dropbox讲python
- chuang - Initiativedropbox定制优化CPython虚拟机，自己搞了个malloc调度算法. 那个 !!!111cos(0). 期待这次PyCon China 2011.
2018 年最受欢迎的15个顶级 Python 库
标签：
| 发表时间：2018-12-22 20:53 | 作者：
出处：https://mp.weixin.qq.com
图 1：根据 GitHub star 和贡献评选出的 2018 顶级 Python 库。形状大小与贡献者数量成正比。
以下为 2018 年排名前 15 的 Python 库（数据截止 2018 年 12 月 16 日）：
1 TensorFlow（贡献者：1757，贡献：25756，Stars：116765）“TensorFlow 是一个使用数据流图进行数值计算的开源软件库。图形节点表示数学运算，而图形边缘表示在它们之间流动的多维数据阵列（张量）。这种灵活的体系结构使用户可以将计算部署到桌面、服务器或移动设备中的一个或多个 CPU/GPU，而无需重写代码。 ”
GitHub 地址：
https://github.com/tensorflow/tensorflow
2 pandas（贡献者：1360，贡献：18441，Stars ：17388）“pandas 是一个 Python 包，、供快速，灵活和富有表现力的数据结构，旨在让”关系“或”标记“数据使用既简单又直观。它的目标是成为用 Python 进行实际，真实数据分析的基础高级构建块。”
GitHub 地址：
https://github.com/pandas-dev/pandas
3 scikit-learn（贡献者：1218，贡献者：23509，Stars ：32326）“scikit-learn 是一个基于 NumPy，SciPy 和 matplotlib 的机器学习 Python 模块。它为数据挖掘和数据分析提供了简单而有效的工具。SKLearn 所有人都可用，并可在各种环境中重复使用。
GitHub 地址：
https://github.com/scikit-learn/scikit-learn
4 PyTorch（贡献者：861，贡献：15362，Stars：22763）“PyTorch 是一个 Python 包，提供两个高级功能：
-
具有强大的 GPU 加速度的张量计算（如 NumPy）
-
基于磁带的自动编程系统构建的深度神经网络
你可以重复使用自己喜欢的 Python 软件包，如 NumPy，SciPy 和 Cython，以便在需要时扩展 PyTorch。”
GitHub 地址：
https://github.com/pytorch/pytorch
5 Matplotlib（贡献者：778，贡献：28094，Stars ：8362）“Matplotlib 是一个 Python 2D 绘图库，可以生成各种可用于出版品质的硬拷贝格式和跨平台交互式环境数据。Matplotlib 可用于 Python 脚本，Python 和 IPython shell（例如 MATLAB 或 Mathematica），Web 应用程序服务器和各种图形用户界面工具包。”
GitHub 地址：
https://github.com/matplotlib/matplotlib
6 Keras（贡献者：856，贡者：4936，Stars ：36450）“Keras 是一个高级神经网络 API，用 Python 编写，能够在 TensorFlow，CNTK 或 Theano 之上运行。它旨在实现快速实验，能够以最小的延迟把想法变成结果，这是进行研究的关键。”
GitHub 地址：
https://github.com/keras-team/keras
7 NumPy（贡献者：714，贡献：19399，Stars：9010）“NumPy 是使用 Python 进行科学计算所需的基础包。它提供了强大的 N 维数组对象，复杂的（广播）功能，集成 C / C ++ 和 Fortran 代码的工具以及有用的线性代数，傅里叶变换和随机数功能。
GitHub 地址：
https://github.com/numpy/numpy
8 SciPy（贡献者：676，贡献：20180，Stars：5188）“SciPy（发音为”Sigh Pie“）是数学、科学和工程方向的开源软件，包含统计、优化、集成、线性代数、傅立叶变换、信号和图像处理、ODE 求解器等模块。”
GitHub 地址：
https://github.com/scipy/scipy
9 Apache MXNet（贡献者：653，贡献：9060，Stars：15812）“Apache MXNet（孵化）是一个深度学习框架，旨在提高效率和灵活性，让你可以混合符号和命令式编程，以最大限度地提高效率和生产力。 MXNet 的核心是一个动态依赖调度程序，可以动态地自动并行化符号和命令操作。”
GitHub 地址：
https://github.com/apache/incubator-mxnet
10 Theano（贡献者：333，贡献：28060，Stars ：8614）“Theano 是一个 Python 库，让你可以有效地定义、优化和评估涉及多维数组的数学表达式。它可以使用 GPU 并实现有效的符号区分。”
GitHub 地址：
https://github.com/Theano/Theano
11 Bokeh（贡献者：334，贡献：17395，Stars ：8649）“Bokeh 是一个用于 Python 的交互式可视化库，可以在现代 Web 浏览器中实现美观且有意义的数据视觉呈现。使用 Bokeh，你可以快速轻松地创建交互式图表、仪表板和数据应用程序。”
GitHub 地址：
https://github.com/bokeh/bokeh
12 XGBoost（贡献者：335，贡献：3557，Stars：14389）“XGBoost 是一个优化的分布式梯度增强库，旨在变得高效、强大、灵活和便携。它在 Gradient Boosting 框架下实现机器学习算法。XGBoost 提供了梯度提升决策树（也称为 GBDT，GBM），可以快速准确地解决许多数据科学问题，可以在主要的分布式环境（Hadoop，SGE，MPI）上运行相同的代码，并可以解决数十亿个示例之外的问题。”
GitHub 地址：
https://github.com/dmlc/xgboost
13 Gensim（贡献者：301，贡献：3687，Stars ：8295）“Gensim 是一个用于主题建模、文档索引和大型语料库相似性检索的 Python 库，目标受众是自然语言处理（NLP）和信息检索（IR）社区。”
GitHub 地址：
https://github.com/RaRe-Technologies/gensim
14 Scrapy（贡献者：297，贡献：6808，Stars ：30507）“Scrapy 是一种快速的高级 Web 爬行和 Web 抓取框架，用于抓取网站并从其页面中提取结构化数据。它可用于从数据挖掘到监控和自动化测试的各种用途。”
GitHub 地址：
https://github.com/scrapy/scrapy
15 Caffe（贡献者：270，贡献：4152，Stars ：26531）“Caffe 是一个以表达、速度和模块化为基础的深度学习框架，由伯克利人工智能研究（BAIR）/ 伯克利视觉与学习中心（BVLC）和社区贡献者开发。”
GitHub 地址：
https://github.com/BVLC/caffe
英文原文https://www.kdnuggets.com/2018/12/top-python-libraries-2018.html
相关 [python] 推荐：
Python调试
- - 企业架构 - ITeye博客原文地址： http://blog.csdn.net/xuyuefei1988/article/details/19399137. 1、下面网上收罗的资料初学者应该够用了，但对比IBM的Python 代码调试技巧：. IBM：包括 pdb 模块、利用 PyDev 和 Eclipse 集成进行调试、PyCharm 以及 Debug 日志进行调试：.
Python WSGI 初探
- - 坚实的幻想在构建 Web 应用时，通常会有 Web Server 和 Application Server 两种角色. 其中 Web Server 主要负责接受来自用户的请求，解析 HTTP 协议，并将请求转发给 Application Server，Application Server 主要负责处理用户的请求，并将处理的结果返回给 Web Server，最终 Web Server 将结果返回给用户.
Python实现逻辑回归(Logistic Regression in Python)
- - 神刀安全网Logistic Regression in Python ，作了中文翻译，并相应补充了一些内容. 本文并不研究逻辑回归具体算法实现，而是使用了一些算法库，旨在帮助需要用Python来做逻辑回归的训练和预测的读者快速上手. 逻辑回归是一项可用于预测二分类结果(binary outcome)的统计技术，广泛应用于金融、医学、犯罪学和其他社会科学中.
python 下载文件
- Eric - python相关的python 教程和python 下载你可以在老王python里寻觅之前给大家分享的python 多线程抓取网页，我觉的大家看了以后，应该会对python 抓取网页有个很好的认识,不过这个只能用python 来抓取到网页的源代码，如果你想用做python 下载文件的话，上面的可能就不适合你了，最近我在用python 做文件下载的时候就遇到这个问题了，不过最终得以解决，为了让大家以后碰过这个问题有更好的解决办法，我把代码发出来：.
python代码调试
- - 阿里古古【转自： http://blog.csdn.net/luckeryin/article/details/4477233】. 本文讨论在没有方便的IDE工具可用的情况下，使用pdb调试python程序. 例如，有模拟税收计算的程序：. debug_demo函数计算4500的入账所需的税收. 在需要插入断点的地方，加入红色部分代码：如果_DEBUG值为True，则在该处开始调试（加入_DEBUG的原因是为了方便打开/关闭调试）.
python编程规范
- - 互联网 - ITeye博客@FileName:
@Author：[email protected]
@Create date:
@description：用一行文字概述模块或脚本，用句号结尾. 不影响编码的效率,不与大众习惯冲突.. 使代码的逻辑更清晰,更易于理解.. *所有的 Python 脚本文件都应在文件头标上如下标识或其兼容格式的标识.
Python 编程速成
- - SegmentFault 最新的文章本文首发微信公众号：前端先锋. 欢迎关注，每天都给你推送新鲜的前端技术文章. Python是一种非常流行的脚本语言，而且功能非常强大，几乎可以做任何事情，比如爬虫、网络工具、科学计算、树莓派、Web开发、游戏等各方面都可以派上用场. 同时无论在哪种平台上，都可以用 Python 进行系统编程. 机器学习可以用一些 Python 库来实现，比如人工智能常用的 TensorFlow.
《Dive into Python 3》中文版
- hama - Wow! UbuntuDive Into Python 是一份很知名的 Python 入门教程，由 Mark Pilgrim 编写，用户可以免费获取电子版本，而中文版则由啄木鸟社区翻译发布 [ 英文版 / 中文版 ]. 前阵子，Mark Pilgrim 又发布了 《Dive into Python 3》，此版本的内容涵盖了 Python 3 及其与 Python 2 的区别.
分享一套 python 试题
- eastxing - 赖勇浩的编程私伙局赖勇浩（http://laiyonghao.com）. 今天在 simple-is-better.com 看到一篇《Python 面试题集合》（http://simple-is-better.com/news/596），里面有一些很好的试题，如“Python是如何进行类型转换的. ”，也有一些让人吐血的试题，如“Python如何实现单例模式.