Github上12个令人兴奋的Python项目

Github上12个令人兴奋的Python项目

你今天应该尝试一下[2022年]

时至今日，Python作为一种编程语言仍然是该领域专家的热门选择。由于其简单的语法，它对程序员和数据科学家来说很容易学习。GitHub上有许多Python项目，可供人们亲身体验和学习。

要了解的顶级Python GitHub项目 品红

这项Python研究对机器学习采取了一种富有想象力的方法。Magenta是由谷歌大脑团队开发的，专注于深度学习和强化学习算法，以生成艺术品和音乐等内容。有关这项旨在增强原创艺术家努力的聪明技术的技术方面的知识，在协作笔记本中呈现。

另一个开源的音乐服务器你可以从GitHub上免费获得，它叫Modiply。

Photon

这是一个专门为OSINT软件制作的快速蜘蛛。开源情报（OSINT）是将从免费提供的在线资源中收集的信息用于军事或政府目的的做法。许多数据挖掘任务，比如下面列出的那些，都可以用Photon来完成。

● 范围包含和排除URLs

● URLs中的参数

● 社交网站上的电子邮箱和个人资料信息

● 文档格式，如XML、PDF和PNG

● 来自亚马逊的箱子

Mailpile

在使用这个GitHub项目时，你可以信赖最先进的加密技术。这是一个社区支持的隐私工具。首先，它促进了PGP加密的电子邮件传输和接收。

Mailpile中的快速搜索引擎可以处理大量的电子邮件数据，同时保持一个精简的在线界面。对于自动标签，它依靠预定义规则或贝叶斯分类器。看看该网站的实时演示和免费软件，了解更多。

XSStrike

跨站脚本或XSS是网站中常见的安全缺陷。在XSS攻击中，恶意的客户端脚本被插入到通常安全的网站中。因此，创建XSStrike套件是为了识别和利用这种入侵行为。这套免费软件的功能包括。

● 有四个手动解析器。

● 使用人工智能的强大的有效载荷创建器

● 能够产生有效模糊的一个

● 快速移动的爬行器

● 使用上述组件，它评估答案并建立有效载荷。它也有内置的模糊器，可以进行有效的上下文分析。

Pandas Project

Pandas库是一个神奇的工具，用于适应性的数据分析和操作，Pandas项目旨在改进它。由于其富有表现力的数据结构，它比其他竞争性的解决方案具有各种优势。

在处理关系型和标签型数据方面的适应性

● 可轻松处理缺失数据和规模变化。

● 对数据集的简单操作，如合并、重塑和透视

● 改进的自动数据排列特性

如果你挖掘熊猫代码库，你会发现文档中的一些漏洞。这可能促使你为增强当前的资源提供建议。这个开源程序可以在GitHub上使用，同时还有其他的软件包，如Django和Keras，便于快速建立原型。

Xonsh

用Xonsh编写的交互式程序只能在命令行解释器上运行，如Unix。Shell脚本在这类操作系统中被用作执行控制器。你可以通过让你的shell能够解释一种更灵活的编程语言来避免在这两者之间做出选择。Xonsh（读作：'Konk'）现在介入了。

它是一个用Python编写的快速响应的命令行shell。这种独立于平台的语言有一套丰富的预装库、脚本功能和变量类型。vox虚拟环境管理系统是Xonsh用户可用的另一个工具。

Manim

这个程序的全称是数学动画引擎，但它的缩写形式是Manim。这项工作的目标是使这种视频解释的制作过程自动化。基于Python 3.7，该软件可以生成动画视频，利用图表和其他视觉辅助工具解释困难的概念。3Blue1Brown的YouTube频道是你可以找到这些视频的地方。

在GitHub上，任何人都可以访问Manim的开源代码。网上还有其他教程，可以指导你完成安装软件包、运行项目和制作基本项目的步骤。

Basketball Analysis with AI 用人工智能分析篮球

这个项目的基础是物体检测的想法。篮球投篮是由人工智能程序通过深入挖掘收集的数据来分析的。AI网络应用和API都列在GitHub的Python项目下。让我们来看看这个设备的功能。

有一个网络应用，你可以上传文件。

也可以选择向API发送POST请求。

计算是在OpenPose库中实现的。

在投掷姿势数据的帮助下，网络应用产生了结果。

Rebound

编译器错误是编写计算机程序的一个正常部分。在这种情况下，Rebound可以立即检索到相关的Stack Overflow结果。这是一个Python程序，有一个基于Urwid控制台的命令行界面。为了深入了解Beautiful Soup包如何提取Stack Overflow信息，可以考虑将这个计划付诸实施。也可以研究监控编译器问题的子进程。

Rebound中立谈话

通过使用Neutral Talk，你可以磨练你对多模态递归神经网络的理解。这是一个用Python和NumPy编写的图像描述项目。

创建图像标题的方法通常包括计算机视觉和自然语言处理。一张照片可以被系统分析，它将返回它检测到的内容的描述。

如果你想了解最新的字幕标准，你可以查看NeutralTalk2。这个项目由于是用Lua写的，这是一种高级的、极其轻量级的编程语言，比原来的要快得多。

使用TensorFlow的项目

为了创建深度学习模型，Python软件包TensorFlow经常被利用。许多对使用TensorFlow的开发者有用的代码片段可以在Model Garden资源库中找到。它提供了可随时投入使用的预训练模型，并试图展示研究和产品开发的最佳实践。在这个官方资源的帮助下，你可以得到计算机视觉和自然语言处理问题的答案，它解释了如何实现分布式训练。

地图模型导入器

Maps Models Importer

导入器将大型地图带入3D模型。为了完成这个过程，你需要像谷歌地图这样的3D内容应用程序，但现在，这个程序只是一个实验，由一个Blender插件组成。从谷歌地图导入模型是你可以在这里练习的一项技能。

最后的话 至此，我们进入了文章的最后部分。我们已经讨论了Github上的顶级Python项目。相信你今天学到了一些新东西。

如果你喜欢Python，数据科学和全栈开发是你最好的职业选择。Skillslash可以成为帮助你在其中实现成功职业的指南。除了作为班加罗尔最好的数据科学课程的提供者，Skillslash在班加罗尔也有一个独家的全栈开发课程，并有就业保障。请随时与支持团队联系，以了解更多信息。

本文由 mdnice 多平台发布