您今天應該嘗試的 13 個 Github 上令人興奮的 Python 項目 [2022]

Python 是全球專業人士編程語言的首選之一。 其簡單的語法允許軟件開發人員和數據科學家輕鬆掌握新技能。 您還可以在 GitHub 上找到許多Python 項目，邊做邊練習和學習。

為什麼選擇 Python 項目？

就業市場對具備 Python 技能的專業人士有很高的需求，但沒有多少應聘者關注使用它的優勢。 它具有廣泛的支持庫和用戶友好的數據結構。 多年來，它已成為構建命令行應用程序的優秀工具。 學習 Python 是一門好的數據科學課程不可或缺的一部分。

如果您查看GitHub 上的 Python 項目，您會發現各種開源示例。 該存儲庫適合每個人——從創建簡單的密碼生成器到自動化日常任務和挖掘 Twitter 數據。 對於初學者來說，基於活動的學習方法可以創造奇蹟。 它可以幫助您了解語言的來龍去脈，例如 Pandas 和 Django Web 框架以及多進程架構。 所以，讓我們潛入吧。

GitHub 上的 Python 項目

1.洋紅色

這個 Python 研究項目通過藝術表達來進行機器學習。 Magenta 由 Google Brain 的團隊創立，專注於深度學習和強化學習算法，可以創建繪圖、音樂等。 它的協作筆記本將向您介紹這個旨在放大原創者作品的智能工具的技術細節。

Modiply 是可擴展音樂服務器的另一個示例，您可以在 GitHub 上免費找到它。

2.光子

它是專為開源智能 (OSINT)工具設計的快速爬蟲。 OSINT 概念涉及從公開可用的來源收集數據以用於情報環境。 使用 Photon，您可以執行多種數據爬取功能，包括提取以下內容：

• 範圍內和範圍外 URL
• 帶參數的網址
• 電子郵件和社交媒體帳戶
• XML、pdf、png 和其他文件
• 亞馬遜水桶等

3. 郵件堆

這個 GitHub 項目以其最先進的加密功能而聞名。 它是一個由大型社區支持的隱私工具。 首先，它允許您發送和接收 PGP 加密電子郵件。

Mailpile 的快速搜索引擎可以處理大量電子郵件數據並將其組織在一個乾淨的 Web 界面中。 它使用靜態規則或貝葉斯分類器進行自動標記。 瀏覽其網站上的免費軟件和現場演示以了解更多信息！

閱讀： Git vs Github：Git 和 Github 之間的區別

4. XSStrike

跨站點腳本或 XSS 是在 Web 應用程序中發現的安全漏洞。 XSS 攻擊將客戶端（通常是惡意的）腳本注入到其他良性網頁中。 因此，開發了 XSStrike 套件來檢測和利用此類攻擊。 這個開源工具具有以下功能：

• 四個手寫解析器
• 智能有效載荷生成器
• 一個有效的模糊引擎
• 一個快速的爬蟲

通過上述部分，它分析響應並製作有效負載。 它還可以使用集成的模糊器執行有效的上下文分析。

5.谷歌圖片下載

這個命令行 python 程序可以搜索和下載數百個谷歌圖像。 該腳本可以查找關鍵字和短語，並可選擇下載圖像文件。 Google 圖片下載與 Python 的 2.x 和 3.x 版本兼容。 您可以復制該項目的源代碼來磨練您的編程技能並了解其在現實世界中的適用性。

6.熊貓項目

在執行靈活的數據分析和操作方面，Pandas 庫被證明是一個極好的資源。 其富有表現力的數據結構提供了許多優於其他替代方案的優勢。 看看下面的一些。

• 處理關係/標記數據的靈活性
• 方便處理缺失數據和大小可變性
• 直觀的數據集操作，包括合併、重塑和旋轉
• 具有附加功能的自動數據對齊功能

在查看 panda 的代碼庫時，您會在文檔中遇到各種問題。 這可能會提示您貢獻自己的想法並改進現有工具。 您可以在 GitHub 上找到開源包以及支持快速實驗的 Django 和 Keras 等其他包。

7. Xonsh

交互式應用程序需要像 Unix 這樣的命令行解釋器。 此類操作系統使用 shell 腳本控制執行。 現在，與其進行取捨，不如讓您的 shell 能夠理解一種更具可擴展性的編程語言不是更方便嗎？ 這裡輸入 Xonsh（發音為“Konk”）。

它是一種 Python 驅動的 shell 語言和命令。 這種跨平台語言很容易編寫腳本，並帶有龐大的標準庫和變量類型。 Xonsh 也有自己的虛擬環境管理系統，叫做 vox。

8. 馬尼姆

Manim 是數學動畫引擎的縮寫。 這個項目是關於以編程方式創建視頻解釋器。 該程序在 Python 3.7 上運行並生成動畫視頻內容，借助插圖和顯示圖表涵蓋複雜的主題。 您可以在 3Blue1Brown YouTube 頻道上觀看這些視頻。

Manim 的源代碼可在 GitHub 上免費獲得。 您還可以參考在線教程來學習如何安裝包、運行項目以及創建簡單的個人項目。

閱讀：數據科學項目的想法和主題

9.人工智能籃球分析

該項目建立在對象檢測的概念之上。 人工智能應用程序挖掘收集的數據以分析籃球投籃。 您可以在 GitHub 上的 Python 項目下輕鬆找到 AI Web 應用程序和 API 。 讓我們看看該工具的工作原理：

• 您將文件上傳到 Web 應用程序
• 或者，您可以向 API 提交 POST 請求
• OpenPose 庫實現計算
• Web 應用程序根據拍攝姿勢數據生成結果

10. 反彈

計算機程序源代碼遇到編譯器錯誤是很常見的。 在這種情況下，Rebound 可以立即獲取 StackOverflow 結果。 它是一個用 Python 編寫並建立在 Urwid 控制台用戶界面上的命令行工具。 如果你選擇實現這個項目，你可以了解 Beautiful Soup 包是如何抓取 StackOverflow 內容的。 您還可以熟悉捕獲編譯器錯誤的子進程。

11.中性談話

您可以使用 NeutralTalk 微調您對多模態循環神經網絡的了解。 這是一個專注於描述圖像的 Python 和 NumPy 項目。

通常，圖像說明生成方法涉及計算機視覺和自然語言處理的融合。 該系統可以理解場景並生成對圖片中觀察到的內容的描述。

如果您正在尋找最新的字幕代碼，您可以參考 NeutralTalk2。 這個項目是用輕量級的高級編程語言 Lua 編寫的，比原始版本更快。

12. TensorFlow 項目

TensorFlow 是一個用於構建深度學習模型的 Python 庫。 Model Garden 存儲庫將 TensorFlow 用戶的許多代碼示例集中在一個地方。 它旨在展示研究和產品開發的最佳實踐，同時提供現成的預訓練模型。 借助此官方資源，您可以探索如何實現分佈式訓練並解決計算機視覺和 NLP 問題。

13.地圖模型導入器

Maps Models Importer 通過從大量地圖中導入 3D 模型來工作。 它是一個實驗性工具，僅包含 Blender 插件，並且該過程需要 3D 內容軟件，例如 Google 地圖。 在這個項目中，您可以掌握從 Google 地圖導入模型的竅門。

另請閱讀：面向初學者的 Python 項目想法和主題

Python 的未來範圍

現代工業越來越希望從數據池中發現隱藏的模式。 此外，人工智能和機器學習等新興技術為這一領域增添了新的能力和復雜性。 像 Python 這樣的高級語言是軟件開發和分析過程不可或缺的一部分。

自然，當今的招聘人員在招聘數據科學家、數據/研究分析師、Python 開發人員、DevOps 工程師等職位時非常重視 Python 技能。Google、Facebook、Spotify、Netflix、Dropbox 和 Reddit 等技術巨頭提供為接受過實踐培訓的候選人提供有利可圖的職業選擇。

我們希望您可以通過 GitHub 上 Python 項目的上述列表來提高您的編程技能。 隨著大數據市場的進一步發展和擴展，Python 的開源社區有望在未來幾年發布更多的庫。 所以，保持最新並不斷學習！

如果您想了解數據科學，請查看 IIIT-B 和 upGrad 的數據科學執行 PG 計劃，該計劃是為在職專業人士創建的，提供 10 多個案例研究和項目、實用的實踐研討會、行業專家的指導、1與行業導師一對一，400 多個小時的學習和頂級公司的工作協助。