，基于HummingBird有很多好处：
- 所有当前或将来在神经网络框架中的优化都会被引入；
- 硬件加速；
- 提供独一无二的统一平台来支持所有传统机器学习模型和深度学习；
- 无需重建模型
总之，HummingBird把深度学习的入门门槛又大大降低了。
HummingBird库的一行安装代码如下：
pip install hummingbird-ml
5 HiPlot
HiPlot是微软推出的用于分析人工智能高维数据的库。
HiPlot是一个轻量级交互式可视化工具，用来帮助AI研究者发现高维数据中的关联和内在模式，同时采用并行渲染和其他图形化方式来展示信息。
官网的示例：
HiPlot库的一行安装命令如下：
pip install -U hiplot # Or for conda users: conda install -c conda-forge hiplot
6 Norfair
Norfair是一个轻量级平面物体跟踪Python库。?
使用Norfair，你可以仅用几行代码就赋予任何检测算法目标跟踪的能力。
官网的示例：
Norfair库的一行安装命令如下：
pip install norfair
7 GeoPandas
GeoPandas是用来处理地理空间数据的工具库，不仅完美融合了pandas数据类型，还提供了操作地理空间数据的高级接口。
官网的示例：
这个库的安装相对复杂，需要具备以下依赖：
- numpy
- pandas (version 1.0 or later)
- shapely (interface to GEOS; version 1.7 or later)
- fiona (interface to GDAL; version 1.8 or later)
- pyproj (interface to PROJ; version 2.6.1 or later)
- packaging
安装好依赖项后即可运行安装命令，如下：
pip install pygeos
8 PyAutoGUI
PyAutoGUI是一个跨平台GUI自动化Python模块。用于以编程方式控制鼠标和键盘。可以让计算机完成你所设计的自动控制任务，解放你的双手
安装时会自动安装PyAutoGUI?依赖的模块，包括PyTweening，PyScreeze，PyGetWindow，PymsgBox和MouseInfo，因此只需一行命令，很方便：
pip install pyautogui
应用时也有很多封装好的API，例如
# 将鼠标光标移动到(200,300) pyautogui.moveTo(200,300) # 将鼠标光标移动到(400,500) pyautogui.moveTo(400,500)
我做了个小示例：
9 Plotly
Plotly是一个交互式的、开源的、基于浏览器的Python图形库，提供了30多种图表类型，包括
- 科学图表
- 3D图表
- 统计图表
- SVG地图
- 金融图表
Plotly库的一行安装命令如下：
pip install plotly==5.6.0
需要注意的是plotly?是建立在jupyter notebook?上的，所以需要在jupyter notebook?中导入这两个包，而不能使用VSCode。
官网示例：
10 Emoji
Emoji?是个很有意思的Python库，事实上Unicode?联盟支持一整套表情符号代码，Emoji库就提供了打印表情符号的Python接口，使编程更有趣。
Emoji库的一行安装命令如下：
pip install emoji --upgrade
看看Emoji库打印表情符号的效果：
>> import emoji
>> print(emoji.emojize('Python is :thumbs_up:'))
Python is :+1:
>> print(emoji.emojize('Python is :thumbsup:', language='alias'))
Python is :+1:
>> print(emoji.demojize('Python is :+1:'))
Python is :thumbs_up:
>>> print(emoji.emojize("Python is fun :red_heart:"))
Python is fun ?