python盈利项目

许多开发者都有定期浏览 GitHub 的习惯，对于 GitHub 上如此众多的项目，有人不断分享，有人不断 Mark。每个人浏览的时候，都会注意到 Star 的数量，它代表着这个项目的热度，今天，我们依照 Star 数，盘点 GitHub 上Python 语言中最火的 15 个开源项目，希望对你有帮助，排名如下：

1

机器学习系统 tensorflow

Google 的 TensorFlow 是最流行的开源 AI 库之一。它的高计算效率，丰富的开发资源使它被企业和个人开发者广泛采用。TensorFlow 是一个采用数据流图，用于数值计算的开源软件库。TensorFlow 最初由Google 大脑小组（隶属于 Google 机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。想要更深入了解可点击《快速入门 Google 机器学习系统 TensorFlow》

2

oh-my-zsh

oh-my-zsh 是基于 zsh 的功能做了一个扩展，方便的插件管理、主题自定义，以及漂亮的自动完成效果。 Zsh 和 bash 一样，是一种 Unix shell，但大多数 Linux 发行版本都默认使用 bash shell。但 Zsh 有强大的自动补全参数、文件名、等功能和强大的自定义配置功能。

3

命令行 HTTP 工具包

HTTPie 是一个命令行 HTTP 客户端，提供命令行交互方式来访问 HTTP 服务。其目标是使CLI 与 Web 服务的交互尽可能人性化。它提供了一个简单的 http 命令，允许使用简单自然的语法发送任意 HTTP 请求。

4

shell 命令行拓展 thefuck

首先这个项目的名字就很引人注目，取名为 thefuck 的原因是任何情况下你想说“我操”，你都可以用得到 thefuck。theFuck 是一个高可配置的应用，用户可以开启或关闭规则、配置 UI、设置规则选项还有进行其他的操作。Fuck 的 UI 很简单，它允许用户通过（上下）箭头的方式在修正过的命令列表中进行选择，使用 Enter 来确认选择，Ctrl+C 来跳出程序。 不足的是在 Python 标准库中没有办法在非 Windows 下不通过 curses 来读取键盘输入

5

微型 Python 框架 Flask

Flask 是一个微型的 Python 开发的 Web 框架，基于Werkzeug WSGI工具箱和Jinja2 模板引擎。 Flask 使用 BSD 授权。 Flask 也被称为“microframework”，因为它使用简单的核心，用 extension 增加其他功能。Flask 没有默认使用的数据库、窗体验证工具。然而，Flask 保留了扩增的弹性，可以用 Flask-extension 加入这些功能：ORM、窗体验证工具、文件上传、各种开放式身份验证技术。

6

Python Web 框架 Django

Django 是 Python 编程语言驱动的一个开源模型-视图-控制器（MVC）风格的 Web 应用程序框架。但是在Django中，控制器接受用户输入的部分由框架自行处理，所以 Django 里更关注的是模型(Model)、模板(Template)和视图(Views)，称为 MTV 模式。使用 Django，我们在几分钟之内就可以创建高品质、易维护、数据库驱动的应用程序。

7

jQuery-File-Upload

jQuery File Upload 是一个 jQuery 图片上传组件，支持多文件上传、取消、删除，上传前缩略图预览、列表显示图片大小，支持上传进度条显示；支持各种动态语言开发的服务器端。

8

Python 的 HTTP 客户端库 requests

requests 是 Python 的一个 HTTP 客户端库，跟 urllib，urllib2 类似，那为什么要用 requests 而不用 urllib2 呢？以为 Python 的标准库 urllib2 提供了大部分需要的 HTTP 功能，但是API太逆天了，一个简单的功能就需要一大堆代码。 看了 requests 的文档，确实很简单，尤其适合懒人。

9

计算机系统配置管理器 ansible

Ansible 提供一种最简单的方式用于发布、管理和编排计算机系统的工具，你可在数分钟内搞定。Ansible 是一个模型驱动的配置管理器，支持多节点发布、远程任务执行。默认使用 SSH 进行远程连接。无需在被管理节点上安装附加软件，可使用各种编程语言进行扩展。

10

Web 爬虫框架 scrapy

Scrapy 是 Python 开发的一个快速,高层次的屏幕抓取和 Web 抓取框架，用户只需要定制开发几个模块就可以轻松的实现一个爬虫，用来抓取网页内容以及各种图片，非常之方便。Scrapy用途广泛，可以用于数据挖掘、监测和自动化测试。

Scrapy 吸引人的地方在于它是一个框架，任何人都可以根据需求方便的修改。它也提供了多种类型爬虫的基类，如 BaseSpider、sitemap 爬虫等

11

Python 的机器学习项目 scikit-learn

scikit-learn 是一个 Python 的机器学习项目。是一个简单高效的数据挖掘和数据分析工具。基于 NumPy、SciPy 和 matplotlib 构建。基于 BSD 源许可证。scikit-learn 的基本功能主要被分为六个部分，分类，回归，聚类，数据降维，模型选择，数据预处理

12

神经网络库 keras

Keras 是一个极简的、高度模块化的神经网络库，采用 Python（Python 2.7-3.5.）开发，能够运行在 TensorFlow 和 Theano 任一平台，好项目旨在完成深度学习的快速开发。keras 的几大特点：文档齐全、上手快速、纯 Python 编写、关注度高更新迅速、论坛活跃、就是运行速度不太快，当然，有的人就是不 care 速度

13

Web 服务器 Tornado

Tornado 是使用 Python 开发的全栈式（full-stack）Web框架和异步网络库，最早由 Friendfeed 开发。通过使用非阻塞 IO，Tornado 可以处理数以万计的开放连接，是 long polling、WebSockets 和其他需要为用户维护长连接应用的理想选择。Tornado 跟其他主流的Web服务器框架（主要是 Python 框架）不同是采用 epoll 非阻塞 IO，响应快速，可处理数千并发连接，特别适用用于实时的 Web 服务。

14

Python 解释器 CPython

CPython 是用C语言实现的 Python 解释器，也是官方的并且是最广泛使用的Python解释器。除了 CPython 以外，还有用 JAVA 实现的 Jython 和用 .NET 实现的 IronPython，使 Python 方便地和 JAVA 程序、.NET 程序集成。另外还有一些实验性的 Python 解释器比如 PyPy。

CPython 是使用字节码的解释器，任何程序源代码在执行之前先要编译成字节码。它还有和几种其它语言（包括C语言）交互的外部函数接口。

14

工具包 CNTK

来自微软公司的 CNTK 工具包的效率，“比我们所见过的都要疯狂”。 这部分归功于 CNTK 可借助图形处理单元（GPU）的能力，微软自称是唯一公开“可扩展 GPU”功能的公司。（从单机上的 1 个、延伸至超算上的多个） 在与该公司的网络化 GPU 系统（称之为Azure GPU Lab）匹配之后，它将能够训练深度神经网络来识别语音，让 Cortana 虚拟助理的速度达到以前的十倍。 去年 4 月的时候，CNTK 就已经面向研究人员开放，只是当时的开源授权限制颇多。不过现在，它已经彻底开放了，而深度学习的初创者们将最为受益。

▌Rank 1：Requests-HTML v0.9（7385 stars on Github，来自Kenneth Reitz）

该库旨在尽可能简单直观地解析 HTML，仅支持 Python 3.6。

项目地址：https://github/kennethreitz/requests-html

▌Rank 2：PyTest v3.5（2453 stars on Github，来自Pytest-dev）

该项目是一个可扩展的 Python 框架，可以轻松编写小型测试，支持更复杂的功能测试。

项目地址：https://github/pytest-dev/pytest

▌Rank 3：Lector（327 stars on Github，来自BasioMeusPuga）

基于 Qt 的电子书阅读器

项目地址：https://github/BasioMeusPuga/Lector

▌Rank 4：Asciinema v2.0（5491 stars on Github，来自Asciinema）

Python 编写的终端会话录制器。

项目地址：https://github/asciinema/asciinema

▌Rank 5：Snips-nlu v0.13（1416 stars on Github，来自Snips）

Snips-nlu 是一个 Python 库，可以解析用自然语言编写的句子并提取结构化信息。

项目地址：https://github/snipsco/snips-nlu

▌Rank 6：Black（1665 stars on Github，来自ukasz Langa）

Python 代码格式化工具库。

项目地址：https://github/ambv/black

▌Rank 7：Instagram-terminal-news-feed（690 stars on Github，来自Bill Cheng）

Instagram Terminal Feed

项目地址：https://github/billcccheng/instagram-terminal-news-feed

▌Rank 8：Makesite（481 stars on Github，来自Sunaina Pai）

适合 Python 工程师的简单、轻量级静态网站/博客生成器。

项目地址：https://github/sunainapai/makesite

▌Rank 9：Twitter-scraper（832 stars on Github，来自Kenneth Reitz）

Python 写的 Twitter 爬虫工具，无 API 流速限制，非常高效，可轻松获取任何用户的推文。

项目地址：https://github/kennethreitz/twitter-scraper

▌Rank 10：Fast-Pandas（667 stars on Github，来自M. Mansour）

Pandas 是为数据科学家和开发人员提供的最灵活、最强大的工具之一。开发者可通过几种方式执行特定的任务。Fast-Pandas 旨在针对这些情况下的不同可用方法进行基准测试。此外，在 numpy 和 pandas 中都有专门的功能部分。

项目地址：https://github/mm-mansour/Fast-Pandas

原文地址：https://medium.mybridge.co/python-top-10-open-source-of-the-month-v-apr-2018-9e91343756a

前几天看到一条新闻，说是高中生课程里面开设python课程了，这小孩子都来抢占市场了，这就是打了很多人的脸，特别是已经毕业很多年或者正在学校的人，小孩子都作为标准的教材来学习了，作为过来人还有什么理由说学不好。让自己做得多说的少最合适。

说到python现在处于风口期，相对来说入门也比较容易。在人工智能以及大数据分析上都具备很强的特性。

Python语言易学易学，高效开发。Python语言开发的开源项目非常活跃。下面是五个最活跃的Python开源项目。

1）排名第一，当然是关于机器学习谷歌开源项目tensorflow，TensorFlow是一个对数值计算的数据流图，对开源项目的统计，这个项目被宣布与一百万星和叉，被广泛应用于机器学习和深度神经网络研究。

2）第二个地方是python的新烧瓶。烧瓶是一个小型的Python Web开发框架。它是基于WSGI工具箱和jinja2模板引擎，它可以配置和开发Python网站最灵活快速的。

3。）第三的地方是在Python Web方向的经典Django，和Django Web框架，采用m-v-t设计模式。在Django，由于控制器接受用户输入部分由框架本身的处理，所以Django编程更侧重于模型（模型）、模板（模板）和视图（视图）。小编推荐一个学Python的学习裙【五八八，零九零，九四二】,无论你是大牛还是小白，是想转行还是想入行都可以来了解一起进步一起学习！裙内有很多干货和技术分享使用Django，我们可以快速创建高质量、易维护、数据库驱动的Web服务程序，特别是与学生建立数据库的操作不是很熟悉，宝。

4）是Python的成熟，功能齐全的排在功能测试框架pytest pytest测试框架第四，可以帮助你更好的编写自动化测试程序，它可以适应全功能测试，集成测试复杂，从简单的单元测试，以及众多的支持插件开发。

5）在数据收集工具Scrapy排名第五，Scrapy是一个优秀的数据网络爬虫框架，用户只需要定制几个模块的开发可以实现完美的网络爬虫容易，使用它来抓取网页内容的数据和各种图像文件等非常方便；Scrapy还提供各种履带式基础的类型，如basespider和站点；Scrapy被广泛应用于数据挖掘、网络监控和自动测试等。

以上排名是基于代码提交和叉活动的排名，只反映了开源代码的流行，企业市场应用不热，注意差异，你必须根据自己的需要选择适合你的项目的python开源框架和工具。

不管你是怀着什么目的，求职加薪，或者是兴趣。首先你得准备吃苦的思想准备。学编程语言是枯燥的，得持之以恒。如果学python都是从入门到放弃，那么学其它东西会更难。

还需要有些自学能力，出现问题，自己尝试解决。多加练习，在练习和不断挫折中理解和掌握，熟能生巧。

不要急躁，真正能为你所用的技能，不是一朝一夕速成的。真正能被你吸收的养分，不是别人嚼烂了给你。你自己体会到的知识，才会被你吸收，在大脑里停留许久。