1.烧瓶
这是用Python编写的微框架。 它没有表单和数据库抽象级别的验证，但是允许您将第三方库用于常见功能。 这就是为什么它是一个微观框架。 Flask旨在轻松，快速地构建应用程序，并且具有可伸缩性和轻巧性。 它基于Werkzeug和Jinja2项目。 您可以在有关
Python Flask的最新DataFlair文章中了解有关它的更多信息。
2.凯拉斯
Keras是一个用Python编写的开源神经网络库。 它是用户友好的，模块化的和可扩展的，并且还可以在TensorFlow，Theano，PlaidML或Microsoft认知工具包（CNTK）上运行。 Keras具有所有功能：模板，目标和传输功能，优化器等。 它还支持卷积和递归神经网络。
最新的基于Keras的开源项目-
乳腺癌分类的工作 。
本文是在EDISON Software的支持下翻译的，EDISON Software正在开发Vivaldi文档库诊断系统并投资于初创企业 。
3.空间
这是处理
自然语言处理（NLP）的开源软件库，用Python和Cython编写。 尽管NLTK更适合用于培训和研究目的，但spaCy的工作是提供用于生产的软件。 另外，Thinc是一个spaCy机器学习库，它为部分语音标签，依赖项解析和命名对象识别引入了CNN模型。
4.哨兵
Sentry提供了开放源代码错误监视托管，因此您可以实时检测和分类错误。 只需安装适合您的语言或框架的SDK即可上手。 它使您可以修复未处理的异常，检查堆栈跟踪，分析每个问题的影响，跟踪各个项目中的错误，分配问题等等。 使用Sentry意味着更少的错误和更多的代码要发送。
5. OpenCV
OpenCV是一个开放源代码的计算机视觉和机器学习库。 该库具有针对计算机视觉任务的2500多种优化算法，例如对象检测和识别，各种人类活动的分类，使用相机跟踪运动，创建对象的三维模型，拼接图像以获得高分辨率图像以及许多其他任务。 该库可用于多种语言，例如Python，C ++，Java等。
Github上的星星：39585
您已经从事过任何OpenCV项目吗？ 这是一个-
性别和年龄草案6. Nilearn
这是一个模块，用于快速轻松地执行NeuroImaging数据的统计训练。 它允许您使用scikit-learn进行多维统计，以进行预测建模，分类，解码和连接性分析。 Nilearn是NiPy生态系统的一部分，该社区致力于使用Python分析神经成像数据。
GitHub星星：549
7. scikit学习
Scikit-learn是另一个开源Python项目。 这是一个非常著名的Python机器学习库。 SciPy通常与NumPy和SciPy一起使用，提供分类，回归和聚类-它支持
SVM（支持向量机） ，随机森林，梯度加速，k工具和DBSCAN。 该库是用Python和Cython编写的。
Github上的星星：37,144
8. PyTorch
PyTorch是另一个用Python编写并用于Python的开源机器学习库。 它基于Torch库，非常适合计算机视觉和自然语言处理（NLP）等领域。 它还具有C ++前端。
在许多其他功能中，PyTorch提供了两个高级功能：
Github上的星星：31,779
9.天秤座
Librosa是用于分析音乐和音频的最佳python库之一。 它包含用于从音乐中获取信息的必要组件。 该库文档齐全，并包含一些指南和示例，可以使您的任务更轻松。
GitHub星数：3107
Python开源项目的实现与Librosa-
语音情感的识别 。
10. Gensim
Gensim是一个Python库，用于对主题进行建模，为文档建立索引并查找与大型公司的相似之处。 它针对NLP和信息检索社区。 Gensim是“ Generate Like”的缩写。 以前，他创建了与本文相似的文章简短清单。 Gensim清晰，高效且可扩展。 Gensim通过纯文本实现了不受控制的语义建模的高效，简单实现。
GitHub星星：9,870
11. Django
Django是一个高级Python框架，它鼓励快速开发并相信DRY的原理（请勿重复）。 这是一个非常强大且使用最广泛的Python框架。 它基于MTV（模型模板视图）模式。
Github上的星星：44,214
12.人脸识别
人脸识别是GitHub上的一个流行项目。 它可以轻松识别人脸并使用Python /命令行对其进行操作，并为此使用世界上最简单的人脸识别库。 它使用深度学习dlib在Wild基准测试中以99.38％的精度检测面部。
Github上的星星：28,267
13. Cookiecutter
Cookiecutter是一个命令行实用程序，可用于从模板（cookiecutters）创建项目。 一个示例是从批处理项目模板创建批处理项目。 这些是跨平台模板，项目模板可以采用任何语言或任何标记格式，例如Python，JavaScript，HTML，Ruby，CoffeeScript，RST和Markdown。 它还允许您在同一项目模板中使用多种语言。
Github上的星星：10,291
14.熊猫
Pandas是用于标记数据结构和统计功能的Python数据分析和处理库。
Github上的星星：21,404
Python开源项目尝试熊猫-
帕金森氏病检测15. Pipenv
Pipenv有望成为一种生产就绪型工具，旨在将所有包装领域的精华带入Python世界。 它的终端具有漂亮的色彩，并将Pipfile，pip和virtualenv组合在一起。 它会自动为您的项目创建和管理虚拟环境，并为用户提供设置工作环境的简便方法。
GitHub星星：18,322
16. SimpleCoin
这是用Python创建的加密货币区块链的实现，但它简单，不安全且不完整。 SimpleCoin不适用于生产用途。 SimpleCoin并非用于生产用途，仅用于教育目的，仅用于使区块链工作链易于访问和简化。 它允许您保存提取的哈希并将其交换为任何受支持的货币。
GitHub星星：1343
17. Pyray
这是使用香草Python编写的3D渲染库。 它用Python和动画渲染2D，3D，对象和更大尺寸的场景。 他在创建的视频，视频游戏，物理模拟甚至精美图片领域找到了我们。 要求：PIL，numpy和scipy。
Github上的星星：451
18. MicroPython
MicroPython是微控制器的Python。 这是一个高效的Python3实现，它随附了Python标准库中的许多软件包，并经过优化，可在微控制器和局促条件下使用。 Pyboard是一个小型电子板，MicroPython在其上运行于裸机上，因此它可以控制各种电子项目。
Github上的星星：9,197
19.猕猴桃
Kivy是一个Python库，用于通过自然用户界面（NUI）开发移动应用程序和其他多点触控应用程序。 它具有一个图形库，几个小部件选项，一种用于创建自己的小部件的中间Kv语言，对鼠标，键盘，TUIO和多点触摸输入事件的支持。 这是一个开源库，可通过创新的用户界面快速进行应用程序开发。 它是跨平台的，对企业友好的并且具有GPU加速功能。
Github上的星星：9,930
20.破折号
Plotly的Dash是一个Web应用程序框架。 它基于Flask，Plotly.js，React和React.js构建，它使我们能够使用Python来构建仪表板。 它提供了Python和R比例模型。 Dash允许您创建，测试，部署和编译报告，而无需使用DevOps，JavaScript，CSS或CronJobs。 Dash功能强大，可自定义，轻巧且易于管理。 它还具有开源代码。
GitHub星星：9.883
21.洋红色
Magenta是一个开源研究项目，致力于将机器学习作为创作过程中的一种工具。 这使您可以通过机器学习来创作音乐和艺术作品。 Magenta是基于TensorFlow的Python库，具有用于处理源数据，用于训练机器模型和创建新内容的实用程序。
22. R-CNN遮罩
这是Python 3，TensorFlow和Keras中R-CNNN掩码的实现。 该模型获取栅格上对象的每个实例，并为其创建边界框架和分段蒙版。 它使用功能金字塔网络（FPN）和ResNet101中继。 该代码很容易扩展。 该项目还提供了由客户捕获的重建3D空间上的Matterport3D数据集...
GitHub星星：14,055
23. TensorFlow模型
这是一个在TensorFlow中实现了各种模型的仓库-官方模型和研究模型。 他还提供样品和教具。 官方模型使用高级TensorFlow API。 研究模型是由TensorFlow研究人员实施的模型，用于支持或支持问题并接收查询。
Github上的星星：57,745
24. Snallygaster
Snallygaster是一种解决项目委员会问题的方法。 因此，您可以在GitHub上配置项目控制面板，优化和自动化工作流程。 它使您可以对任务进行排序，计划项目，自动化工作流程，跟踪进度，共享状态并最终完成。 Snallygaster可以扫描HTTP服务器上的秘密文件-它查找Web服务器上可用的文件，这些文件不应公开访问，并可能带来安全风险。
Github上的星星：1,477
25.统计模型
这是
一个Python软件包 ，可补充scipy用于统计计算，包括描述性统计以及统计模型的估计和结论。 为此，它具有类和函数。 它还使我们能够进行统计测试和统计研究。
GitHub上的星星：4,246
26. WhatWaf
这是一个高级防火墙检测工具，我们可以使用它来了解是否存在Web应用程序防火墙。 它检测Web应用程序中的防火墙，并尝试在指定的目标上检测该防火墙的一种或多种解决方法。
GitHub星数：1,300
27.绞车
Chainer是
一个专注于灵活性
的深度学习环境 。 它基于Python，并提供基于运行定义方法的差异化API。 Chainer还提供用于构建和训练神经网络的高级面向对象的API。 它是神经网络的强大，灵活和直观的结构。
Github上的星星：5.054
28.篮板
反弹是命令行工具。 当您收到编译器错误消息时，它将立即从溢出的堆栈中获取结果。 要使用此功能，可以使用反弹命令执行文件。 这是2018年50个最受欢迎的Python开源项目之一。 另外，它需要Python 3.0或更高版本。 支持的文件类型：Python，Node.js，Ruby，Golang和Java。
Github上的星星：2913
29.侦探
Detectron执行最先进的对象检测（还实现了R-CNN掩码）。 这是由Python编写并由Caffe2深度学习平台提供支持的Facebook AI Research（FAIR）软件。 Detectron的目标是为对象检测研究提供高质量和高性能的代码库。 它非常灵活，并实现以下算法-R-CNN掩码，RetinaNet，更快的R-CNN，RPN，更快的R-CNN，R-FCN。
Github上的星星：21,873
30. Python射击
这是一个用于从（任何）Python对象自动生成CLI（命令行界面）的库。 它还允许您开发和调试代码，以及检查现有代码或将其他人的代码转换为CLI。 Python Fire促进了Bash和Python之间的过渡，也促进了REPL的使用。
Github上的星星：15,299
31. Pylearn2
Pylearn2是主要基于Theano构建的机器学习库。 其目的是为了方便学习ML。 允许您编写新的算法和模型。
GitHub星星：2681
32. Matplotlib
Matplotlib是适用于Python的2D图形库-它生成各种格式的高质量出版物。
Github上的星星：10,072
33.茶野
Theano是一个用于处理数学和矩阵表达式的库。 它也是一个优化的编译器。 Theano使用
类似于NumPy的语法来表达计算并将其编译为可在CPU或GPU架构上工作。 这是一个用Python和CUDA编写并在Linux，macOS和Windows上运行的开源Python机器学习库。
Github上的星星：8,922
34. Multidiff
Multidiff旨在促进对面向机器的数据的理解。 它有助于查看大量对象之间的差异，在相应的对象之间进行差异，然后显示它们。 这种可视化使我们能够搜索自己的协议或不寻常的文件格式的模式。 它还主要用于逆向工程和二进制数据分析。
Github上的星星：262
35. Som-茶匙
该项目专注于使用自组织地图来解决旅行推销员问题。 使用SOM，我们找到了TSP问题的非最佳解决方案，并为此使用.tsp格式。 TSP是一个NP完全问题，并且随着城市数量的增加，它变得越来越难以解决。
GitHub星星：950
36.光子
Photon是专为OSINT设计的超快速网络扫描仪。 它可以检索URL，参数URL，Intel信息，文件，私钥，JavaScript文件，正则表达式匹配项和子域。 然后可以将提取的信息保存为json格式并导出。 光子是灵活而辉煌的。 您也可以向其中添加一些插件。
GitHub星数：5714
37.社交映射器
社交映射器是一种社交媒体映射工具，可使用面部识别来关联个人资料。 他在各种网站上进行了大规模的操作。 Social Mapper会自动在社交网络上搜索姓名和照片，然后尝试查明并分组某人的存在。 然后，他创建报告以供人工验证。 这在安全行业（例如，网络钓鱼）中很有用。 它支持LinkedIn，Facebook，Twitter，Google Plus，Instagram，VKontakte，微博和豆瓣。
GitHub上的星星：2,396
38.卡米洛
Camelot是一个Python库，可帮助您从PDF文件提取表。 它适用于文本PDF文件，但不适用于扫描的文档。 在这里，每个表都是一个熊猫DataFrame。 此外，您可以将表格导出到.json，.xls，.html或.sqlite。
Github上的星星：2415
39.讲师
这是Qt电子书阅读器。 它支持.pdf，.epub，.djvu，.fb2，.mobi，.azw / .azw3 / .azw4，.cbr / .cbz和.md文件格式。 Lector具有一个主窗口，一个表，一个书本，一个无干扰的视图，对注释的支持，漫画和设置窗口。 它还支持书签，配置文件浏览，元数据编辑器和内置词典。
GitHub星星：835
40. m00dbot
这是一个用于自我测试抑郁和焦虑的电报机器人。
GitHub星星：145
41.马尼姆
这是一个动画引擎，用于解释数学视频，您可以使用这些视频以编程方式创建精确的动画。 为此，他使用Python。
Github上的星星：13,491
42. Douyin-Bot
用Python编写的机器人，用于类似Tinder的应用程序。 来自中国的开发商。
GitHub星星：5.959
43. XSStrike
这是一个具有四个手写解析器的跨站点脚本发现包。 它还具有智能有效载荷生成器，强大的模糊引擎和超乎寻常的快速搜索引擎。 XSStrike不需要像其他所有工具一样输入有用的数据并检查其操作，而是使用多个分析器识别答案，然后处理有用的数据，这可以通过使用集成到模糊机制中的上下文分析来保证能正常工作。
GitHub星星：7050
44. Python机器人学
该项目是Python-robotics算法以及自主导航算法中代码的集合。
Github上的星星：6,746
45. Google图片下载
Google图片下载是一个命令行Python程序，可在Google图片中搜索关键字并为您获取图片。 如果您只需要为每个关键字上传最多100张图片，这是一个没有依赖性的小型程序。
GitHub星星：5749
46.陷阱
允许您实时跟踪和执行智能的社会工程攻击。 这有助于弄清大型互联网公司如何在不知情的情况下接收机密信息并控制用户。 陷阱还可以帮助追踪网络犯罪分子。
Github上的星星：4256
47. Xonsh
Xonsh是一种跨平台的，注视Unix的Python命令行语言和命令行外壳。 这是Python 3.5+的超集，带有其他Shell原语，例如Bash和IPython。 Xonsh在Linux，Max OS X，Windows和其他主要系统上运行。
Github上的星星：3426
48. CLI的GIF
这需要GIF或简短的视频或请求，并使用Tenor GIF API将其转换为ASCII动画图形。 它对动画和颜色使用ANSI转义序列。
GitHub星星：2,547
49.卡通化
Draw这是一个能够绘制卡通的宝丽来相机。 它使用神经网络进行对象识别，使用Google Quickdraw数据集，热敏打印机和Raspberry Pi。 快画！ -这是一款Google游戏，要求玩家绘制一个对象/构想的图像，然后他尝试在不到20秒的时间内猜出他所代表的意思。
GitHub星星：1,760
50.祖利普
Zulip是一个实时群聊应用程序，并且由于多线程对话而非常高效。 许多《财富》 500强公司和开源项目都使用它进行实时聊天，每天可以处理数千条消息。
Github上的星星：10,432
51. YouTube-dl
这是一个命令行程序，可以从YouTube和其他一些网站下载视频。 它不依赖于特定平台。
Github星级：55,868
52. Ansible
, : , , , , .
Github: 39,443
53. HTTPie
HTTPie — HTTP- . CLI -. http, HTTP , . , HTTP-.
Github: 43 199
54. Tornado Web Server
-, Python. / . WebSockets.
Github: 18 306
55. Requests
Requests — , HTTP/1.1 . URL- PUT POST.
Github: 40 294
56. Scrapy
Scrapy — - — - . , .
Github: 34,493
另请阅读博客
EDISON公司：
20个图书馆
壮观的iOS应用程序