《Python编程入门》附录 C：常用第三方库与资源

Python 生态最让人又爱又怕的一点是：同一个问题往往有五六个成熟的库。本附录不替你决定技术栈，只回答两个问题——「这个库是干什么的」与「什么场景下该选它」，并标出本书对应章节。

表中版本号在写作时通过 PyPI 官方接口实测取得，仅作参考：生态更新很快，请以你安装当天的版本为准。备注 列写的是选型判断依据，不是排名。

附录 C 常用第三方库与资源

包管理与环境

选型判断：只想装包就用 pip；想要极致速度与锁文件用 uv；需要一套完整发布流水线用 poetry。 三者不互斥，很多团队用 uv 装依赖、用 build 出包。

代码质量

关键区分：类型检查（mypy / pyright）与 lint（ruff / pylint）是两件事，前者管类型正确性，后者管风格与潜在缺陷，CI 里应各跑一次。新项目直接用 ruff 取代 flake8 + isort + black 的组合，一个工具一条命令。

测试

选型判断：pytest 几乎是默认答案，unittest 只在需要零依赖或对接既有测试集时用。hypothesis 的价值在于「你想不到的边界」——手写用例永远覆盖不全。

Web 与 API

选型判断：API 服务优先 fastapi（类型驱动、自动文档）；需要完整后台与自带 ORM 选 django；只要一层薄路由用 flask。 客户端里 requests 简单够用，一旦要并发或异步就换 httpx。

数据库与 ORM

选型判断：要 ORM 又要能写裸 SQL，选 SQLAlchemy；只操作 Redis / Mongo 这类非关系库，直接用官方驱动即可，不必套 ORM。

数据处理

选型判断：生态与教程最多的是 pandas；数据量大、追求吞吐与内存效率选 polars；介于两者之间的分析型查询交给 duckdb。 三者都建立在 numpy 之上，pyarrow 是它们交换数据的公共格式。

网络与爬虫

选型判断：静态页面用 requests + beautifulsoup4 足够；需要 JavaScript 渲染才上 playwright / selenium；大规模抓取才值得引入 scrapy。 任何爬虫都要先确认目标站点的 robots 与条款，见 17.2 。

命令行与终端

选型判断：简单参数用标准库 argparse；要好看、要子命令、要类型驱动就用 typer。 进度反馈用 tqdm，复杂终端 UI 用 rich。

序列化与配置

选型判断：配置校验首选 pydantic，它与 FastAPI 天然一体。序列化上，json 标准库够用，只有在性能敏感（大响应、高频调用）时才换 orjson / msgspec。

任务队列与调度

选型判断：任务量小、只要定时执行用 apscheduler；需要跨机器分发与重试用 celery；想少配置用 rq。 引入队列意味着同时引入消息中间件与运维成本，别为单机任务上这套。

可观测性

选型判断：标准库 logging 已经够用，需要机器可读的结构化输出再用 structlog；只想少写配置就用 loguru。生产环境的错误聚合交给 sentry-sdk，指标交给 prometheus-client。

科学计算与机器学习

选型判断：经典机器学习（特征工程 + 树模型 / 线性模型）用 scikit-learn；深度神经网络在 torch 与 tensorflow 之间选——研究社区更偏前者。 画图先用 matplotlib 打底，统计图再上 seaborn。

桌面、图像与办公

选型判断：图像批处理用 pillow；桌面 GUI 想省心授权用 pyside6，想用最新特性用 pyqt6；计算机视觉上 opencv-python。 本书的办公自动化场景见 17.1 。

打包与发布

选型判断：发布到 PyPI 用 build + twine，构建后端新项目选 hatchling；要发二进制可执行文件，pyinstaller 上手快，nuitka 产物体积与启动速度更优但构建更慢。 完整流程见 15.2 。

学习资源

资源按用途分四类，比按形式分更有用：

使用建议：官方文档当字典查，PEP 当设计文档读，What’s New 当升级清单用，社区问答当排错入口。 尤其不要只靠碎片化教程学语言——标准库参考才是权威。

一个常见误区是把「教程」和「参考」混用：教程告诉你「怎么起步」，参考告诉你「这个参数到底接受什么」。查 API 一律以官方参考为准。

小结

• 第三方库的选型没有普适最优解，判断依据是「部署环境、团队规模、性能要求」这三件事，而不是「哪个 star 多」。
• 装依赖、做类型检查、跑测试、发包这四件事，每个类别都已形成事实标准，跟随主流比自创方案省心。
• 类型检查（mypy / pyright）与 lint（ruff）职责不同，CI 里必须各跑一次，缺一不可。
• 序列化与配置以 pydantic 为核心；只在性能敏感处才替换标准库的 json。
• 学习资源要按用途分工：官方文档当字典、PEP 当设计文档、What’s New 当升级清单、社区问答当排错入口。
• 引入任何第三方库前先问一句：标准库（见附录 B）能不能直接干这件事？