python新技術

1. asyncpg

   asyncpg -- A fast PostgreSQL Database Client Library for Python/asyncio
   這是除了psycopg2和aiopg以外的posgtres驅動，asyncpg 平均至少比 psycopg2（或 aiopg）快 3 倍，也比 node.js 和 Go 實作更快，并且支援直接執行SQL／滾動遊标／結果集部分疊代等特性。
              

2. bokeh

   Python 可視化的庫最流行的就是 matplotlib 和 seaborn。然而，Bokeh 被創造用來做互動可視化(interactive visualization)，并且面向現代的網頁浏覽展示。Bokeh可以讓你探索來自網頁浏覽器資料。而且它緊密融合了 Juptyer Notebooks，和可選的伺服器元件 bokeh-server，其帶有許多強大的功能，比如在伺服器端對大型資料集進行下采樣、流傳輸資料、變換等。連結：http://bokeh.pydata.org/en/latest/docs/gallery.html。

3. tplmap

   tplmap是一款自動檢測和發掘伺服器端模闆注入漏洞的工具。支援測試Mako, Jinja2, Jade, Smarty, Freemarker, Velocity, 和Twig。

4. docsbox         這是用Flask寫的一個比較好的檔案類型轉換服務．也支援docker。
              

5. blaze

   有時候，當你對資料集運作分析時，卻發現資料集過大，無法一次塞進計算機 RAM 中。如果你無法依賴 numpy 或 Pandas，你通常需要轉而使用其他的工具，如 PostgreSQL、MongoDB、Hadoop、Spark 等等。這些工具都有其自身的優缺點，依照任務的特點，總有一種工具是适合你的。但決定轉換工具是一項巨大的工程，因為你需要了解這些系統如何工作，以及如何以正确的形式插入資料。
   
   Blaze 提供了一個統一的接口，讓使用者無需學習所有資料庫技術。Blaze 庫的核心是一種計算表達方式。Blaze 本身不會進行任何計算：它隻是知道如何指定一個特定的後端，決定誰來執行任務。Blaze 還有其它很多功能(它形成了一個生态系統)，它作為一個庫被開發出來。例如，Dask 實作了一個可用于 NumPy 數組的插件，可以處理大于記憶體的内容和利用多核處理器，并且還具有動态任務排程能力。
   
   連結：https://blaze.readthedocs.io/en/latest/index.html
              

6. daleroberts/tv
7. coffer

   建立網絡上不隔絕的開發環境．讓開發人員搭建相似的開發環境變得容易，但是最好不要用在生産環境中．
              

8. Sanic + uvloop

   誰說 Python 不能很快?Sanic 不僅有可能是有史以來最好的軟體庫名字，也可能是有史以來最快的 Python 網頁架構，而且似乎也遠遠超過其它架構。它是一個專為速度而設計的類 Flask 的 Python 3.5+ 網頁伺服器。另一個庫 uvloop 是一個用于 asyncio 的事件循環(event loop，其底層使用了 libuv)的超快速的插件替代。這兩個加起來就是一個強大的組合!
   
   根據 Sanic 的作者的基準測試，uvloop 可以驅動 Sanic 每秒處理超過 3.3 萬條請求，這實在太強了!(比 node.js 還快)。你的代碼可以受益于這種新的 async/await 文法——它們會看起來很整潔;此外我們也喜歡 Flask 風格的 API。你一定要試試 Sanic，而且如果你也在使用 asyncio，你也可以無需太多修改你的代碼就能受益于 uvloop。
   
   連結：Sanic: https://github.com/channelcat/sanic
              

9. csv-sql

   對于二維資料CSV檔案來說，可以用sql語句來查詢了，此代碼其實也可以用于類似的資料。（位址https://github.com/jackeyGao/csvSQL/）
              

10. chopsticks

    chopsticks對标的項目是fabric和ansible．不同的是，它不是把指令最終發給bash，而是讓你在一個類似Python終端的環境中操作．它也支援Docker。