第三方Python库基本概念简述
在应用Python编程语言进行实际编程时，我们通常会使用一些比较重要的库赖满足我们的开发需求。在这里我们就先来一起了解一下有关第三方Python库的基本功能特点，以方便大家对此有一个充分的了解。
第三方Python库之wxPython
如果你之前是 windows 程序员，用 MFC 或者 WIN32API 开发界面程序，那进入 Python 国度最好的 GUI 选择应该是 wxPython。它是 wxWidgets 的 Python Bind，与 wxWidgets 的开发完美同步，最为重要的一点是它的消息机制与 MFC 颇为相似，以前在 MFC 的经验完全可以稍作变化就套用在 wxPython 上面。在 WIN32 开发中，最讨厌的一环肯定有 WM_SIZE 消息的处，在主窗口大小变化的时候，保持控件布局在 WIN32 是一件麻烦事。这件事情 wx 解决得非常完美，它的sizer 概念可以让我轻松地在不同窗口尺寸的情况下保持完美的控件布局。另外如果你已经讨厌了 MFC 的 doc-view 模型，wx 也可以给你一个新的选择；如果你非常喜欢 doc-view 模型，放心，在 wx 中仍然可以轻松实现，以前的思想依然可以在这里发挥余热。
wxPython 有两个封装，一个 PythonCard，另一个是 dabo。前者是 wxPython 的有限封装，不支持 wxPython 的全部特性，它的目标是让 wxPython 更加 Pythonic。后者比 PythonCard 要庞大不少，确切来说，它应该是一个三层架构的 C/S 模式的开发框架。如果你想开发基于数据库的应用（如 MIS、ERP 等）用 dabo 是一个不错的选择；另外，如果你之前习惯了 VB、VFP、Delphi 等 RAD 开发环境，dabo 并不比这些昂贵的工具差多少哦！
第三方Python库之py2exe
按照邪恶的 windows 思维，编写的应用如果不编译出一个 .exe 文件恐怕是算不得“软件”的，py2exe 作用正是把你的 .py 脚本变成 .exe 文件，通常它会把脚本打包到一个 .zip 文件中去，但也你可以通过修改 setup.py 脚本把所有的脚本、依赖的 dll 等全部打包到一个 exe 中去，看起来跟 VC、VB 编译出来的程序没有什么两样！
如果你的客户需要在 windows 下使用你的应用程序，py2exe 是你不可或缺的工具。我就是用它打包由 wxPython 写的小工具给公司里的游戏策划用的。
第三方Python库之psyco
脚本的执行效率多少有点差强人意，虽然优化起来并不是难事，但如果有简单的方法，近乎不用修改源代码，那当然值得去关注一下。psyco 的神奇在于它只需要在代码的入口处调用短短两行代码，性能就能提升 40% 或更多，真可谓是立竿见影！
如果你的客户觉得你的程序有点慢，敬请不要急着去优化代码，psyco 或许能让他立即改变看法。psyco 堪称 Python 的 jit，有许多潜力可以挖掘，如果剩下来给你优化性能的时间已经不多，请马上去阅读它的手册，有许多招儿轻松优化性能。
第三方Python库之PIL
PIL 是 Python 的图像处理库，我的看法是强到没得说，简单到没得说。它可以打开数十种图像格式，常见的 jpg/png/bmp 等当然不在话下；此外还提供许多图像处理函数，如图像增强、滤波算法等，详情可以参考我以前的一篇文章《用Python 做图像处理》（http://blog.csdn.net/lanphaday/archive/2007/10/28/1852726.aspx）和《计算图像相似度》（http://blog.csdn.net/lanphaday/archive/2008/04/24/2325027.aspx）。
第三方Python库之MySQLdb
这是 Python 对开源数据库 Mysql 的支持，官网在http://sourceforge.net/projects/mysql-python。支持 Mysql 3.23-5.1 全系列版本，Python 版本的要求是 2.3-2.5。MySQLdb 是 Python DB API-2.0 的实现，现在已经很成熟了。最新的版本是 1.2.2 。
如果从事服务器开发，那少不得跟数据库连接池打交道，这时你可以使用 DBUtils 或 jonpy 两个开源程序库。其中 DBUtils 是一套数据库连接池库，而 jonpy 则包括了 CGI 以及数据库连接池等多个功能，请在阅读手册后选择合适的自己库。
第三方Python库之pyprocessing
Python 解释器里的 GIL（全局解释器锁）使得 Python 在多核时代有点尴尬——这个支持原生线程的脚本语言竟然不能通过多线程利用多个 CPU 内核同时并发计算。pyprocessing 没有尝试去除 GIL，而是剑走偏锋，尝试从多进程的方式来帮助 Python 走出困境。结果就是使用 pyprocessing 创建进程和进程间通信不仅像使用内置的 threading 模块那么简单，甚至还更加简单。pyprocessing 不仅可以通过本机 socket 和管道进行通信，而且封装得极为完美，它的 Queue 实现用起来跟内置的 Queue 没啥两样，但它是一个进程间共享的队列哦！