圣诞将至，又到了年终盘点时间，Tryo Labs 和去年一样又推出了一份 2016 年十大 Python 库的榜单。对于这份榜单的筛选条件，Tryo Labs 写道：「我们避开了 Django、Flask 等已经成为今天的标准库的已经成功的项目。另外，这个榜单中有的库是 2016 年之前建立的，但它们在今年的受欢迎度出现了暴增或我们认为它们非常好所以可以进入这个榜单。」下面是榜单详情：
1. Zappa
链接：
https://www.zappa.io/
自 AWS Lambda（以及后续的其它项目）发布以来，人们的关注点就全部转移到了无服务器架构上。这些架构让我们可以将微服务（microservice）部署到云端、部署到一个完全可管理的环境中；在这样的环境中，人们不用关心管任何服务器，而只需要分配无状态的、短暂的计算容器（computing container）即可——一个服务提供商即可完全管理。通过这一范式，事件（比如流量尖峰）可以触发更多这些容器的执行，因此有可能能够处理「无限的」水平扩展。
Zappa 是一个用于 Python 的无服务器框架，尽管（至少目前）它仅支持 AWS Lambda 和 AWS API Gateway。它使得开发这样架构的应用变得非常简单，能将你从使用 AWS Console 或 API 的繁琐配置工作中解放出来，而且它还有各种用于简化部署和管理不同环境的命令。
2. Sanic + uvloop
链接：
Sanic:
https://github.com/channelcat/sanic
uvloop:
https://magic.io/blog/uvloop-blazing-fast-python-networking/
谁说 Python 不能很快？Sanic 不仅有可能是有史以来最好的软件库名字，也可能是有史以来最快的 Python 网页框架，而且似乎也远远超过其它框架。它是一个专为速度而设计的类 Flask 的 Python 3.5+ 网页服务器。另一个库 uvloop 是一个用于 asyncio 的事件循环（event loop，其底层使用了 libuv）的超快速的插件替代。这两个加起来就是一个强大的组合！
根据 Sanic 的作者的基准测试，uvloop 可以驱动 Sanic 每秒处理超过 3.3 万条请求，这实在太强了！（比 node.js 还快）。你的代码可以受益于这种新的 async/await 语法——它们会看起来很整洁；此外我们也喜欢 Flask 风格的 API。你一定要试试 Sanic，而且如果你也在使用 asyncio，你也可以无需太多修改你的代码就能受益于 uvloop。
3. asyncpg
链接：
https://github.com/MagicStack/asyncpg
跟进 asyncio 框架的最新进展，来自 MagicStack 的人为我们带来了这个高效的异步（目前只支持 CPython 3.5）数据库接口库，其是专门为 PostgreSQL 设计的。它有零相关性，这意味不需要安装 libpq。相对而言，withpsycopg2（最流行的 Python 的 PostgreSQL 适配器）需要以文本格式与数据库服务器交换数据；而 asyncpg 则实现了 PostgreSQL 二进制 I/O 协议，这让其不仅支持通用类型，而且还有其它许多性能上的好处。
其基准是很清楚的：asyncpg 平均至少比 psycopg2（或 aiopg）快 3 倍，也比 node.js 和 Go 实现更快。
4. boto3
链接：
https://github.com/boto/boto3
如果你的基础设施部署在 AWS 上或使用了它们的服务（比如 S3），那么你应该非常乐意看到 boto（用于 AWS API 的 Python 接口）被从头到尾完整重写了。而且你不用一次性就完全迁移你的应用：你可以同时使用 boto3 和 boto(2) ；比如仅在你应用中新的部分使用 boto3。
这个新的实现在不同的服务间会一致的多，而且因为其使用了数据驱动的方法来在运行时间（runtime）从 JSON 描述文件中生成类，所以其总是可以实现快速更新。再也不用滞后于新的 Amazon API 功能了，赶紧使用 bot3 吧！
5.TensorFlow
链接：
https://www.tensorflow.org/
大名鼎鼎的 TensorFlow。自从谷歌在 2015 年 11 月发布以来，这个库已经获得了很多改进，它已成为时下最流行的 GitHub Python 库。简而言之，TensorFlow 是一个使用数据流图（data flow graphs）的数值计算库，可以在 GPU 或 CPU 上运行。
在过去一年里，我们目睹了 TensorFlow 在机器学习社区中掀起了一股新风潮（特别是在深度学习领域），它不仅出现在研究领域，而且在应用领域也非常常见。如果你正在做深度学习并想在高级别接口中使用它，你可以尝试以它为后端的 Keras 或新推出的 TensorFlow-Slim。
