欢迎关注 ，专注 Python、数据分析、数据挖掘、好玩工具！
Python 编程充满了机会。它简单明了，拥有许多很酷的库和特色功能，可以使任务变得简单得多。每个 Python 开发人员都必须与热门的第三方库合作，如 NumPy、pandas、datetime等。然而，有一些鲜为人知的第三方库，可以让作为一个开发人员的你工作生活更容易，并改善你的编码体验。
在这篇文章中，我将分享9个这样的Python第三方库，欢迎收藏学习，喜欢点赞支持。
1. pendulum
pendulum 是一个很棒的与 Python 日期和时间类型数据工作的库。在涉及时区的情况下，此库非常有用。它继承了 Python 自带的 datetime 库，所以也可以替代原生的 datetime 库，功能更强大。
想看看 pendulum 的魔力吗？输入如下代码。
import pendulum
past = pendulum.now().subtract(minutes=2)
past.diff_for_humans()
它可以将时间类型数据转化为人为可读的数据，如几分钟前，如下所示：
2. fabulous
在命令行上运行的大多数 Python 应用程序看起来平淡无奇。fabulous可以用来给控制台的输出结果进行一个很好的改造，比如添加图像或彩色文本。
要在终端上打印彩色文本，我们可以使用：
from fabulous.color import bold, magenta, highlight_red
print(bold(magenta('''hello world
this is some new line
and here is the last line. :)
''')))
你将看到如下输出：
3. Pywebview
Pywebview 是一个Python第三方库，用于以 GUI 形式显示 HTML、CSS 和 JavaScript 内容。这意味着使用此库，您可以将您的网站或网页显示为桌面应用程序。
要启动显示特定网站的窗口，我们只需要运行:
import webview
window = webview.create_window(
title='Baidu Webview',
url='http://www.baidu.com',
width=850,
height=600,
resizable=False, # 固定窗口大小
text_select=False, # 禁止选择文字内容
confirm_close=True # 关闭时提示
)
webview.start()
4. Seaborn
Seaborn 是一个用于数据科学项目数据可视化的库。它建在标准可视化库 Matplotlib 之上，可以使绘图更加丰富多彩和有吸引力。
要使用数据集制作线图，我们可以使用：
import seaborn as sns
dataset=sns.load_dataset('dataset name')
sns.lineplot(x='x-axis name', y='y-axis name', data = dataset)
5. Psutil
Psutil 是一个有用的跨平台 Python 库，可以用于获取与系统相关的信息。您可以收集有关系统中正在进行的流程、CPU 使用、RAM 使用等的信息。
使用以下命令安装 psutil。
要每 3 秒内计算系统 CPU的使用情况，我们可以运行：
import psutil
psutil.cpu_percent(interval=3)
6. pygame
顾名思义，它是Python制作游戏的库。它包含许多图形和声音库，开发人员可以用来制作游戏。此外，复杂的游戏逻辑和物理也可以使用PyGame的内置模块实现。
要安装PyGame，我们需要使用：
pip install pygame
7. pyforest
在进行数据科学项目时，我们刚开始通常需要导入许多库，如Numpy, pandas, matplotlib等，如下所示：
import pandas as pd
import statistics
import numpy as np
import seaborn as sns
import matplotlib as mpl
import matplotlib.pyplot as plt
这样过于繁琐，pyforest可以帮助我们一次性安装导入所有重要的库。
使用pyforest，你既可以省去大量的import操作，又能够做到惰性导入, 如下所示：
from pyforest import *
df = pd.DataFrame()
print(df)
active_imports() # 输出导入的模块
8. modin
modin 是一个python库，通过使用机器的多核而不是单核来改善pandas的工作流程。这对于在处理大型数据集时提高性能特别非常有帮助。
安装好后，你只需导入modin的pandas版本，甚至不需要对源代码进行进一步的更改，
import modin.pandas as pd
9. pandas_profiling
这是一个 Python 库，可用于获取数据集、其属性和属性之间的相关性的概述(overview)。
可以使用下面显示的命令安装它。
pip install pandas-profiling
pandas_profiling 基于 pandas 的 DataFrame 数据类型，可以简单快速地进行探索性数据分析。对于数据集的每一列，pandas_profiling 会提供以下统计信息：
1、概要：数据类型，唯一值，缺失值，内存大小
2、分位数统计：最小值、最大值、中位数、Q1、Q3、最大值，值域，四分位
3、描述性统计：均值、众数、标准差、绝对中位差、变异系数、峰值、偏度系数
4、最频繁出现的值，直方图/柱状图
5、相关性分析可视化：突出强相关的变量，Spearman, Pearson矩阵相关性色阶图
使用方式如下所示：
from pandas_profiling import ProfileReport
report = ProfileReport(dataframe)
report.to_file(output_file='output.html')
您可以保存此报告作为HTML或pdf文件做进一步分析。
以上就是个人推荐的9个第三方Python库，可用于改善你的编码体验并取代现有的标准 Python 库。如有兴趣，可以阅读本文所提到的相关库的详细教程，他们是免费开源的。
Schedule：一个简单实用的 Python 周期任务调度工具！
Sidetable：一种高效的 Python 数据框处理工具！
只需几行 Python 代码，dabl 即可实现数据处理、分析和 ML 自动化!
再次出发！FaceBook 开源"一站式服务"时序利器 Kats ！
超硬核！分享9个功能强大却鲜为人知的 Python 工具包!
欢迎转载、收藏、有所收获点赞支持一下！
目前开通了技术交流群，群友超过2000人，添加方式如下：
如下方式均可，添加时最好方式为：来源+兴趣方向，方便找到志同道合的朋友
- 方式一、发送如下图片至微信，进行长按识别，回复加群；
- 方式二、直接添加小助手微信号：pythoner666，备注：来自CSDN
- 方式三、微信搜索公众号：Python学习与数据挖掘，后台回复：加群
