您今天应该尝试的 13 个 Github 上令人兴奋的 Python 项目 [2022]

Python 是全球专业人士编程语言的首选之一。 其简单的语法允许软件开发人员和数据科学家轻松掌握新技能。 您还可以在 GitHub 上找到许多Python 项目，边做边练习和学习。

为什么选择 Python 项目？

就业市场对具备 Python 技能的专业人士有很高的需求，但没有多少应聘者关注使用它的优势。 它具有广泛的支持库和用户友好的数据结构。 多年来，它已成为构建命令行应用程序的优秀工具。 学习 Python 是一门好的数据科学课程不可或缺的一部分。

如果您查看GitHub 上的 Python 项目，您会发现各种开源示例。 该存储库适合每个人——从创建简单的密码生成器到自动化日常任务和挖掘 Twitter 数据。 对于初学者来说，基于活动的学习方法可以创造奇迹。 它可以帮助您了解语言的来龙去脉，例如 Pandas 和 Django Web 框架以及多进程架构。 所以，让我们潜入吧。

GitHub 上的 Python 项目

1.洋红色

这个 Python 研究项目通过艺术表达来进行机器学习。 Magenta 由 Google Brain 的团队创立，专注于深度学习和强化学习算法，可以创建绘图、音乐等。 它的协作笔记本将向您介绍这个旨在放大原创者作品的智能工具的技术细节。

Modiply 是可扩展音乐服务器的另一个示例，您可以在 GitHub 上免费找到它。

2.光子

它是专为开源智能 (OSINT)工具设计的快速爬虫。 OSINT 概念涉及从公开可用的来源收集数据以用于情报环境。 使用 Photon，您可以执行多种数据爬取功能，包括提取以下内容：

• 范围内和范围外 URL
• 带参数的网址
• 电子邮件和社交媒体帐户
• XML、pdf、png 和其他文件
• 亚马逊水桶等

3. 邮件堆

这个 GitHub 项目以其最先进的加密功能而闻名。 它是一个由大型社区支持的隐私工具。 首先，它允许您发送和接收 PGP 加密电子邮件。

Mailpile 的快速搜索引擎可以处理大量电子邮件数据并将其组织在一个干净的 Web 界面中。 它使用静态规则或贝叶斯分类器进行自动标记。 浏览其网站上的免费软件和现场演示以了解更多信息！

阅读： Git vs Github：Git 和 Github 之间的区别

4. XSStrike

跨站点脚本或 XSS 是在 Web 应用程序中发现的安全漏洞。 XSS 攻击将客户端（通常是恶意的）脚本注入到其他良性网页中。 因此，开发了 XSStrike 套件来检测和利用此类攻击。 这个开源工具具有以下功能：

• 四个手写解析器
• 智能有效载荷生成器
• 一个有效的模糊引擎
• 一个快速的爬虫

通过上述部分，它分析响应并制作有效负载。 它还可以使用集成的模糊器执行有效的上下文分析。

5.谷歌图片下载

这个命令行 python 程序可以搜索和下载数百个谷歌图像。 该脚本可以查找关键字和短语，并可选择下载图像文件。 Google 图片下载与 Python 的 2.x 和 3.x 版本兼容。 您可以复制该项目的源代码来磨练您的编程技能并了解其在现实世界中的适用性。

6.熊猫项目

在执行灵活的数据分析和操作方面，Pandas 库被证明是一个极好的资源。 其富有表现力的数据结构提供了许多优于其他替代方案的优势。 看看下面的一些。

• 处理关系/标记数据的灵活性
• 方便处理缺失数据和大小可变性
• 直观的数据集操作，包括合并、重塑和旋转
• 具有附加功能的自动数据对齐功能

在查看 panda 的代码库时，您会在文档中遇到各种问题。 这可能会提示您贡献自己的想法并改进现有工具。 您可以在 GitHub 上找到开源包以及支持快速实验的 Django 和 Keras 等其他包。

7. Xonsh

交互式应用程序需要像 Unix 这样的命令行解释器。 此类操作系统使用 shell 脚本控制执行。 现在，与其进行取舍，不如让您的 shell 能够理解一种更具可扩展性的编程语言不是更方便吗？ 这里输入 Xonsh（发音为“Konk”）。

它是一种 Python 驱动的 shell 语言和命令。 这种跨平台语言很容易编写脚本，并带有庞大的标准库和变量类型。 Xonsh 也有自己的虚拟环境管理系统，叫做 vox。

8. 马尼姆

Manim 是数学动画引擎的缩写。 这个项目是关于以编程方式创建视频解释器。 该程序在 Python 3.7 上运行并生成动画视频内容，借助插图和显示图表涵盖复杂的主题。 您可以在 3Blue1Brown YouTube 频道上观看这些视频。

Manim 的源代码可在 GitHub 上免费获得。 您还可以参考在线教程来学习如何安装包、运行项目以及创建简单的个人项目。

阅读：数据科学项目的想法和主题

9.人工智能篮球分析

该项目建立在对象检测的概念之上。 人工智能应用程序挖掘收集的数据以分析篮球投篮。 您可以在 GitHub 上的 Python 项目下轻松找到 AI Web 应用程序和 API 。 让我们看看该工具的工作原理：

• 您将文件上传到 Web 应用程序
• 或者，您可以向 API 提交 POST 请求
• OpenPose 库实现计算
• Web 应用程序根据拍摄姿势数据生成结果

10. 反弹

计算机程序源代码遇到编译器错误是很常见的。 在这种情况下，Rebound 可以立即获取 StackOverflow 结果。 它是一个用 Python 编写并建立在 Urwid 控制台用户界面上的命令行工具。 如果你选择实现这个项目，你可以了解 Beautiful Soup 包是如何抓取 StackOverflow 内容的。 您还可以熟悉捕获编译器错误的子进程。

11.中性谈话

您可以使用 NeutralTalk 微调您对多模态循环神经网络的了解。 这是一个专注于描述图像的 Python 和 NumPy 项目。

通常，图像说明生成方法涉及计算机视觉和自然语言处理的融合。 该系统可以理解场景并生成对图片中观察到的内容的描述。

如果您正在寻找最新的字幕代码，您可以参考 NeutralTalk2。 这个项目是用轻量级的高级编程语言 Lua 编写的，比原始版本更快。

12. TensorFlow 项目

TensorFlow 是一个用于构建深度学习模型的 Python 库。 Model Garden 存储库将 TensorFlow 用户的许多代码示例集中在一个地方。 它旨在展示研究和产品开发的最佳实践，同时提供现成的预训练模型。 借助此官方资源，您可以探索如何实现分布式训练并解决计算机视觉和 NLP 问题。

13.地图模型导入器

Maps Models Importer 通过从大量地图中导入 3D 模型来工作。 它是一个实验性工具，仅包含 Blender 插件，并且该过程需要 3D 内容软件，例如 Google 地图。 在这个项目中，您可以掌握从 Google 地图导入模型的窍门。

另请阅读：面向初学者的 Python 项目想法和主题

Python 的未来范围

现代工业越来越希望从数据池中发现隐藏的模式。 此外，人工智能和机器学习等新兴技术为这一领域增添了新的能力和复杂性。 像 Python 这样的高级语言是软件开发和分析过程不可或缺的一部分。

自然，当今的招聘人员在招聘数据科学家、数据/研究分析师、Python 开发人员、DevOps 工程师等职位时非常重视 Python 技能。Google、Facebook、Spotify、Netflix、Dropbox 和 Reddit 等技术大佬提供为接受过实践培训的候选人提供有利可图的职业选择。

我们希望您可以通过 GitHub 上 Python 项目的上述列表来提高您的编程技能。 随着大数据市场的进一步发展和扩展，Python 的开源社区有望在未来几年发布更多的库。 所以，保持最新并不断学习！

如果您想了解数据科学，请查看 IIIT-B 和 upGrad 的数据科学执行 PG 计划，该计划是为在职专业人士创建的，提供 10 多个案例研究和项目、实用的实践研讨会、行业专家的指导、1与行业导师一对一，400 多个小时的学习和顶级公司的工作协助。