Python工具整合，為程序員和新手準(zhǔn)備的 8 大 Python 工具
Python 是一種開源編程語言，用于 Web 編程、數(shù)據(jù)科學(xué)、人工智能和許多科學(xué)應(yīng)用。學(xué)習(xí) Python 使程序員能夠?qū)Ｗ⒂诮鉀Q問題，而不是專注于語法，其豐富的庫賦予它完成偉大任務(wù)所需的力量。
1. IDLE
安裝 Python 時，默認(rèn)情況下也會安裝 IDLE。這是比較好的Python工具之一。這使得在 Python 中入門變得非常簡單。它的主要功能包括Python shell 窗口(交互式解釋器)、跨平臺(Windows、Linux、UNIX、Mac OS X)、智能縮進(jìn)、代碼著色、自動提示、可以實現(xiàn)斷點提示、單步執(zhí)行等調(diào)試功能的基本集成調(diào)試器。IDLE 易于學(xué)習(xí)，因為它重量輕且易于使用。但是，它并不是大型項目的最佳選擇。
2. Scikit-learn
scikit-learn是一個建立在Scipy基礎(chǔ)上的用于機(jī)器學(xué)習(xí)的Python模塊。在不同的應(yīng)用領(lǐng)域中，已經(jīng)大展出為數(shù)眾多的基于Scipy的工具包，他們統(tǒng)稱為Scikits。而在所有的分支版本中，scikit-learn是最有名的，是開源的，任何人都可以免費地使用這個庫或者進(jìn)行二次開發(fā)。
scikit-learn包含眾多頂級機(jī)器學(xué)習(xí)算法，主要有六大基本功能，分別是分類、回歸、聚類、數(shù)據(jù)降維、模型選擇和數(shù)據(jù)預(yù)處理。scikit-learn擁有非常活躍的用戶社區(qū)，基本上其所有的功能都有非常詳盡的文檔供用戶查閱。可以研讀scikit-learn的用戶指南及文檔，對其算法的使用有更充分的了解。
3. Theano
Theano是一個較為老牌和穩(wěn)定的機(jī)器學(xué)習(xí)python庫之一。Theano基于Python擅長處理多維數(shù)組(緊密集成了Numpy)，屬于比較底層的框架，theano起初也是為了深度學(xué)習(xí)中大規(guī)模人工神經(jīng)網(wǎng)絡(luò)算法的運算所設(shè)計，我們可利用符號化式語言定義想要的結(jié)果，接著theano會對我們的程序進(jìn)行編譯，使其高效運行于GPU或CPU，它非常適合深度學(xué)習(xí)Python。
4. Selenium
Selenium 是自動化的最佳 python 工具之一。它屬于 Python 測試的自動化。它在 Web 應(yīng)用程序中用于自動化框架。使用Selenium，我們可以用許多編程語言編寫測試腳本，包括Java、C#、python、ruby以及程序員和新手將要使用的許多其他語言。你還可以集成 Junit 和 TestNG 等鈾工具來管理測試用例并生成報告。
5. Test complete
它是支持 Web、移動和桌面自動化測試的自動化比較好的Python 工具之一。它支持單元測試、功能測試、回歸測試、分布式測試、數(shù)據(jù)驅(qū)動測試、HTTP負(fù)載測試、Web測試、人工測試等類型的測試，支持5種腳本語言編寫VBScript、JScript、C++ Script、DelphiScript、C#Script，支持SVN、VSS等代碼控制系統(tǒng)，并且支持Bugzilla等缺陷跟蹤系統(tǒng)。
6. Beautiful soup
Beautiful Soup 是用Python寫的一個HTML/XML的解析器，它可以很好的處理不規(guī)范標(biāo)記并生成剖析樹(parse tree)。 它提供簡單又常用的導(dǎo)航(navigating)，搜索以及修改剖析樹的操作,它能夠通過你喜歡的轉(zhuǎn)換器實現(xiàn)慣用的文檔導(dǎo)航，查找，修改文檔的方式,簡單的說，它可以大大節(jié)省你的編程時間
7. Pandas
pandas 是基于NumPy 的一種工具，該工具是為了解決數(shù)據(jù)分析任務(wù)而創(chuàng)建的。Pandas 納入了大量庫和一些標(biāo)準(zhǔn)的數(shù)據(jù)模型，提供了高效地操作大型數(shù)據(jù)集所需的工具。提供了大量能使我們快速便捷地處理數(shù)據(jù)的函數(shù)和方法，為 Python 編程語言提供最佳、高性能的工作以及易于使用的數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)分析工具。
8. Pulp
線性規(guī)劃是研究線性約束條件下線性目標(biāo)函數(shù)的極值問題的數(shù)學(xué)理論和方法。Python中有許多第三方的工具可以解決這類問題，這里介紹常用的pulp工具包。pulp能夠解包括整數(shù)規(guī)劃在內(nèi)的絕大多數(shù)線性規(guī)劃問題，并且提供了多種solver，每種solver針對不同類型的線性規(guī)劃問題有更好的效果。而且puLP可以生成 LP 文件，并調(diào)用高度優(yōu)化的solvers、GLPK、COIN CLP/CBC、CPLEX 和 GUROBI 來解決這些線性問題。
