首页 > temp > 简明python教程 >
-
有哪些开源的 Python 库让你相见恨晚?
我们知道 Python 已经内置了好几个处理时间相关的库,但是对于时间以及时区间的转换并不清晰,操作起来略繁琐,而 Arrow 可以弥补这个问题,它提供了更友好的方法,方便我们对时间,日期,格式化等操作。
项目地址:
https://github.com/crsmithdev/arrow
start:6.1k
thefuck
这个名字一看就厉害啊,我们常常会使用到命令行,但有时候会对一些命令不是很熟悉,或者说偶尔出现打错命令的情况,然后有人就用 Python 搞了这个项目,当你输错命令的时候,你只要再输一个 “fuck”,就能马上更正你的命令。很牛逼有没有,以前我们一遇到不爽的,说句 woc 也没什么鸟用,但是在这里遇到不爽的,说句 fuck 还真能帮你解决问题:
项目地址:
https://github.com/nvbn/thefuck
star:4w+
face_recognition
这是一个强大、简单、易上手的人脸识别开源项目,并且配备了完整的开发文档和应用案例,特别是兼容树莓派系统。
项目地址:
https://github.com/ageitgey/face_recognition
star:2.7w+
learn-regex
学习正则表达式的正确姿势,上次刚好看到这个项目,留意了下,发现这算是很全面的正则学习资料了:
项目地址:
https://github.com/ziishaned/learn-regex
star:2.7w+
musicbox
这个项目好玩,直接使用命令行来运行操作网易云音乐,是不是很 geek 咧:
妈妈再也不用担心我在 Linux 无法好好的听歌了。
PaddlePaddle Models
PaddlePaddle 提供了丰富的计算单元,使得用户可以采用模块化的方法解决各种学习问题。在此Repo中,我们展示了如何用 PaddlePaddle来解决常见的机器学习任务,提供若干种不同的易学易用的神经网络模型。
地址:
https://github.com/PaddlePaddle/models
vipstone/faceai
一款入门级的人脸、视频、文字检测以及识别的项目:
地址:
https://github.com/vipstone/faceai
AiLearning
机器学习 - MachineLearning - ML、深度学习 - DeepLearning - DL、自然语言处理 NLP:
地址:
https://github.com/apachecn/AiLearning
Algorithm_Interview
2018/2019/校招/春招/秋招/算法/机器学习(Machine Learning)/深度学习(Deep Learning)/自然语言处理(NLP)/C/C++/Python/面试笔记:
地址:
https://github.com/imhuay/Algorithm_Interview_Notes-Chinese
learn_python3_spider
python爬虫教程系列、从0到1学习python爬虫,包括浏览器抓包,手机APP抓包,如 fiddler、mitmproxy,各种爬虫涉及的模块的使用,如:requests、beautifulSoup、selenium、appium、scrapy等,以及IP代理,验证码识别,Mysql,MongoDB数据库的python使用,多线程多进程爬虫的使用,css 爬虫加密逆向破解,JS爬虫逆向,爬虫项目实战实例等:
纯粹自卖自夸
项目地址:
https://github.com/wistbean/learn_python3_spider
star数量:3.6k
12306
这是用 Python 开发的 12306 购票助手,它实现了自动打码,自动登录,捡漏,候补等功能。用 Python 帮你抢票,还是可以的。虽然国庆没用到,这不春节马上要到了么?到时可以用上来。
这个项目已经有 1.6w+ star,作者也一直在维护。
项目地址:
https://github.com/testerSunshine/12306
d2l-zh
这是一本《动手学深度学习》教材,面向中文读者,源代码都在这里面了,能运行,可以讨论。1.3w+ 的star,内容如下:
项目地址:
https://github.com/d2l-ai/d2l-zh
httpx
这个是建立在 requests 之上的库,声称是 Python 下一代的 http ,使用方式:
requests 有的功能它都有,没有的功能它也有:
项目地址:
https://github.com/encode/httpx
pandas-profiling
我们知道数据分析有个 pandas 框架,而这个项目就是继承 pandas 的, 它几乎可以做到一行代码快速对数据进行可视化分析:
这里一行代码就可以直接生成可视化数据:
项目地址:
https://github.com/pandas-profiling/pandas-profiling
WeRoBot
这是一个 Python 开发的微信公众号框架,有些朋友如果是基于微信公众号开发的话,可以不用自己造轮子了,这个框架可以节省你很多时间:
项目地址:
https://github.com/offu/WeRoBot
PySimpleGUI
你可以使用它简单的创建用户界面,PySimpleGUI 同时支持 Python2 和 Python3。它将 tkinter、Qt、WxPython、Remi 转化为可移植的人性化 Pythonic 接口,搞出来的用户界面可以运行在 Linux、Mac OS、Windows 系统上。
一个最简单的例子:
GitHub地址:
https://github.com/PySimpleGUI/PySimpleGUI
star: 2.4k
yagmail
yagmail 是我见过实现 Python 发送邮件这个功能用到的最短的代码:
甚至可以一行搞定:
群发邮件也是 easy 啦:
GitHub地址:
https://github.com/kootenpv/yagmail
star: 1.6k
wtfpython
顾名思义,what the fxxk Python ,这名字一看就有趣,这个项目意在收集 Python 中那些难以理解和反人类直觉的例子以及鲜为人知的功能特性,并尝试讨论这些现象背后真正的原理。
说白了,也就是你看到那样的 Python 例子,会不自觉的脱口而出:“what the fxxk ,这是什么鬼?”
GitHub地址:
https://github.com/leisurelicht/wtfpython-cn
star: 9.1k
faker
faker 就是假,不够 real ,我们有时候在写代码的时候需要一些假数据进行测试,有了 faker 之后,你就再也不用自己整一些“张三”、“李四”、“隔壁老王” 了。
想要中文“假数据”也有:
GitHub地址:
https://github.com/joke2k/faker
star: 8.7k
pelican
这个也是厉害,pelican 可以快速生成一个网站,我来给你演示一下:
创建一个目录:
进入:
然后直接输入命令:pelican-quickstart。
回答各种沙雕网站问题:
然后就完事了,随便搞个 md 文件:
保存一波之后,在你当前的目录创建一个 content 文件,把你编辑的这个文件塞进去。
然后输入 pelican content:
接着输入 pelican --listen 就可以预览你的网站了:
是不是很爽?怎一个 帅 字了得?
GitHub地址:
https://github.com/getpelican/pelican
star: 9.2k
FastAPI
FastAPI是一个基于 Python3.6+ 构建的高性能 web 框架,使用它可以很快的简单写一些 API 接口。
举个例子:
接着可以安装 uvicorn 后运行起来:
监听 8000 端口了,可以通过 http://127.0.0.1:8000 进行访问:
除此之外,它基于 Swagger 还能直接生成接口文档,省了你大量写接口文档的时间:
还能直接测试接口:
项目地址:
https://github.com/tiangolo/fastapi
star数:6k
Ultra-Light-Fast-Generic-Face-Detector-1MB
这是一个轻量级的人脸检测模型,针对边缘计算设备设计的轻量人脸检测模型,默认FP32精度下(.pth)文件大小为 1.04~1.1MB。
项目地址:
https://github.com/Linzaer/Ultra-Light-Fast-Generic-Face-Detector-1MB
star数量:3.9k
you-get
安装完 you-get 就能通过一个命令下载网上的在线视频了:
牛逼的是,现在它已经能够支持大部分主流的在线视频网站的下载:
项目地址:
https://github.com/soimort/you-get
star数量:28.4k
Fire
这个库的方便之处在于,他可以让任何 Python 项目快速自动生成命令行接口,不用自己写 docstring 就可以生成,而且只需要用 Fire 调用一下就可以了,舒服!
一个官方的例子:
通过 python 运行:
python calculator.py
项目地址:
https://github.com/google/python-fire
star 数量 :16.9k
ok,以上,别光收藏呀,点个在看呗,Python 好用的库远不止这些,以后我发现不错的库再整理一波分享给你!