① 請大俠給推薦幾個python搞的開源的項目的例子
Python的開源項目很多呀
比如Twisted，Tornado做web伺服器
wxPython做GUI
Django做網站
還有做科學計算的NumPy等等
這些都是很大的，其他中小型的非常多，在GitHub上有很多可以搜索到。
另外還有基於Python的一些網站，比如很著名的豆瓣，知乎，果殼。
另外非常多網頁游戲的後端都是用Python實現的。雖然這些不開源，但是基本的技術都可以在開源項目里找到原型。
② 收藏!3個最佳學習Python編程的開源庫
1、learn-python3
這個存儲庫一共有19本Jupyter筆記本。它涵蓋了字元串和條件之類的基礎知識，然後討論了面向對象編程，以及如何處理異常和一些Python標准庫的特性等。每一個主題都有一個“notebook”鏈接，它會向你介紹該主題和一些示例代碼，當你完成這些內容之後，還有一個練習鏈接，點擊後你就可以做一些測試題。
項目地址：https://github.com/jerry-git/learn-python3
2、learn-python
這個存儲庫還可以作為Python的介紹，幫助你從初級水平上升至中級，這里的中級指的是熟練地使用這種編程語言，而不僅僅是簡單的循環和演算法。該存儲庫是一個Python腳本集合，每個腳本都是一個核心類別的子主題，比如“操作符”、“數據類型”和“控制流”。
你不必完整地學習該課程，正如作者指出的那樣，你還可以將存儲庫用作備忘單，在需要的時候，快速查找，查看文檔，查看代碼，然後運行測試，看代碼是否能正常運行，是否按照代碼准則編寫。
項目地址：https://github.com/trekhleb/learn-python/blob/master/src/control_flow/test_if.py
3、full-speed-python
該存儲庫快速介紹了字元串和列表等基礎知識，然後快速深入到更高級的主題，“類”和“非同步編程”等，作者在寫這本書時採用了一種實用的方法，用代碼示例簡要介紹了每個主題，然後直接跳到練習問題，讓讀者可以自己嘗試。你可以在項目詳情頁下載pdf/epub文件。
項目地址：https://github.com/joaoventura/full-speed-python
關於3個最佳學習Python編程的開源庫，青藤小編就和您分享到這里了。如果您對python編程有濃厚的興趣，希望這篇文章可以為您提供幫助。如果您還想了解更多關於python編程的技巧及素材等內容，可以點擊本站的其他文章進行學習。
③ 有哪些值得推薦的 Python 開發工具
第一種：PTVS，一個在github上的開源項目
PTVS在 IronPython Tools for Visual
Studio的代碼基礎上進行了增強並添加了對Cython、集群的支持，以及諸如Numpy和Scipy這樣的新模塊。
第二種：Eclipse，跨平台的自由集成開發環境
主要用來java語言開發，但也可以通過插件使其成為其他計算機編程語言的開發工具，比如Python、C++等。
Eclipse最初是由IBM公司開發的替代商業軟體Visual Age for
java的下一代IDE開發環境，2001年貢獻給開源社區，由非營利軟體供應商聯盟Eclipse基金會管理。
第三種：PyCharm，由JetBrains打造的一款Python IDE
PyCharm是一種Python IDE(Integrated Development
Environment，集成開發環境)，帶有一整套可以幫助用戶在使用Python語言開發時提高其效率的工具，比如調試、語法高亮、項目管理、代碼跳轉、智能提示、自動完成、單元測試、版本控制。此外，該IDE提供了一些高級功能，以用於支持Django框架下的專業Web開發。
第四種：IPython，是一個互動式計算系統
IPython是Python的原生互動式shell的增強版，可以完成許多不同尋常的任務，比如幫助實現並行化計算;主要使用它提供的交互性幫助，比如代碼著色、改進了命令行回調、製表符完成、宏功能以及改進了互動式幫助。
第五種：Eric5，一個集成了項目管理功能的 Python 集成開發環境
Eric5提供無限制數量的編輯器、集成的Python shell、集成調試器、集成對包括 Subversion 和
Mercurial版本控制系統的支持，集成單元測試等。
④ 10個讓你愛不釋手的Python開源框架
如果你正在學習python，那麼這10個開源框架，你可千萬別錯過，這些框架包括事件I/O，OLAP，Web開發，高性能網路通信，測試，爬蟲等。雖說不上是全都有，但也足夠滿足你了。
0.Django：Python Web應用開發框架
眾所周知，Python下有許多款不同的 Web 框架。而其中，Django是最具代表性之一，許多成功的網站和APP都基於Django。
Django是是一個全能型框架，它最出名的是其全自動化的管理後台：只需要使用起ORM，做簡單的對象定義，它就能自動生成資料庫結構、以及全功能的管理後台。
相關推薦：《Python教程》
1.Cubes：輕量級Python OLAP框架
Cubes是一個輕量級Python框架，包含OLAP、多維數據分析和瀏覽聚合數據（aggregated data）等工具。
2.Kartograph.py：創造矢量地圖的輕量級Python框架
Kartograph是一個Python庫，用來為ESRI生成SVG地圖。Kartograph.py目前仍處於beta階段，你可以在virtualenv環境下來測試。
3.Pulsar：Python的事件驅動並發框架
Pulsar是一個來自eBay的高擴展性、高可用性、基於事件驅動的開源實時分析平台和流處理框架,它能夠實時收集和處理用戶行為和業務事件。
4.Tornado：非同步非阻塞IO的Python Web框架
Tornado的全稱是Torado Web Server，傳說中性能高高的框架。Tornado 是一個很好的框架，支持非同步處理的功能，這是它的特點，其他框架不支持。另外一點是，Tornado 的設計似乎更注重 RESTful URL。
5.Bottle：微型Python Web框架
Bottle 和 Flask 都屬於輕量級的 Web 框架。說微型，是因為它只有一個文件，除Python標准庫外，它不依賴於任何第三方模塊。6.Web2py：全棧式Web框架
Web2py是 Google 在 web.py 基礎上二次開發而來的，兼容 Google App Engine 。是一個為Python語言提供的全功能Web應用框架，旨在敏捷快速的開發Web應用，具有快速、安全以及可移植的資料庫驅動的應用。
7.Falcon：構建雲API和網路應用後端的高性能Python框架
Falcon是一個構建雲API的高性能Python框架，是一個面向Hadoop的數據集和處理過程的管理平台。它鼓勵使用REST架構風格，盡可能以最少的力氣做最多的事情。
8.Diesel：基於Greenlet的事件I/O框架
Diesel提供一個整潔的API來編寫網路客戶端和伺服器。支持TCP和UDP。非阻塞I/O使得diesel非常快速並且容易擴展。
greenlets使得diesel有了unwind（to(callbacks(no)))。nose使得測試變得容易。最後，Flask使得你不需要寫一個新的網路框架來使用diesel。
9.Flask：一個用Python編寫的輕量級Web應用框架
Flask同樣也是一個Python編寫的Web 微框架,能夠快速實現一個網站或Web服務。屬於輕量級Web應用框架。花很少的成本就能夠開發一個簡單的網站。非常適合初學者學習。Flask 框架學會以後，可以考慮學習插件的使用。
Flask也被稱為「microframework」，因為它使用簡單的核心，用extension增加其他功能。
⑤ 請推薦幾個比較優秀的Python開源項目，用來學習的
科學計算：matplotlib、numpy、scipy
web框架：flask、django
GUI：PyQt、WxPython
網路爬蟲：Scrapy
HTML解析：BeautifulSoup、lxml
⑥ python 集成開發環境哪個好
1、Pydev + Eclipse：免費的開發工具。使用非常普遍，最重要的就是免費，同時還提供很多強大的功能來支持高效的Python編程。之所以可以高居榜首，因為擁有眾多關鍵功能：Django集成、自動代碼補全、多語言支持、集成的Python調試、代碼分析等。
2、PyCharm：商業化開發工具。是專業的Python集成開發環境，有兩個版本，一個是免費的社區版本，另外一個是面向企業開發者更先進的專業版本。同時擁有眾多功能，專業版本要更加高級，支持更多高級功能，比如遠程開發功能、資料庫支持等。
3、VIM：先進的文本編輯器：在Python開發者社區中很受喜歡，是一個開源軟體並且遵循GPL協議，可以免費使用。是一個非常好的文本編輯器，還是一個輕量級的、模塊化、快速響應的工具，如果你在尋找一個linux系統下的python IDE，那麼VIM將是你的不二選擇。
4、Wing IDE：同屬於商業化工具。可以在windows、OS X和Linux系統上，支持最新版本的python，包括stackless Python，擁有三個版本，包含基礎版，個人版，專業版。此款工具最大亮點就是多線程調試，線程代碼調試，自動子進程調試，斷點等功能。
5、Spyder Python：開源的Python開發環境。非常適合用來進行科學計算方面的python開發，屬於輕量級軟體，用Python開發的，遵循MIT協議，可免費使用。
⑦ 初學Python 有什麼比較好的開源項目推薦
在github里輸入python，裡面就有海量到python項目可以供你參與，是學習的重要場所。
⑧ 2017年10大流行Python庫有哪些
1、NumPy
NumPy是構建科學計算 stack 的最基礎的包。它為 Python 中的 n 維數組和矩陣的操作提供了大量有用的功能。該庫還提供了 NumPy 數組類型的數學運算向量化，可以提升性能，從而加快執行速度。
2、SciPy
SciPy 是一個工程和科學軟體庫， 包含線性代數、優化、集成和統計的模塊。SciPy 庫的主
要功能建立在 NumPy 的基礎之上，它通過其特定的子模塊提供高效的數值常式操作。SciPy 的所有子模塊中的函數都有詳細的文檔，這也是一個優勢。
3、Pandas
Pandas是一個 Python 包，旨在通過「標記(labeled)」和「關系(relational)」數據進行工作，簡單直觀。Pandas 是 data wrangling 的完美工具。它設計用於快速簡單的數據操作、聚合和可視化。
4、Seaborn
Seaborn 主要關注統計模型的可視化;這種可視化包括熱度圖(heat map)，可以總結數據但也描繪總體分布。Seaborn 基於 Matplotlib，並高度依賴於它。
5、Bokeh
Bokeh是一個很好的可視化庫，其目的是互動式可視化，不過這個庫獨立於 Matplotlib，它通過現代瀏覽器以數據驅動文檔(D3.js)的風格呈現。
6、Scikits
Scikits 是 SciPy Stack 的附加軟體包，專為特定功能(如圖像處理和輔助機器學習)而設計。其中最突出的一個是 scikit-learn。該軟體包構建於 SciPy 之上，並大量使用其數學操作，是使用 Python 進行機器學習的實際上的行業標准。
7、Theano
Theano 是一個 Python 包，它定義了與 NumPy 類似的多維數組，以及數學運算和表達式。該庫是經過編譯的，使其在所有架構上能夠高效運行。這個庫最初由蒙特利爾大學機器學習組開發，主要是為了滿足機器學習的需求。
8、Keras
Keras是一個使用高層介面構建神經網路的開源庫，它是用 Python 編寫的。它簡單易懂，具有高級可擴展性。Keras 極其容易上手，而且可以進行快速的原型設計，足以用於嚴肅的建模。
9、Gensim
Gensim是一個用於 Python 的開源庫，實現了用於向量空間建模和主題建模的工具。Gensim 實現了諸如分層 Dirichlet 進程(HDP)、潛在語義分析(LSA)和潛在 Dirichlet 分配(LDA)等演算法，還有 tf-idf、隨機投影、word2vec 和 document2vec，以便於檢查一組文檔(通常稱為語料庫)中文本的重復模式。
10、Scrapy
Scrapy 是用於從網路檢索結構化數據的爬蟲程序的庫。它現在已經發展成了一個完整的框架，可以從 API 收集數據，也可以用作通用的爬蟲。該庫在介面設計上遵循著名的 Don』t Repeat Yourself 原則——提醒用戶編寫通用的可復用的代碼，因此可以用來開發和擴展大型爬蟲。
⑨ 最受歡迎的 15 大 Python 庫有哪些
1、Pandas：是一個Python包，旨在通過「標記」和「關系」數據進行工作，簡單直觀。它設計用於快速簡單的數據操作、聚合和可視化，是數據整理的完美工具。
2、Numpy：是專門為Python中科學計算而設計的軟體集合，它為Python中的n維數組和矩陣的操作提供了大量有用的功能。該庫提供了NumPy數組類型的數學運算向量化，可以改善性能，從而加快執行速度。
3、SciPy：是一個工程和科學軟體庫，包含線性代數，優化，集成和統計的模塊。SciPy庫的主要功能是建立在NumPy上，通過其特定子模塊提供有效的數值常式，並作為數字積分、優化和其他常式。
4、Matplotlib：為輕松生成簡單而強大的可視化而量身定製，它使Python成為像MatLab或Mathematica這樣的科學工具的競爭對手。
5、Seaborn：主要關注統計模型的可視化(包括熱圖)，Seaborn高度依賴於Matplotlib。
6、Bokeh：獨立於Matplotlib，主要焦點是交互性，它通過現代瀏覽器以數據驅動文檔的風格呈現。
7、Plotly：是一個基於Web用於構建可視化的工具箱，提供API給一些編程語言(Python在內)。
8、Scikits：是Scikits
Stack額外的軟體包，專為像圖像處理和機器學習輔助等特定功能而設計。它建立在SciPy之上，中集成了有質量的代碼和良好的文檔、簡單易用並且十分高效，是使用Python進行機器學習的實際行業標准。
9、Theano：是一個Python軟體包，它定義了與NumPy類似的多維數組，以及數學運算和表達式。此庫是被編譯的，可實現在所有架構上的高效運行。
10、TensorFlow：是數據流圖計算的開源庫，旨在滿足谷歌對訓練神經網路的高需求，並且是基於神經網路的機器學習系統DistBelief的繼任者，可以在大型數據集上快速訓練神經網路。
11、Keras：是一個用Python編寫的開源的庫，用於在高層的介面上構建神經網路。它簡單易懂，具有高級可擴展性。
12、NLTK：主要用於符號學和統計學自然語言處理(NLP) 的常見任務，旨在促進NLP及相關領域(語言學，認知科學人工智慧等)的教學和研究。
13、Gensim：是一個用於Python的開源庫，為有向量空間模型和主題模型的工作提供了使用工具。這個庫是為了高效處理大量文本而設計，不僅可以進行內存處理，還可以通過廣泛使用NumPy數據結構和SciPy操作來獲得更高的效率。