一门编程语言好用、方便的程度在很多时候会取决于这门语言相关的库够不够丰富，Python 之所以火爆除了其本身的语法和特性之外，还在一定程度上取决于其有太多太多库的支持，不论是官方维护的还是第三方开发的。
就比如说做机器学习为什么很多人都用 Python，一个非常大的因素就是 TensorFlow 和 PyTorch 对 Python 的支持。
当然在这里并不是说 Python 的库真的就全的不要不要的，它在某些领域或者项目的生态还是有待完善的。
正好昨天刷到知乎一个问题「你见过哪些相见恨晚的 Python 库？」，其意就是想了解下有哪些非常好用的提高生产力的 Python 库。
一些回答直接把 awesome-python 贴过来，点赞非常多，当然多归多，但是里面很多都是些过期的或者其实没太有什么价值的库，反而会增加了挑选库的成本。我大体上把一些回答过了一遍，另外结合自己平时了解的内容，稍微对一些基础生产力库做了简单的梳理，在这里分享给大家。
所以这里就不再针对于一些特殊的场景推荐了，如一些 Web开发库、网络请求库、数据操作库、数据分析库、机器分析库等等。下面主要罗列一些适用范围和方向较广，对于一些基础设施的建设比较有用，能在多数场景下提高 Python 生产力的库，描述比较简单，主要是提供一个列表，仅供参考哈。
attrs、cattrs
https://github.com/python-attrs/attrs
https://github.com/Tinche/cattrs
简化类的定义、序列化反序列化等操作。
loguru
https://github.com/Delgan/loguru
可简化日志记录写法。
autopep8
https://github.com/hhatto/autopep8
把 Python 代码转成符合 PEP8 规范的代码。
psutil
https://github.com/giampaolo/psutil
Python 实现任务监控的库。
furl
https://github.com/gruns/furl
对 url 的处理非常方便，比 urllib 等库好用多。
retrying、tenacity
https://github.com/rholder/retrying
https://github.com/jd/tenacity
异常重试库，如出错之后重试多少次，尤其在发起一些 HTTP 请求时非常有用，当然也能用于其他地方。
typing
https://docs.python.org/zh-cn/3/library/typing.html#module-typing
对 Python 类型的支持，支持多种类型、嵌套类型，也推荐多多使用 Python 的类型注解。
argparse
https://docs.python.org/zh-cn/3/library/argparse.html
个人曾经使用过几个命令行解析工具，如 docopt，但后来还是转回来了 argparse，功能齐全强大。
absl-py
https://github.com/abseil/abseil-py
个人感觉比 argparse 更易用的库，如 TensorFlow 就在使用这个，对于定义一些 Flag 非常方便。
pipenv
https://github.com/pypa/pipenv
功能更全的包管理工具，集成虚拟环境、支持 Lock 机制锁定安装包版本和依赖信息。当然也有坑点，可自行搜索。
drf
https://www.django-rest-framework.org/
基于 Django 的 REST Framework，快速实现 REST API。
watchdog
https://github.com/gorakhargosh/watchdog
方便监视文件系统改动。
glob
https://docs.python.org/3/library/glob.html
对文件的操作非常方便。
2to3
https://docs.python.org/2/library/2to3.html
把 Python2 代码转成 Python3 代码。
glom
https://github.com/mahmoud/glom
对 JSON 嵌套的处理非常方便。
pathlib
https://docs.python.org/3/library/pathlib.html
更为方便的 Python 路径操作库。
environs
https://github.com/sloria/environs
对于环境变量的获取非常方便，支持多种类型，如 int、bool 等。
pysnooper
https://github.com/cool-RR/PySnooper
非常方便简单的 Python 调试器，可以追踪到代码每一处细节的执行状态。
tqdm
https://github.com/tqdm/tqdm
进度条控制显示非常方便。
sh
https://github.com/amoffat/sh
对 Linux 一些命令的封装，简单好用又高效。
faker
https://github.com/joke2k/faker
模拟数据的生成。
arrow、dateutil、dateparser、pendulum
https://github.com/crsmithdev/arrow、https://github.com/dateutil/dateutil
https://github.com/scrapinghub/dateparser
https://github.com/sdispater/pendulum
时间解析和处理库，非常方便。arrow 目前 Star 最多，好评最多。
yagmail
https://github.com/kootenpv/yagmail
方便的发邮件库，替代自带的 smtplib。
chardet
https://github.com/chardet/chardet
字符串类型编码检测。
pypinyin
https://github.com/mozillazg/python-pinyin
汉字转拼音，在一些中文转化处理上很有用。
sphinx
https://www.sphinx-doc.org/en/master/
编写文档使用，大多数 Python 库文档都是这个写的，如 Scrapy、requests。
个人 sphinx + markdown 的样例：
https://github.com/Gerapy/Docs
jinja2
https://github.com/pallets/jinja
一个方便的模板引擎，呈现页面时很方便。
click
https://github.com/pallets/click
更方便灵活地实现命令行传递参数。
ray
https://github.com/ray-project/ray
分布式多进程管理。
supervisor
https://github.com/Supervisor/supervisor
进程管理工具，如实现多任务后台运行，Docker 打包时会经常用到。
apscheduler
https://github.com/agronholm/apscheduler
Python 定时任务，不过 K8S 也可以实现，个人目前可能更倾向于 K8S。
intelpython
https://software.intel.com/en-us/distribution-for-python
这不是 Python 库，是一个 Intel 开发的基于 Intel 处理器优化的 Python 解释器，对于大规模运算提升很大。
完毕。
好啦，先推荐这么多了，后面还会慢慢积累，大家可以了解下，个人感觉有不少库还是能极大提高生产力的。
由于这次主要是推荐一些适用范围和方向较广，个人感觉对于一些基础设施的建设比较有用的库，所以一些 Web、爬虫、数据分析、机器学习等库就没有列在这里了。
当然也由于个人水平有限，也有很多库没有列全，如果大家有推荐的，欢迎留言分享哈！
