测试开发
Web UI测试自动化
splinter – web UI测试工具，基于selnium封装。
selenium – web UI自动化测试。 –推荐
mechanize- Python中有状态的程序化Web浏览。
selene – 使用Python + Ajax支持+ PageObjects + Widgets进行简明UI测试
hitch – 基于服务的应用程序的高级集成测试框架。
Needle – Css 自动化测试框架。
seleniumbase – 端到端自动化测试框架。
pytest_splinter – pytest spinter和selenium集成。
Browsermob Proxy – Browsermob Proxy的python包装器。
Selenium-Requests – 扩展Selenium WebDriver类以包含请求库中的请求函数，同时完成所有需要的cookie和请求头处理。
移动测试自动化
appium – 移动端UI自动化测试。 –推荐
uiautomator- 安卓UI自动化测试。
ATX – 智能手机自动化工具。支持iOS，Android，WebApp和游戏。 网易出品 –推荐
uiautomator2- Android Uiautomator2 Python Wrapper。 –推荐
facebook-wda Facebook WebDriverAgent Python Client Library (not official) 可用于IOS应用测试。 –推荐
Windows UI测试自动化
Winium.Desktop – 开源测试自动化工具，用于基于WinForms和WPF平台自动测试Windows应用程序，基于Selenium远程WebDriver实现。
pyautogui- 跨平台的UI自动化工具，控制鼠标和键盘。
autopy – 简单的跨平台GUI自动化工具包，适用于Python。
pywinauto – Windows UI自动化。
SikuliX – 基于OpenCV的GUI测试框架，使用图像识别来定位与之间的项目，来自python 2.7的脚本，跨平台。
UI测试
pyautoacad – AutoCAD自动化。
sikuli – 位图自动化。
monkeyrunner- 安卓自动化。
ldtp – Linux UI自动化。
dogtail- Linux UI自动化。
pyautoit- autoit python api。
性能测试
funkload – 性能及功能测试工具。 –推荐
multi-mechanize – python性能测试工具，基于多进程和多线程，是学习性能测试goon工具的佳品。 –推荐
locust – 强大的性能测试工具，使用了协程。 链接 –推荐
ngrinder – 市面上最强大的性能测试工具之一，主要用jython书写脚本，性能在loadrunner和jmeter之上，扩展性好。 链接 –强烈推荐
boom – 类似ab(ApacheBench)的性能测试工具。
测试框架
pyresttest 接口测试框架 – 推荐
HttpRunner HTTP接口测试框架 – 推荐
augmented-traffic-control facebook开发的最强悍弱网网络模拟工具 –强烈推荐
Hypothesis – 高级单元测试测试框架，支持行为驱动，基于property 。 – 推荐
unittest – (Python 标准库) 单元测试框架 – 推荐
mamba – 行为驱动测试框架。
nose- 更好的单元测试框架。 – 推荐
nose2- nose基于unittest2的版本。
pytest- 很好的强大的单元测试框架，实际上广泛使用在自动化单元、接口、功能等测试。 – 强烈推荐
testify – 单元测试框架，提供增强的测试fixture设置，将测试套件拆分成易于并行化的存储bucket，PEP8命名约定，带有大量日志/报告选项及颜色测试运行器。
trial – Twisted的单元测试框架，基于unittest。
Robot Framework- 通用的python测试框架，易于上手，生成的报告比较好看，适合小型公司使用，支持关键字和数据等驱动，系业界内很出名的框架。不过因为写用例不能很灵活的应用python，需要大量的python封装，大公司通常使用pytest，django，flask之类的库自行开发。
pytest- 很好的强大的单元测试框架，实际上广泛使用在自动化单元、接口、功能等测试。 – 强烈推荐
green- 彩色(命令行能显示多种颜色)的单元测试框架。
tox- 基于virtualenv的测试框架，主要用于解决多版本python问题。
sixpack- A/B 测试框架。
lettuce- 行为驱动 测试框架。
pyccuracy- 行为驱动 web验收测试框架。
pytest-bdd- 基于pytest的行为驱动 测试框架。
ddt- 数据驱动测试。
behave- 行为驱动测试。
lettuce- 行为驱动测试。
mamba – Python的测试定义工具，基于行为驱动。
pyvows – Python的异步行为驱动开发，Vows.js的python移植。
pyhamcrest – Python的Hamcrest匹配器。
sure – 强大而灵活的断言python测试库。
factory_boy – 基于thinkbot的factory_girl的fixture替代。
Mock
doublex：强大的测试桩框架。
mock：(Python3 标准库) mock和patch。
freezegun：伪造时间。[链接]https://github.com/spulec/freezegun)
httmock：Python 2.7+ 和 3.4+ mock requests库。
httpretty：Python 的 HTTP 请求 客户端mock 工具，暂时不支持python3。
responses：针对requests 库的mock库。
VCR.py：录制HTTP请求加快测试执行速度并可进行mock。 – 推荐
factoryboy：Python测试fixtures(setup和teardown)替代库。
mixer：另外一个测试fixtures(setup和teardown)替代库，支持 Django, Flask, SQLAlchemy, Peewee 等。
modelmommy：为 Django测试创建随机fixtures
faker：生成多种伪数据。
fake2db：伪造数据库生成器。
mimesis：生成mock数据。[链接]https://github.com/lk-geimfari/mimesis)
其他测试工具
coverage：代码覆盖率。
FuckIt.py：代码出错也可以执行。
RoboBrowser：一个简单的，Python 风格的库，用来浏览网站，而不需要一个独立安装的浏览器。
MechanicalSoup：用于自动和网络站点交互的 Python 库。
augmented-traffic-control：网络模拟工具。 – 强烈推荐
持续交付
buildbot – google等公司使用的持续集成框架，上手比Jenkins难，功能和性能远比Jenkins强大。
BitBake – 嵌入式Linux上类似make工具。
buildout – 用于从多个部分创建，组装和部署应用程序的构建系统。
PlatformIO – 在不同的开发平台的控制台构建工具。
PyBuilder – 纯Python编写的持续构建工具。
SCons – 软件构建工具。
测试工具对接
jira –自动化JIRA。
awesome-python
管理面板(Admin Panels)
Ajenti – Linux & BSD web管理面板。管理进程和文件等。
django-suit – 现代主题的Django管理界面(仅限非商业用途)。
django-xadmin – 方便的Django admin替代。 完全支持插件扩展，基于 Twitter Bootstrap，并有站内书签、支持 xls, csv, xml和json数据导入等不少增强。
flask-admin – Flask的简单和可扩展的 web 管理界面框架。
flower – Celery的实时监控和网络。
Grappelli – Django管理界面的爵士皮肤。[链接]https://github.com/sehmaschine/django-grappelli)
Wooey – 为Python脚本创建自动Web UI的Django应用程序。
算法和设计模式(Algorithms and Design Patterns)
Python的算法和设计模式的实现。
algorithms – Python的算法模块。
PyPattyrn – 简单有效实现通用设计模式。
python-patterns – Python中设计模式的集合。
sortedcontainers – SortedList，SortedDict和SortedSet类型的快速，纯Python实现。
反病毒(Anti-spam)
django-simple-captcha – 简单且高度可定制的Django应用，可以将验证码图像添加到任何Django表单。
资产管理(Asset Management)
用于管理，压缩和缩小网站资产的工具。
django-compressor – 将链接和内联的JavaScript或CSS压缩到单个缓存文件中。
django-pipeline – Django的资产包装库。
django-storages – Django自定义存储后端集。
fanstatic – 用 Python 的包的方式封装，优化静态文件并解依赖。
fileconveyor – 检测和同步文件到CDN，S3和FTP的后台程序。
flask-assets – 集成web 资源到Flask应用。
jinja-assets-compressor – Jinja扩展程序，用于编译和压缩资源。 – github星级不到100.
webassets – 为静态资源打包，优化和管理基于缓存的唯一URL。
音频(Audio)
操作音频的库。
audiolazy – 数字信号处理(DSP)软件包。
audioread – 跨库(GStreamer +Core Audio+ MAD + FFmpeg)音频解码。链接
beets – 音乐库管理和MusicBrainzb标签。 – 推荐
dejavu – 音频指纹识别。 – 推荐
id3reader – 用于读取MP3元数据的Python模块。
m3u8 – 解析m3u8文件的模块。
mingus – 先进的音乐理论和MIDI文件和播放支持符号包。
mutagen – 用于处理音频元数据的Python模块。
pyAudioAnalysis – Python音频分析库：特征提取，分类，分割和应用。 – 推荐
pydub – 通过简单易用的高级界面处理音频。 – 推荐
pyechonest – Echo Nest API的Python客户端。
talkbox – 用于语音/信号处理的Python库。
TimeSide – 开放的Web音频处理框架。
tinytag – 用于读取MP3，OGG，FLAC和Wave文件的音乐元数据的库。
认证(Authentication)
Authomatic：简单但是强大的框架，身份验证/授权客户端。
django-allauth：Django 的验证应用。
django-oauth-toolkit： Django OAuth2。
django-oauth2-provider：Django OAuth2。
Flask-OAuthlib： Flask OAuthlib 。
OAuthLib： 通用完整的实现OAuth请求-签名逻辑。
python-oauth2：创建 OAuth 客户端和服务端完全测试的抽象接口。
python-social-auth：设置简单的社交认证。
rauth：OAuth 1.0/a, 2.0, 和 Ofly。
sanction：一个超级简单的OAuth2 客户端实现。
PyJWT：JSON Web 令牌草案 01。
python-jwt：生成和验证 JSON Web 令牌。
内置类增强(Built-in Classes Enhancement)
attrs – 替换类定义中的init，eq，repr等样板文件。
bidict – 高效的双向字典。
Box – 点符号访问的Python字典
CMS(Content Management Systems)
内容管理系统
django-cms：开源的，基于Django的企业级 CMS。
djedi-cms：轻量级但却非常强大的 Django CMS ，考虑到了插件，内联编辑以及性能。[链接]http://djedi-cms.org/)
FeinCMS：基于 Django 构建的最先进的内容管理系统之一。
Kotti：高层的的web应用框架，基于 Pyramid 构建。
Mezzanine：强大的，一致的，灵活的内容管理平台。 – 推荐
Opps：杂志，报纸网站以及大流量门户网站设计的 CMS 平台，基于 Django。[链接]https://github.com/opps/opps)
Plone：构建于开源应用服务器 Zope 之上的 CMS。
Quokka：灵活，可扩展的小型 CMS，基于 Flask 和 MongoDB。
Wagtail：Django 内容管理系统。 – 推荐
Widgy： CMS 框架，基于 Django。
缓存(Caching)
缓存数据的库。
Beaker：缓存和会话库，可以用在 web 应用和独立 Python脚本和应用上。
DiskCache：Python磁盘缓存(Django兼容)。。
django-cache-machine：Django 模型的自动缓存和失效。
django-cacheops：具有自动颗粒化事件驱动失效功能的 ORM。
dogpile.cache：dogpile.cache 是 Beaker 的替代，由同一作者开发。
HermesCache：Python 缓存库，具有基于标签的失效和 dogpile effect 保护功能。
johnny-cache：django应用缓存框架。[链接]https://github.com/jmoiron/johnny-cache)
pylibmc：libmemcached 接口的 Python 封装。
自动聊天工具(ChatOps Tools)
Errbot：最简单和最流行的聊天机器人用来实现自动聊天工具。
代码分析和lint(Code Analysis)
coala：语言独立和易于扩展的代码分析应用程序。
code2flow：把你的 Python 和 JavaScript 代码转换为流程图。暂时无法继续维护。
pycallgraph：这个库可以把你的Python 应用的流程(调用图)进行可视化。
Flake8：模块化源码检查工具: pep8, pyflakes 以及 co。
Pylint：一个完全可定制的源码分析器。
pylama：python代码审计。
YAPF: Google的Python代码格式化工具。 –推荐
pylama：Python 和 JavaScript 的代码审查工具。
autopep8：自动格式化 Python 代码，以使其符合 PEP8 规范。 –推荐
mypy ：静态类型检查。 –推荐
pep8 ：python风格检查。 –推荐
prospector – 分析Python代码并输出有关错误，潜在问题，违反常规和复杂性的信息的工具。
命令行工具(Command-line Tools)
命令行程序开发( Command-line Application Development)
asciimatics：跨平台，全屏终端包(即鼠标/键盘输入和彩色，定位文本输出)，完整的复杂动画和特殊效果的高级API。
cement：Python 的命令行程序框架。
click：一个通过组合的方式来创建精美命令行界面的包。 –推荐
cliff：一个用于创建命令行程序的框架，可以创建具有多层命令的命令行程序。
clint：Python 命令行程序工具。
colorama：跨平台彩色终端文本。
docopt：Python 风格的命令行参数解析器。 –推荐
Gooey：一条命令，将命令行程序变成一个 GUI 程序。
Python-Fire：将命令行程序变成一个 GUI 程序。 –推荐
python-prompt-toolkit：构建强大的交互式命令行程序的库。 –推荐
Pythonpy：在命令行中直接执行任何Python指令。
生产力工具(Productivity Tools)
aws-cli：Amazon Web Services 的通用命令行界面。
bashplotlib：在终端中进行基本绘图。
caniusepython3：判断是哪个项目妨碍你你移植到 Python 3。
cookiecutter：从 cookiecutters(项目模板)创建项目的一个命令行工具。
doitlive：一个用来在终端中进行现场演示的工具。
howdoi：通过命令行获取即时的编程问题解答。 –推荐
httpie：命令行HTTP 客户端，cURL 的替代品，易用性更好。
PathPicker：从bash输出中选出文件。
percol：向UNIX shell 传统管道概念中加入交互式选择功能。
SAWS：一个加强版的 AWS 命令行。
thefuck：修正你之前的命令行指令。
mycli：一个 MySQL 命令行客户端，具有自动补全和语法高亮功能。 –推荐
pgcli：Postgres 命令行工具，具有自动补全和语法高亮功能。 –推荐
try：很简单的命令行工具，用来试用python库。
兼容性(Compatibility)
帮助从 Python 2 向 Python 3迁移的库。
Python-Future：这就是 Python 2 和 Python 3 之间丢失的那个兼容性层。
Python-Modernize：使 Python 代码更加现代化以便最终迁移到 Python 3。[链接]https://github.com/mitsuhiko/python-modernize)
Six：Python 2 和 3 的兼容性工具。
计算机视觉(Computer Vision)
计算机视觉库。
OpenCV：开源计算机视觉库。
pyocr：Tesseract 和 Cuneiform 的包装库。
pytesseract：Google Tesseract OCR 的另一包装库。
SimpleCV：一个用来创建计算机视觉应用的开源框架。
并发和并行及异步与网络(Concurrency and Parallelism)
用以进行并发和并行操作的库。
multiprocessing：(Python 标准库) 基于进程的“线程”接口。 –推荐
threading：(Python 标准库)更高层的线程接口。 –推荐
eventlet：支持 WSGI 的异步框架。链接
gevent：一个基于协程的 Python 网络库，使用greenlet。 –推荐
Tomorrow：用于产生异步代码的神奇的装饰器语法实现。
uvloop：在libuv之上超快速实现asyncio事件循环。 –推荐
asyncio – (Python 标准库) 异步 I/O, 事件循环, 协程以及任务 –推荐
aiohttp 异步http client/server框架(asyncio) –推荐
curio 协程并发库.
pulsar – 事件驱动的并发框架.
pyzmq – ZeroMQ 消息库的 Python 封装
Twisted – 事件驱动的网络引擎. 和asyncio有很多类似的地方，逐渐被代替,需要数据库等相关生态圈的支持
diesel – 基于Greenlet 的事件 I/O 框架。
Tornado – web 框架和异步网络库.
Trio – 异步I/O 链接 可能会飙升
NAPALM – 处理网络设备的跨供应API.
txZMQ – 基于 Twisted 的 ZeroMQ 消息库的 Python 封装。
配置(Configuration)
用来保存和解析配置的库。
config：logging 模块作者写的分级配置模块。 – 较长时间未更新
ConfigObj：INI 文件解析器，带验证功能。
ConfigParser：(Python 标准库) INI 文件解析器。
profig：通过值转换配置多种格式。
python-decouple：将设置和代码完全隔离。
加密(Cryptography)
cryptography：这个软件包意在提供密码学基本内容和方法提供给 Python 开发者。
hashids：在 Python 中实现 hashids 。
Paramiko：SSHv2 协议的 Python (2.6+, 3.3+) ，提供客户端和服务端的功能。 – 推荐
Passlib：安全密码存储／哈希库，
PyCrypto：Python 密码学工具箱。
PyNacl：网络和密码学(NaCl) 库的 Python 绑定。
数据分析(Data Analysis)
blaze：NumPy 和 Pandas 的大数据接口。
Open Mining：使用 Python 挖掘商业情报 (BI) (Pandas web 接口)。
orange：通过可视化编程或 Python 脚本进行数据挖掘，数据可视化，分析和机器学习。
Pandas：提供高性能，易用的数据结构和数据分析工具。–强烈推荐
书籍：利用Python进行数据分析 2017 第二版 代码 –推荐
利用Python进行数据分析·第2版 –推荐
数据验证(Data Validation)
数据验证库。多用于表单验证。
Cerberus： 轻量级可扩展的数据验证库.
colander：验证并反序列化XML、JSON、HTML表单获取的数据。
colander：json模式的实现。
kmatch：一种用于匹配/验证/筛选 Python 字典的语言。
schema：一个用于对 Python 数据结构进行验证的库。
Schematics：人性化的python数据结构。
valideer：轻量级可扩展的数据验证和适配库。
voluptuous：Python 数据验证库。主要是为了验证传入 Python的 JSON，YAML 等数据。
数据可视化(Data Visualization)
进行数据可视化的库。 参见: awesome-javascript。
matplotlib：Python 2D 绘图库。 –推荐
bokeh：用Python进行交互式web绘图。 –推荐 英文快速入门 中文快速入门
ggplot：ggplot的 Python移植。 -荐
plotly：交互式基于浏览器的绘图。
pyecharts：基于百度 Echarts 的数据可视化库。-荐
pygal：Python SVG 图表创建工具。
pygraphviz：Graphviz 的 Python 接口。
PyQtGraph：交互式实时 2D/3D/ 图像绘制及科学/工程学组件。
SnakeViz：基于浏览器的 Python cProfile 模块输出结果查看工具。
vincent：把 Python 转换为 Vega 语法的转换工具。
VisPy：基于 OpenGL 的高性能科学可视化工具。
Altair – 用于Python的声明式统计可视化库。
bqplot – Jupyter Notebook的互动绘图库。
Seaborn – 使用Matplotlib进行统计数据可视化。 -荐
plotly.py 交互式基于浏览器的绘图 -荐
A Dramatic Tour through Python’s Data Visualization Landscape (including ggplot and Altair)
Python data visualization: Comparing 7 tools
10 Useful Python Data Visualization Libraries for Any Discipline
Overview of Python Visualization Tools
Effectively Using Matplotlib
pyecharts + notebook
Bokeh vs Dash
01+ Resources to Learn Data Science chinese
数据库(Database)
Python实现的数据库。
pickleDB：简单，轻量级键值储存数据库。
PipelineDB：流式 SQL 数据库。
TinyDB：轻型的，面向文档型数据库。
ZODB： Python 原生对象数据库。键值和对象图数据库。
数据库驱动(Database Drivers)
连接和操作数据库的库。
mysql-python：Python 的 MySQL 数据库连接器。 不支持python3，不推荐
PyMySQL：纯 Python MySQL 驱动，兼容 mysql-python。 –推荐
mysql-connector-python：mysql官方python API。–推荐
psycopg ：Python 中最流行的 PostgreSQL 适配器。 –推荐
queries：psycopg2 库的封装，用来和 PostgreSQL 进行交互。
txpostgres：基于 Twisted 的异步 PostgreSQL 驱动。
apsw：另一个 Python SQLite 封装。
dataset：在数据库中存储 Python 字典
pymssql：简单的 Microsoft SQL Server 数据库接口。
cassandra-python-driver：Cassandra 的 Python 驱动。
HappyBase：Apache HBase。
Plyvel：快速且功能丰富的 LevelDB 的 Python 接口。
pycassa：Cassandra 的 Python Thrift 驱动。
PyMongo：MongoDB 的官方 Python 客户端。 – 推荐
redis-py：Redis 的 Python 客户端。 – 推荐
telephus：基于 Twisted 的 Cassandra 客户端。
txRedis：基于 Twisted 的 Redis 客户端。
———————
作者：qq_41235053
来源：CSDN
原文：https://blog.csdn.net/qq_41235053/article/details/82355641?utm_source=copy
版权声明：本文为博主原创文章，转载请附上博文链接！
