اكتشفت هذه المجموعة القليلة من المكتبات الحديثة التي يجب عليك معرفتها إذا كنت تريد البقاء في المقدمة في عام 2025.
Polars — مكتبة إطارات البيانات فائقة السرعة
Polars عبارة عن مكتبة DataFrame سريعة للغاية مكتوبة بلغة Rust للتعامل مع البيانات المنظمة.
لماذا يجب عليك استخدامه: أسرع من Panda بعشرة أضعاف إلى مئة ضعف. يدعم التقييم البطيء لمجموعات البيانات الكبيرة، ويعمل بشكل أصلي مع Apache Arrow.
pip install polars
هذا مثال بسيط لإنشاء إطار بيانات باستخدام Polars:
import polars as pl
import datetime as dt
df = pl.DataFrame(
{
"name": ["Alice Archer", "Ben Brown", "Chloe Cooper", "Daniel Donovan"],
"birthdate": [
dt.date(1997, 1, 10),
dt.date(1985, 2, 15),
dt.date(1983, 3, 22),
dt.date(1981, 4, 30),
],
"weight": [57.9, 72.5, 53.6, 83.1], # (kg)
"height": [1.56, 1.77, 1.65, 1.75], # (m)
}
)
print(df)
shape: (4, 4)
┌────────────────┬────────────┬────────┬────────┐
│ name ┆ birthdate ┆ weight ┆ height │
│ --- ┆ --- ┆ --- ┆ --- │
│ str ┆ date ┆ f64 ┆ f64 │
╞════════════════╪════════════╪════════╪════════╡
│ Alice Archer ┆ 1997-01-10 ┆ 57.9 ┆ 1.56 │
│ Ben Brown ┆ 1985-02-15 ┆ 72.5 ┆ 1.77 │
│ Chloe Cooper ┆ 1983-03-22 ┆ 53.6 ┆ 1.65 │
│ Daniel Donovan ┆ 1981-04-30 ┆ 83.1 ┆ 1.75 │
└────────────────┴────────────┴────────┴────────┘
Ruff — أسرع مُنسّق في بايثون
Ruff هو برنامج linter سريع للغاية مكتوب بلغة Rust، ومصمم ليحل محل Flake8 وBlack وisort في أداة واحدة.
لماذا يجب عليك استخدامه: إنه أسرع بـ 20 مرة من Flake8، ويدعم إصلاح المشكلات تلقائيًا ويعمل كمنسق ومدقق
pip install ruff
يمكننا استخدام uv لتهيئة المشروع:
uv init --lib demo
يقوم هذا الأمر بإنشاء مشروع بايثون بالهيكل التالي:
demo
├── README.md
├── pyproject.toml
└── src
└── demo
├── __init__.py
└── py.typed
سنقوم بعد ذلك باستبدال محتويات src/demo/init.py بالكود التالي:
from typing import Iterable
import os
def sum_even_numbers(numbers: Iterable[int]) -> int:
"""Given an iterable of integers, return the sum of all even numbers in the iterable."""
return sum(
num for num in numbers
if num % 2 == 0
)
بعد ذلك، سنضيف Ruff إلى مشروعنا:
uv add --dev ruff
يمكننا بعد ذلك تشغيل Ruff linter على مشروعنا عبر uv run ruff check:
$ uv run ruff check
src/numbers/__init__.py:3:8: F401 [*] `os` imported but unused
Found 1 error.
[*] 1 fixable with the `--fix` option.
يمكننا حل المشكلة تلقائيًا عن طريق تشغيل ruff check --fix:
$ uv run ruff check --fix
Found 1 error (1 fixed, 0 remaining).
PyScript — تشغيل بايثون في المتصفح
يتيح لك PyScript كتابة وتنفيذ كود بايثون في المتصفح، على غرار JavaScript.
لماذا يجب عليك استخدامه: يمكّن تطبيقات الويب التي تعمل بتقنية بايثون، ويعمل مباشرة في HTML ولا يحتاج إلى واجهة خلفية!
لا نحتاج إلى تثبيت PyScript، بدلاً من ذلك، أضف ببساطة علامة <script> إلى <head> في مستند HTML الخاص بك
<!-- PyScript CSS -->
<link rel="stylesheet" href="https://pyscript.net/releases/2025.2.4/core.css">
<!-- This script tag bootstraps PyScript -->
<script type="module" src="https://pyscript.net/releases/2025.2.4/core.js"></script>
قم بإنشاء ملف .html بسيط واستخدم علامة <py-script> لكتابة كود بايثون الخاص بك.
<!doctype html>
<html>
<head>
<!-- Recommended meta tags -->
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width,initial-scale=1.0">
<!-- PyScript CSS -->
<link rel="stylesheet" href="https://pyscript.net/releases/2025.2.4/core.css">
<!-- This script tag bootstraps PyScript -->
<script type="module" src="https://pyscript.net/releases/2025.2.4/core.js"></script>
</head>
<body>
<!-- Now you can use <py-script> tag to write your python code inside-->
<py-script>
import sys
from pyscript import display
display(sys.version)
</py-script>
</body>
</html>
Pandera – التحقق من صحة البيانات لـ Pandas
يساعد Pandera في التحقق من صحة إطارات بيانات Pandas وSeries باستخدام التحقق المستند إلى المخطط.
لماذا يجب عليك استخدامه: فهو يلتقط أخطاء البيانات قبل معالجتها، ويعمل مثل Pydantic، ولكن بالنسبة لـ Pandas ويدعم اختبار الوحدة للبيانات!
import pandas as pd
import pandera as pa
# Data to validate
df = pd.DataFrame({
"column1": [1, 4, 0, 10, 9],
"column2": [-1.3, -1.4, -2.9, -10.1, -20.4],
"column3": ["value_1", "value_2", "value_3", "value_2", "value_1"],
})
# Define schema
schema = pa.DataFrameSchema({
"column1": pa.Column(int, checks=pa.Check.le(10)),
"column2": pa.Column(float, checks=pa.Check.lt(-1.2)),
"column3": pa.Column(str, checks=[
pa.Check.str_startswith("value_"),
# define custom checks as functions that take a series as input and
# outputs a boolean or boolean Series
pa.Check(lambda s: s.str.split("_", expand=True).shape[1] == 2)
]),
})
validated_df = schema(df)
print(validated_df)
column1 column2 column3
0 1 -1.3 value_1
1 4 -1.4 value_2
2 0 -2.9 value_3
3 10 -10.1 value_2
4 9 -20.4 value_1
JAX – تعلّم عميق أسرع مع Google Magic
JAX هي مكتبة عالية الأداء لتعلم الآلة والحوسبة الرقمية، تم إنشاؤها بواسطة Google.
لماذا يجب عليك استخدامه: إنه أسرع من NumPy باستخدام تسريع GPU/TPU، ويدعم التمييز التلقائي ويُستخدم في مشاريع الذكاء الاصطناعي من Google
مثال بسيط لإنشاء مصفوفة على غرار numPy.
import jax.numpy as jnp
def selu(x, alpha=1.67, lmbda=1.05):
return lmbda * jnp.where(x > 0, x, alpha * jnp.exp(x) - alpha)
x = jnp.arange(5.0)
print(selu(x))
[0. 1.05 2.1 3.1499999 4.2 ]
Textual — إنشاء تطبيقات TUI في بايثون
يتيح لك Textual إنشاء تطبيقات واجهة مستخدم طرفية حديثة (TUI) في بايثون مع مكونات غنية.
لماذا يجب عليك استخدامه: لإنشاء تطبيقات طرفية جميلة، ويعمل مع Rich للتصميم ولا يحتاج إلى خبرة في الواجهة الأمامية!
مثال بسيط لإنشاء تطبيقات TUI.
from textual.app import App, ComposeResult
from textual.widgets import Label, Button
class QuestionApp(App[str]):
def compose(self) -> ComposeResult:
yield Label("Do you love Textual?")
yield Button("Yes", id="yes", variant="primary")
yield Button("No", id="no", variant="error")
def on_button_pressed(self, event: Button.Pressed) -> None:
self.exit(event.button.id)
if __name__ == "__main__":
app = QuestionApp()
reply = app.run()
print(reply)
سيؤدي تشغيل هذا التطبيق إلى إعطائك النتيجة التالية:
LlamaIndex – إنشاء مساعدي الذكاء الاصطناعي المخصصين
يقوم LlamaIndex بتبسيط عملية الفهرسة والاستعلام عن مجموعات البيانات الكبيرة لتطبيقات LLM.
لماذا يجب عليك استخدامه: يتم استخدامه لـ RAG (Retrieval-Augmented Generation)، ويعمل مع نماذج OpenAI GPT ويتعامل مع البيانات المنظمة وغير المنظمة.
لنبدأ بمثال بسيط باستخدام وكيل يمكنه إجراء عملية ضرب أساسية عن طريق استدعاء أداة. أنشئ ملفًا باسم starter.py:
قم بتعيين متغير بيئي يسمى OPENAI_API_KEY باستخدام مفتاح API OpenAI.
import asyncio
from llama_index.core.agent.workflow import AgentWorkflow
from llama_index.llms.openai import OpenAI
# Define a simple calculator tool
def multiply(a: float, b: float) -> float:
"""Useful for multiplying two numbers."""
return a * b
# Create an agent workflow with our calculator tool
agent = AgentWorkflow.from_tools_or_functions(
[multiply],
llm=OpenAI(model="gpt-4o-mini"),
system_prompt="You are a helpful assistant that can multiply two numbers.",
)
async def main():
# Run the agent
response = await agent.run("What is 1234 * 4567?")
print(str(response))
# Run the agent
if __name__ == "__main__":
asyncio.run(main())
The result of \( 1234 \times 4567 \) is \( 5,678,678 \).
Robyn – أسرع إطار عمل ويب بايثون
Robyn هو بديل عالي الأداء لـ Flask وFastAPI، وهو محسّن للمعالجة متعددة النواة.
لماذا يجب عليك استخدامه: أسرع بخمس مرات من FastAPI. يدعم التشغيل غير المتزامن ومتعدد الخيوط، ويستخدم Rust للسرعة.
دعنا ننشئ مشروعًا بسيطًا باستخدام هذا الأمر:
$ python -m robyn --create
سيؤدي هذا إلى النتيجة التالية.
$ python3 -m robyn --create
? Directory Path: .
? Need Docker? (Y/N) Y
? Please select project type (Mongo/Postgres/Sqlalchemy/Prisma):
❯ No DB
Sqlite
Postgres
MongoDB
SqlAlchemy
Prisma
سيؤدي هذا إلى إنشاء تطبيق جديد بالهيكل التالي.
├── src
│ ├── app.py
├── Dockerfile
يمكنك الآن كتابة الكود في ملف app.py:
from robyn import Request
@app.get("/")
async def h(request: Request) -> str:
return "Hello, world"
يمكنك استخدام هذا الأمر لتشغيل الخادم:
python -m robyn app.py
DuckDB — قاعدة بيانات فائقة السرعة في الذاكرة
DuckDB عبارة عن قاعدة بيانات SQL في الذاكرة وهي أسرع من SQLite للتحليلات.
لماذا يجب عليك استخدامه: إنه سريع للغاية للتحليلات، ويعمل بدون خادم ويتكامل بسهولة مع Pandas وPolars
مثال بسيط مع إطار بيانات pandas:
import duckdb
import pandas as pd
pandas_df = pd.DataFrame({"a": [42]})
duckdb.sql("SELECT * FROM pandas_df")
┌───────┐
│ a │
│ int64 │
├───────┤
│ 42 │
└───────┘
ستعمل هذه المكتبات التسعة الحديثة على تعزيز سير عملك في عام 2025.
اكتشاف المزيد من بايثون العربي
اشترك للحصول على أحدث التدوينات المرسلة إلى بريدك الإلكتروني.