1、Pipenv

第一名非它莫属，这个工具2017年初才发布，但它已经能够影响每个Python开发者的工作流了，更别提现在连Python.org都官方推荐它作为支持库的管理工具!

Pipenv最开始不过是大神Kenneth Reitz搞的周末项目，本意是将npm或yarn这些包管理器的闪光点引入Python世界。不管是安装什么requirements.txt、virtualenvwrapper，管理virtualenv文件，更别提根据支持库的版本来确保复用性了。

2、PyTorch

如果要问，2017年深度学习社区里面哪个库实现了大爆发?那必须是PyTorch，这个深度学习框架是Facebook 2017年才推出的。

PyTorch是基于流行一时的Torch框架构建和改进的，与Lua相比，它是基于Python的。近几年，越来越多的人开始用Python开展数据科学工作，PyTorch让深度学习变得更加平易近人了。

3、Caffe2

多年前，Caffe框架就已被广泛应用，并以无可比拟的性能和实战检测的代码库著称。但是，深度学习的最新趋势使得这个框架在某些方向陷入了停滞。Caffe2试图将Caffe引入现代世界。

它支持分布式训练及部署，包括多种移动平台、最新的CPU与CUDA适配的硬件。PyTorch更适合研究，Caffe2则适用于Facebook那种大规模部署。

还可以了解一下ONNX(微软与Facebook共同推出的开源项目，全称为Open Neural Network Exchange)近期的努力。用PyTorch构建和训练模型，再用Caffe2进行部署!是不是挺棒?

4、Pendulum

2016年，Arrow荣登本榜，这个库是为了让Python处理datetimes更简单。2017年，轮到Pendulum了。

Pendulum的一大优势是内嵌式取代Python的datetime类，可以轻易地将它整合进现有代码，并且可以在需要它的时候才进行调用。作者精心调校了时区，确保时区的正确，还让每个实例都对时区敏感，并且默认使用UTC。还有就是提供了扩展的timedelta，使datetime计算更加容易。

与现有的其他库不同，它提供了一个可预测行为的API，这样就可以知道后面会发生什么。如果你正开发使用datetimes的复杂项目，这个库能让你更轻松!想要了解更多，请查阅文档。

5、Dash

从事数据科学工作，少不了使用Pandas、scikit-learn这些Python生态系统中的利器。但是，要想将工作成果分享给不会用这些工具的人，那该怎么办?怎么才能构建一个人人能够轻松上手的界面，来操控数据和可视化?在以前，为了能够达到这这个目的，必须要有一个精通Javascript的前端专职团队来搭建GUI，以后就用不着啦。

关于5个Python最新又好用的库，青藤小编就和您分享到这里了。如果您对python编程有浓厚的兴趣，希望这篇文章能够您提供帮助。如果您还想了解更多关于python编程的技巧及素材等内容，可以点击本站的其他文章进行学习。