1. fastapi

作者: tiangolo
star: 52000
fork: 4300
watch: 601

基于 Python 3.6+ 的高性能 Web 框架。FastAPI “名副其实”，不仅写接口快，调试也方便，Python 的不断进步，让 Web 开发也变得更快、更强。

示例代码：

from fastapi import FastAPI

app = FastAPI()

@app.get("/")
async def read_root():
    return {"Hello": "World"}

@app.get("/items/{item_id}")
async def read_item(item_id: int, q: str = None):
    return {"item_id": item_id, "q": q}

# 启动命令：uvicorn main:app --reload

代码100分

2. rich

作者: Textualize
star: 41000
fork: 1400
watch: 541

想要一个高级感满满的终端吗？rich能给你想要的一切。虽然把终端过度美化不仅华而不实，甚至会喧宾夺主，但不可否认，一个好看得终端输出，在愉悦心情的同时，还能提高开发者的效率。

每当看到那些性感的语法高亮、整齐的表格、舒服的进度条，你就会庆幸我给你推荐了这款框架。

3. sentry

作者: getsentry
star: 33000
fork: 3700
watch: 675

一款采用C/S模式的实时异常监控平台，免费开通，通过Python实现。不仅提供清晰高效的web管理界面，还支持从任何语言、任何应用程序发送事件。

在应用服务开发领域，成熟的异常监控警告必不可少，sentry能很好地完成这方面的任务。

4. jieba

作者: fxsjy
star: 30000
fork: 6600
watch: 1300

强大的汉语分词库，Python界人尽皆知的NLP必备工具，接口非常完善，开箱即用！

示例代码如下：

代码100分# encoding=utf-8
import jieba

seg_list = jieba.cut("我来到北京清华大学", cut_all=True)
print("Full Mode: " + "/ ".join(seg_list))  # 全模式

seg_list = jieba.cut("我来到北京清华大学", cut_all=False)
print("Default Mode: " + "/ ".join(seg_list))  # 精确模式

seg_list = jieba.cut("他来到了网易杭研大厦")  # 默认是精确模式
print(", ".join(seg_list))

seg_list = jieba.cut_for_search("小明硕士毕业于中国科学院计算所，后在日本京都大学深造")  # 搜索引擎模式
print(", ".join(seg_list))

【全模式】: 我/ 来到/ 北京/ 清华/ 清华大学/ 华大/ 大学

【精确模式】: 我/ 来到/ 北京/ 清华大学

【新词识别】：他, 来到, 了, 网易, 杭研, 大厦    (此处，“杭研”并没有在词典中，但是也被Viterbi算法识别出来了)

【搜索引擎模式】： 小明, 硕士, 毕业, 于, 中国, 科学, 学院, 科学院, 中国科学院, 计算, 计算所, 后, 在, 日本, 京都, 大学, 日本京都大学, 深造

5. redash

作者: getredash
star: 22000
fork: 3900
watch: 587

redash是一个优质的数据可视化项目，通过Python实现的数据查询以及可视化的功能。聚焦在数据可视化的核心功能上，减少冗余的同时，也更容易掌握。

应用可以将一个SQL查询结果高效地可视化，同时提供SQL代码片段存储，降低重写SQL的情况。

6. taichi

作者: taichi-dev
star: 22000
fork: 2100
watch: 396

这是一个高性能的图形编程框架。它可以将 Python 代码转换成高效的汇编代码，在多 CPU 和 GPU 上操作，相当于使用 Python 写修饰器。

Taichi 解决了图形学配置环境难、代码移植性差等问题，通过pip install taichi就可以安装。示例代码：

import taichi as ti

ti.init(arch=ti.gpu)  # 指定编译后的函数在 GPU 上执行

n = 320
pixels = ti.field(dtype=float, shape=(n * 2, n))  # 提前声明数组存储类型，大小


@ti.func  # 该函数将是被调用的过程函数
def complex_sqr(z):
    return ti.Vector([z[0]**2 - z[1]**2, z[1] * z[0] * 2])


@ti.kernel  # 该函数将被 Taichi 编译
def paint(t: float):
    for i, j in pixels:  # 最外层循环会自动并行化
        c = ti.Vector([-0.8, ti.cos(t) * 0.2])
        z = ti.Vector([i / n - 1, j / n - 0.5]) * 2
        iterations = 0
        while z.norm() < 20 and iterations < 50:  # 其他语法和原生 Python 基本一致
            z = complex_sqr(z) + c
            iterations += 1
        pixels[i, j] = 1 - iterations * 0.02


gui = ti.GUI("Julia Set", res=(n * 2, n))

for i in range(1000000):
    paint(i * 0.03)
    gui.set_image(pixels)
    gui.show()