python新技术

1. asyncpg

   asyncpg -- A fast PostgreSQL Database Client Library for Python/asyncio这是除了psycopg2和aiopg以外的posgtres驱动，asyncpg 平均至少比 psycopg2（或 aiopg）快 3 倍，也比 node.js 和 Go 实现更快，并且支持直接执行SQL／滚动游标／结果集部分迭代等特性。

2. bokehPython 可视化的库最流行的就是 matplotlib 和 seaborn。然而，Bokeh 被创造用来做交互可视化(interactive visualization)，并且面向现代的网页浏览展示。Bokeh可以让你探索来自网页浏览器数据。而且它紧密融合了 Juptyer Notebooks，和可选的服务器组件 bokeh-server，其带有许多强大的功能，比如在服务器端对大型数据集进行下采样、流传输数据、变换等。链接：http://bokeh.pydata.org/en/latest/docs/gallery.html。

3. tplmaptplmap是一款自动检测和发掘服务器端模板注入漏洞的工具。支持测试Mako, Jinja2, Jade, Smarty, Freemarker, Velocity, 和Twig。

4. docsbox这是用Flask写的一个比较好的文件类型转换服务．也支持docker。

5. blaze

   有时候，当你对数据集运行分析时，却发现数据集过大，无法一次塞进计算机 RAM 中。如果你无法依赖 numpy 或 Pandas，你通常需要转而使用其他的工具，如 PostgreSQL、MongoDB、Hadoop、Spark 等等。这些工具都有其自身的优缺点，依照任务的特点，总有一种工具是适合你的。但决定转换工具是一项巨大的工程，因为你需要了解这些系统如何工作，以及如何以正确的形式插入数据。Blaze 提供了一个统一的接口，让用户无需学习所有数据库技术。Blaze 库的核心是一种计算表达方式。Blaze 本身不会进行任何计算：它只是知道如何指定一个特定的后端，决定谁来执行任务。Blaze 还有其它很多功能(它形成了一个生态系统)，它作为一个库被开发出来。例如，Dask 实现了一个可用于 NumPy 数组的插件，可以处理大于内存的内容和利用多核处理器，并且还具有动态任务调度能力。链接：https://blaze.readthedocs.io/en/latest/index.html

6. daleroberts/tv

   这个项目让你能在终端中查看图片的同时还能对图片放大缩小。

7. coffer

   创建网络上不隔绝的开发环境．让开发人员搭建相似的开发环境变得容易，但是最好不要用在生产环境中．

8. Sanic + uvloop

   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。链接：Sanic: https://github.com/channelcat/sanic

9. csv-sql

   对于二维数据CSV文件来说，可以用sql语句来查询了，此代码其实也可以用于类似的数据。（地址https://github.com/jackeyGao/csvSQL/）

10. chopsticks

    chopsticks对标的项目是fabric和ansible．不同的是，它不是把命令最终发给bash，而是让你在一个类似Python终端的环境中操作．它也支持Docker。