2019年5月GitHub上熱門的Python項目
5月份GitHub上最熱門的Python項目出爐了,下面我們一起盤點一下:
1. Python
https://github.com/TheAlgorithms/Python
Star 44125
該項目用Python實現(xiàn)了所有的排序算法,包括插入排序、冒泡排序、快速排序、選擇排序、歸并排序等。該創(chuàng)建者表示這些僅用于演示學(xué)習(xí)。由于性能的原因,Python標(biāo)準(zhǔn)庫中有許多排序?qū)崿F(xiàn)。
2. machine-learning-course
https://github.com/machinelearningmindset/machine-learning-course
Star 4850
該項目旨在通過Python提供全面而簡單的機器學(xué)習(xí)課程,在這個項目中,將學(xué)習(xí):
- 機器學(xué)習(xí)的定義是什么
- 機器學(xué)習(xí)的發(fā)展趨勢是怎樣的
- 機器學(xué)習(xí)類別
- 什么是最常用的機器學(xué)習(xí)算法以及如何實現(xiàn)它們
3. uds
https://github.com/stewartmcgown/uds
Star 3219
無限的驅(qū)動器存儲,具有如下功能特性:
- 不使用存儲空間將文件上傳到Google云端硬盤
- 將任何存儲的文件下載到您的計算機
4. PySnooper
https://github.com/cool-RR/PySnooper
Star 11050
這是一個“貧民版”調(diào)試工具,因為 PySnooper 使用起來十分簡單,開發(fā)者可以在任何龐大的代碼庫中使用它,而無需進行任何設(shè)置。只需添加裝飾器,并為日志輸出地址指定路徑。查閱更多可點擊:《我猜你需要這個Python調(diào)試工具》
5. DeleteFB
https://github.com/weskerfoot/DeleteFB
Star 2222
一個用來刪除Facebook帖子的工具
6. models
https://github.com/tensorflow/models
Star 53478
一個Tensorflow庫,里面包含 使用TensorFlow 構(gòu)建的模型和示例的教程,旨在更好的維護,測試,并與最新的TensorFlow API保持同步最新。
- TensorFlow實現(xiàn)模型:https://github.com/tensorflow/models/blob/master/research
- TensorFlow教程:https://github.com/tensorflow/models/blob/master/tutorials
7. AiLearning
https://github.com/apachecn/AiLearning
Star 14570
這是號稱最詳細(xì)的AI學(xué)習(xí)路線,涵蓋機器學(xué)習(xí)基礎(chǔ)、深度學(xué)習(xí)基礎(chǔ)、自然語言處理等等。
8. system-design-primer
https://github.com/donnemartin/system-design-primer
Star 63905
該項目是關(guān)于如何設(shè)計大型系統(tǒng),以及如何應(yīng)對系統(tǒng)設(shè)計面試。系統(tǒng)設(shè)計是一個很寬泛的話題。在互聯(lián)網(wǎng)上,關(guān)于系統(tǒng)設(shè)計原則的資源也是多如牛毛。這個倉庫就是這些資源的組織收集,它可以幫助你學(xué)習(xí)如何構(gòu)建可擴展的系統(tǒng)。
9. awesome-python
https://github.com/vinta/awesome-python
Star 68062
這是一個Python程序集合,它們不僅可以幫助你快速找到你想要的Python項目,還能作為你日常開發(fā)中的借鑒對象,目前包含195個開源Python程序,而且數(shù)量還在不斷增加,按照主題劃分,包含庫和文檔等鏈接,其中開發(fā)這一部分又被分成了11個模塊
10. black
https://github.com/python/black
Star 10553
Black號稱是不妥協(xié)的 Python 代碼格式化工具。之所以成為“不妥協(xié)”是因為它檢測到不符合規(guī)范的代碼風(fēng)格直接就幫你全部格式化好,根本不需要你確定,直接替你做好決定。而作為回報,Black 提供了快速的速度。Black 通過產(chǎn)生最小的差異來更快地進行代碼審查。