一些少为人知但极强的 Python 库

避开 numpy/pandas/fastapi 这类大众库，分为开发调试工具、数据处理、地理空间（GIS 方向）、命令行 & 脚本、时间日期、工程配置、小众可视化，每个库附带简单示例、安装命令、适用场景。

一、开发调试 & 效率工具

1. icecream｜优雅调试打印，替代 print

不用手动写print(f"var={var}")，自动打印变量名、值、代码行号。

pip install icecream

from icecream import ic

def calc(a,b):
    return a*2 + b

ic(calc(3,5))
x = 123
ic(x)

输出会直接显示：ic| example.py:5 in calc()- return: 11

适合：日常调试，jupyter 脚本调试。

2. scalene｜高性能 CPU + 内存分析器

比 cProfile 更直观，同时统计 CPU、内存、GPU 占用，生成网页可视化报告。

pip install scalene

# 命令行直接运行
scalene your_script.py

3. cachier｜函数结果自动缓存

比标准库 lru_cache 更强大，支持内存缓存、磁盘文件缓存、过期时间，适合爬虫、复杂计算。

pip install cachier

from cachier import cachier
import time

@cachier(cache_dir="./cache")
def heavy_calc(x):
    time.sleep(2)
    return x**2

print(heavy_calc(10)) #第一次慢，第二次直接读缓存

4. dulwich｜纯 Python 实现 Git

不需要本地安装 git 命令，纯 Python 读写 git 仓库，做代码分析、自动脚本。

pip install dulwich

二、数据处理类（冷门神器）

1. missingno｜缺失值可视化

pandas 配套，一键生成缺失矩阵、热力图，快速看数据空缺模式。

pip install missingno

import missingno as msno
import pandas as pd
df = pd.read_csv("data.csv")
msno.matrix(df)

2. janitor｜pandas 数据清洗扩展库

给 DataFrame 增加大量链式清洗方法，简化列重命名、删除空列、去重。

pip install pyjanitor

import janitor
df = pd.DataFrame(...).clean_names() #批量标准化列名

3. dlt｜轻量级 ETL 数据管道

自动推断 schema、增量同步，把数据库、API 数据导入数据库，不用写大量 boilerplate。

pip install dlt

4. more‑itertools｜增强迭代工具

标准库 itertools 的超级扩展，几十种额外迭代器：窗口、分块、相邻配对。

pip install more‑itertools

from more_itertools import windowed
for win in windowed([1,2,3,4,5],3):
    print(win) #(1,2,3) (2,3,4)...

三、地理空间 GIS 方向（重点，适配你 GIS 制图需求）

1. leafmap｜Jupyter 交互式地图（非常推荐）

融合 folium、WhiteboxTools，Jupyter 一键交互式地图，支持矢量、栅格、遥感，不用复杂配置，可导出静态图、HTML 地图GitHub。

pip install leafmap

import leafmap
m = leafmap.Map()
m.add_basemap("Gaode.Satellite")
m

2. lonboard｜百万级大数据交互式地图

基于 GeoArrow+deck.gl，处理百万、千万级点位性能远强于 folium，适合轨迹、大量点位可视化。

pip install lonboard

3. xarray‑spatial｜无 GDAL 栅格分析库

DEM、水文、遥感栅格运算，支持 Dask 并行，不需要系统装 GDAL，150 + 空间函数，洪水、坡度、流域计算GitHub。

pip install xarray‑spatial

4. rastr｜轻量栅格库

极简栅格读写运算，和 geopandas 无缝互通，栅格转矢量、等值线生成。

pip install rastr

四、时间日期处理

pendulum｜优雅时间库，替代 datetime

时区、时间差、日期解析极其友好，解决 python 原生 datetime 时区坑。

pip install pendulum

import pendulum
now = pendulum.now("Asia/Shanghai")
print(now.add(months=2).to_date_string())

五、命令行、脚本与 shell

1. plumbum｜优雅调用 Shell 命令

替代 subprocess，把系统命令直接像函数调用，代码可读性极强。

pip install plumbum

from plumbum import local
ls = local["ls"]
print(ls("-l"))

2. python‑fire｜一行自动生成 CLI

任意函数直接转命令行工具，不用写 argparse。

pip install fire

import fire
def hello(name="world"):
    return f"hello {name}"

if __name__ == "__main__":
    fire.Fire(hello)

命令行：python test.py --name=jack

六、配置、日志

logfire｜现代化可观测日志

替代 logging/loguru，结构化日志，本地 / 远端上报，支持 Trace 链路追踪。

pip install logfire

hydra｜复杂项目配置管理

分层配置、多环境配置文件，科研、AI 实验项目必备。

pip install hydra‑core

七、小众可视化

dabl｜自动 EDA 探索可视化

传入 DataFrame，一键输出整套统计图表，快速做数据探索。

pip install dabl

import dabl
dabl.plot(df, target="label")

ipyvolume｜3D 科学可视化

jupyter 内交互式 3D 绘图，点云、体渲染，适合地学三维数据。

pip install ipyvolume