十大精选

1. Django Ninja

几年来，Django REST框架一直是在Django应用程序中构建RESTful API的首选。但在2021，一个新的竞争者诞生了。

遇到Django Ninja，这是一个使用Django构建API的快速web框架（顺便说一句，它最近发布了4.0），正如我们从这些库中所期望的那样，键入提示！

它使构建RESTAPI变得非常简单，在RESTAPI中，您可以免费获得参数的类型转换和验证（再次感谢Pydantic）以及文档。除此之外，您最喜欢的编辑器中的autocomplete也可以正常工作，而且该库支持异步视图！

我们是否错过了它也是基于OpenAPI和JSON模式开放标准的，这将为您提供互操作性优势？

2.SQLModel

继FastAPI和Typer的成功之后，tiangolo连续第三年凭借SQLModel（一个使用Python对象与SQL数据库交互的库）进入此列表。

你已经猜到了吗？是的，SQLModel基于Python的类型注释，并由Pydantic和SQLAlchemy提供支持，您可以充分利用这些功能。

您将拥有一个看起来非常直观的ORM，它具有强大的编辑器支持（代码完成、内联错误），以及数据验证和文档。和往常一样，图书馆的文档是一流的。天戈罗，明年的惊喜是什么？😂

3. Awkward Array

您可能已经熟悉numpy及其数组。它们是中心数据结构：基本上是一个值网格（二维矩阵或高维张量）。它们支持对数据块（如广播）进行矢量化操作，利用低级别库中的并行性和优化，因此可以比常规Python for循环运行得更快。

但是NumPy数组中的值必须都是相同的类型。它们不能表示可变长度的结构。虽然可以将dtype设置为object，但这还不够。

尴尬的阵型开始施救。对于用户来说，它们看起来像常规数组，但在下面，它们是一个通用的树状数据结构（如JSON）。他们将高效地在内存中连续存储数据，并使用编译的矢量化代码对其进行操作，就像NumPy一样。

考虑项目GITHUB ReMeME中列出的示例：

array = ak.Array([

[{"x": 1.1, "y": [1]}, {"x": 2.2, "y": [1, 2]}, {"x": 3.3, "y": [1, 2, 3]}],

[],

[{"x": 4.4, "y": [1, 2, 3, 4]}, {"x": 5.5, "y": [1, 2, 3, 4, 5]}]

])

以及以下片段：

使用常规Python：

output = []
for sublist in array:
    tmp1 = []
    for record in sublist:
        tmp2 = []
        for number in record["y"][1:]:
            tmp2.append(np.square(number))
        tmp1.append(tmp2)
    output.append(tmp1)

Using Awkward Arrays

output = np.square(array["y", ..., 1:])

两个代码段生成相同的输出：

[

    [[], [4], [4, 9]],

    [],

    [[4, 9, 16], [4, 9, 16, 25]]

]

但不仅仅是2。更简洁的是，它的速度也快了几个数量级，占用的内存更少。与Numba搭配使用时，速度会更快。含糖的

4. jupytext

Jupyter笔记本是一个很好的工具，但是在浏览器中编写代码并丢失您最喜欢的IDE的所有功能并不是很好。更糟糕的是，笔记本电脑通常会给版本控制和协作带来很多麻烦，因为它们最终存储为JSON文件。

Jupytext是一个Jupyter插件，用于解决这些问题，并允许您将笔记本保存为标记或几种语言的脚本。通过生成的纯文本文件，可以轻松地在版本控制中共享它们，合并其他人所做的更改，甚至可以使用IDE及其良好的自动完成或类型检查功能。

在2021的数据科学家的武器库中是必不可少的。

（同样相关，从我们的额外选择中检查Jupyter升序）。

5. Gradio

如果你在数据科学领域，你可能听说过Streamlit（它在2019年进入我们的前十名）。Streamlit可以轻松地将数据脚本转换为可共享的web应用程序，因此您可以将结果演示为实际应用程序，而不是Jupyter笔记本。

Gradio是一个新的工具，它将这一点更进一步：如果您想要构建一个ML模型的演示，它将使事情比Streamlit更容易。

这是创建特定于您的模型的web UI的最简单方法，用户可以通过使用滑块更改参数、上传图像、编写文本甚至录制语音来进行操作。

这无疑是朝着使模型更容易访问的正确方向迈出的一步，数据科学家将注意力集中在对他们来说最重要的方面，而不是UI工作。

看起来Gradio刚被HuggingFace收购了！

6. AugLy

最初用于训练计算机视觉中更健壮的模型，数据增强很快被证明对所有机器学习学科都至关重要。正如我们所知，标记数据是稀缺的，因此充分利用它是非常重要的。此外，数据扩充是2021个领域中非常先进的SOTA的核心，就像自我监督学习一样。

AugLy，by Facebook Research（现在的Meta Research）是一个数据增强库，支持100多种音频、图像、文本和视频增强。可以使用元数据对增强进行配置，并进行组合以实现所需的效果。

除了通常可以在其他库中找到的图像缩放、翻转、调整大小或颜色抖动外，还有许多非经典的增强类型：将图像转换为模因或屏幕截图、将文本覆盖到图像、将某些单词更改为表情符号，或类似Instagram的过滤器。当然，这是一个让你关注的问题！

7. skweak

最初用于训练计算机视觉中更健壮的模型，数据增强很快被证明对所有机器学习学科都至关重要。正如我们所知，标记数据是稀缺的，因此充分利用它是非常重要的。此外，数据扩充是2021个领域中非常先进的SOTA的核心，就像自我监督学习一样。

AugLy，by Facebook Research（现在的Meta Research）是一个数据增强库，支持100多种音频、图像、文本和视频增强。可以使用元数据对增强进行配置，并进行组合以实现所需的效果。

除了通常可以在其他库中找到的图像缩放、翻转、调整大小或颜色抖动外，还有许多非经典的增强类型：将图像转换为模因或屏幕截图、将文本覆盖到图像、将某些单词更改为表情符号，或类似Instagram的过滤器。当然，这是一个让你关注的问题！

8. Evidently

在数据科学家和ML工程师团队完成了过去几个月的工作后，ML模型投入生产。它开始接收数据并发送预测以填充非常重要的仪表盘。ML人员开始着手解决其他一些重要问题。商业利益相关者很高兴。还是应该？

事实上，有很多事情可能会出错，往往是以意想不到的方式。可能模型在生产中接收到的数据类型与用于培训的数据类型不同，导致其表现不佳。也许数据是正确的，但是预测开始慢慢地出现错误，导致你在这个过程中做出各种糟糕的商业决策（损失很多钱！）。

我们的建议：如果你要持续依赖ML，你需要有一个ML监控系统，当出现问题时，它会提醒你。

欢迎使用这个工具，它可以帮助在验证期间评估ML模型，并在生产中监控它们。该工具不会直接检测数据中的异常情况，但如果您碰巧获得了地面真实值标签（如果回路中有人，通常情况下），它将帮助您检测所谓的数据漂移和目标漂移，以及生产中的模型性能。

显然，我们可以构建交互式可视化报告，由数据科学家手动检查以确保一切正常，还可以从pandas DataFrame或csv文件生成JSON配置文件，这些文件可以集成到自动预测管道中或与其他工具一起使用。

这是一段视频，演示了Jupyter笔记本中的应用。这很容易，对吧？

9. Jina and Finetuner

幕后正在发生一场悄无声息的革命。你肯定已经使用谷歌这样的搜索引擎有一段时间了，但可能没有注意到它们比几年前有多大的改进。

发生了什么：基于关键字的搜索正在慢慢地被淘汰。

新来者？神经搜索。这一切都是关于使用深层神经网络可以学习的表示，为搜索系统的组件提供动力。神经搜索不是将文本分割成离散的标记并使用这些标记进行匹配，而是将整个文本反馈给神经网络，神经网络将其转化为向量。然后，空间中与这些向量更接近的向量可以是匹配的文档。因此，如果你搜索同义词“请帮帮我”，你可能会得到“我需要一些帮助”作为第一个匹配词，即使这些词没有一个相同的词。

但它不仅仅适用于文本。它几乎可以处理任何类型的数据。您可以搜索与某些文本匹配的图像。您可以查询与其他图像类似的图像。音频，视频。。。你说吧。

Jina是一个神经搜索框架，任何人都可以在几分钟内构建可伸缩的深度学习搜索应用程序。它基本上为您提供了抽象，从代码和部署的角度来看，在实现神经搜索系统时，这些抽象将使您的生活更加轻松。它具有分布式体系结构、可扩展性和云本机特性。

伴随着Jina，FineTunner允许您微调神经网络表示，以获得神经搜索任务的最佳结果。它为人在回路方法提供了一个web界面。首先，您使用预训练的NN获得批次的结果，并开始选择您最喜欢的结果和不喜欢的结果。在此基础上，FineTunner将调整NN的权重，并向您呈现一个新批次，结果将越来越好。

我们非常兴奋地看到2022年将给这些图书馆带来什么！

10. Hub

数据科学的不幸现实是，大部分时间没有花在调整模型或思考解决新问题的聪明方法上。不。数据科学家花费大量时间获取数据，将其转换为正确的格式，并编写样板代码。

为了处理大量数据（几GB），还需要构建能够支持每个工作流的基础架构代码。

但随着工具的成熟，这可能成为过去的问题？

Meet Hub是一种具有简单API的数据集格式，可以帮助您处理任何类型的数据集，而无需担心数据集的存储位置和大小。它确保数据以压缩格式（分块数组）存储，基本上是可以存储在任何地方的二进制blob。是的，这意味着您可以透明地使用任何存储选项，如AWS S3、GCP存储桶，或者（如果您敢的话）本地存储，而无需更改代码。

我们有没有提到Hub工作迟缓，这意味着只有在需要时才能获取数据？使用多TB数据集不需要多TB硬盘。还有一个API用于将中心数据集连接到最常用的工具，如PyTorch或TensorFlow，构建管道，以及进行数据版本控制。您可以对数据集进行分布式转换。并将其形象化。还有，谁知道2022年还会发生什么？令人兴奋的

额外选择-不要错过这些

Various

• Textual — TUI (Text User Interface) framework for Python inspired by modern web development, from the author of our beloved rich.
• chime — Python sound notifications made easy.
• Jupyter Ascending — sync Jupyter Notebooks so you can type the code from your favorite code editor.

Model deployment & training

• transformer-deploy — deploy 🤗 Transformers models in production, behind an API with submillisecond inference️ time using TensorRT and Nvidia Triton.
• opyrator — turn your Python functions into production-ready microservices, powered by FastAPI, Streamlit, and Pydantic.
• koila — prevent PyTorch's CUDA error: out of memory in just 1 line of code.

Vision

• VISSL — a library for state-of-the-art self-supervised learning from images, by Meta Research.
• YOLOX — an anchor-free version of YOLO, a fast and accurate object detection model, with a simpler design but better performance.
• layout-parser — deep learning-based document image analysis: detect paragraphs, titles, images, and more in pages with complex layouts.
• SAHI — clever library to perform object detection in large images, without sacrificing performance, by using slicing. Supports both bounding boxes or masks by categories!

NLP / Topic modeling

• lightseq — a high-performance training and inference library for sequence processing and generation implemented in CUDA, enabling efficient computation of modern NLP models such as BERT, GPT, Transformer, and more.
• Top2Vec — automatically detects topics present in text and generates jointly embedded topic, document and word vectors.
• BERTopic — leverages 🤗 Transformers and c-TF-IDF to create dense clusters allowing for easily interpretable topics whilst keeping important words in the topic descriptions.

Time series

• Greykite — flexible, intuitive and fast forecasts through its flagship algorithm, Silverkite, which provides interpretable forecasts. By LinkedIn.
• Kats — toolkit for time series analysis, from understanding the key statistics and characteristics, detecting change points and anomalies, to forecasting. By Meta Research.
• Merlion — an end-to-end machine learning framework for loading and transforming data, building and training models, post-processing model outputs, and evaluating model performance, supporting several tasks.
• Spice.ai — for developers who want to build intelligent applications leveraging time series data without too much hassle.

Graphs / Geospatial / Spatiotemporal

• prettymaps — a small set of Python functions to draw pretty maps from OpenStreetMap data.
• TorchGeo — torchvision for geospatial data, providing datasets, transforms, samplers, and pre-trained models. By Microsoft.
• pytorch_geometric — easily write and train Graph Neural Networks (GNNs) for a wide range of applications related to structured data, built on PyTorch.
• nodevectors — fast and scalable node embedding algorithms.
• PyTorch Geometric Temporal — temporal (dynamic) extension library for PyTorch Geometric.

Audio

• pedalboard — Spotify's library for programmatically adding effects to audio.
• SpeechBrain — an all-in-one speech toolkit based on PyTorch.

Metric learning

• PyTorch Metric Learning — the easiest way to use deep metric learning in your application. Modular, flexible, and extensible. Implements several losses, distance metrics, miners, and more.
• TensorFlow Similarity — Google's take on their tool for metric and contrastive learning.

Optimization

• Hyperactive — optimization and data collection toolbox for convenient and fast prototyping of computationally expensive models.
• Gradient-Free-Optimizers — simple and reliable optimization with local, global, population-based and sequential techniques in numerical discrete search spaces
• higher — PyTorch library allowing users to obtain higher-order gradients over losses spanning training loops, by Meta Research.

Explainability / monitoring / causality

• Ecco — visualize and explore NLP language models.
• explainerdashboard — quickly deploy a dashboard web app that explains the workings of a (scikit-learn compatible) machine learning model.
• Transformers Interpret — explain models in the 🤗 transformers package with 2 lines of code.
• Shapley — various methods to compute (approximate) the Shapley value of players (models) in weighted voting games (ensemble games).
• UpliftML — uplift modeling, great for studying causality in personalization/marketing.

Reinforcement learning

• maro — Multi-Agent Resource Optimization (MARO) platform is an instance of Reinforcement learning as a Service (RaaS) for real-world resource optimization. By Microsoft.

Some worthy misses from 2020 (sorry!)

• pqdm a parallel version of tqdm (widely used progress bar for Python and CLI).
• AutoScraper — a neat library implementing auto scraping using clever ideas that don't require you to write or maintain selectors or XPath expressions.
• Aim — easy-to-use and performant open-source experiment tracker.
• NeuralProphet — NN-based time series model, inspired by Facebook Prophet and AR-Net, built on PyTorch.
• glacier — build Python CLIs really easily, using type hints.
• Haystack — an open-source NLP framework that leverages Transformer models to implement production-ready neural search, question answering, semantic document search and summarization for a wide range of applications.
• MPIRE — an almost drop-in replacement for multiprocessing, will save you from writing a lot of code for things you probably need when designing applications leveraging multiprocessing: init and exit functions for workers (where for example you can handle stuff like DB connections), managing of worker state and handling of exceptions. It also has a nice feature where you can pass objects as copy-on-write.

原文：https://tryolabs.com/blog/2021/12/21/top-python-libraries-2021