① 请大侠给推荐几个python搞的开源的项目的例子
Python的开源项目很多呀
比如Twisted，Tornado做web服务器
wxPython做GUI
Django做网站
还有做科学计算的NumPy等等
这些都是很大的，其他中小型的非常多，在GitHub上有很多可以搜索到。
另外还有基于Python的一些网站，比如很着名的豆瓣，知乎，果壳。
另外非常多网页游戏的后端都是用Python实现的。虽然这些不开源，但是基本的技术都可以在开源项目里找到原型。
② 收藏!3个最佳学习Python编程的开源库
1、learn-python3
这个存储库一共有19本Jupyter笔记本。它涵盖了字符串和条件之类的基础知识，然后讨论了面向对象编程，以及如何处理异常和一些Python标准库的特性等。每一个主题都有一个“notebook”链接，它会向你介绍该主题和一些示例代码，当你完成这些内容之后，还有一个练习链接，点击后你就可以做一些测试题。
项目地址：https://github.com/jerry-git/learn-python3
2、learn-python
这个存储库还可以作为Python的介绍，帮助你从初级水平上升至中级，这里的中级指的是熟练地使用这种编程语言，而不仅仅是简单的循环和算法。该存储库是一个Python脚本集合，每个脚本都是一个核心类别的子主题，比如“操作符”、“数据类型”和“控制流”。
你不必完整地学习该课程，正如作者指出的那样，你还可以将存储库用作备忘单，在需要的时候，快速查找，查看文档，查看代码，然后运行测试，看代码是否能正常运行，是否按照代码准则编写。
项目地址：https://github.com/trekhleb/learn-python/blob/master/src/control_flow/test_if.py
3、full-speed-python
该存储库快速介绍了字符串和列表等基础知识，然后快速深入到更高级的主题，“类”和“异步编程”等，作者在写这本书时采用了一种实用的方法，用代码示例简要介绍了每个主题，然后直接跳到练习问题，让读者可以自己尝试。你可以在项目详情页下载pdf/epub文件。
项目地址：https://github.com/joaoventura/full-speed-python
关于3个最佳学习Python编程的开源库，青藤小编就和您分享到这里了。如果您对python编程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于python编程的技巧及素材等内容，可以点击本站的其他文章进行学习。
③ 有哪些值得推荐的 Python 开发工具
第一种：PTVS，一个在github上的开源项目
PTVS在 IronPython Tools for Visual
Studio的代码基础上进行了增强并添加了对Cython、集群的支持，以及诸如Numpy和Scipy这样的新模块。
第二种：Eclipse，跨平台的自由集成开发环境
主要用来java语言开发，但也可以通过插件使其成为其他计算机编程语言的开发工具，比如Python、C++等。
Eclipse最初是由IBM公司开发的替代商业软件Visual Age for
java的下一代IDE开发环境，2001年贡献给开源社区，由非营利软件供应商联盟Eclipse基金会管理。
第三种：PyCharm，由JetBrains打造的一款Python IDE
PyCharm是一种Python IDE(Integrated Development
Environment，集成开发环境)，带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，比如调试、语法高亮、项目管理、代码跳转、智能提示、自动完成、单元测试、版本控制。此外，该IDE提供了一些高级功能，以用于支持Django框架下的专业Web开发。
第四种：IPython，是一个交互式计算系统
IPython是Python的原生交互式shell的增强版，可以完成许多不同寻常的任务，比如帮助实现并行化计算;主要使用它提供的交互性帮助，比如代码着色、改进了命令行回调、制表符完成、宏功能以及改进了交互式帮助。
第五种：Eric5，一个集成了项目管理功能的 Python 集成开发环境
Eric5提供无限制数量的编辑器、集成的Python shell、集成调试器、集成对包括 Subversion 和
Mercurial版本控制系统的支持，集成单元测试等。
④ 10个让你爱不释手的Python开源框架
如果你正在学习python，那么这10个开源框架，你可千万别错过，这些框架包括事件I/O，OLAP，Web开发，高性能网络通信，测试，爬虫等。虽说不上是全都有，但也足够满足你了。
0.Django：Python Web应用开发框架
众所周知，Python下有许多款不同的 Web 框架。而其中，Django是最具代表性之一，许多成功的网站和APP都基于Django。
Django是是一个全能型框架，它最出名的是其全自动化的管理后台：只需要使用起ORM，做简单的对象定义，它就能自动生成数据库结构、以及全功能的管理后台。
相关推荐：《Python教程》
1.Cubes：轻量级Python OLAP框架
Cubes是一个轻量级Python框架，包含OLAP、多维数据分析和浏览聚合数据（aggregated data）等工具。
2.Kartograph.py：创造矢量地图的轻量级Python框架
Kartograph是一个Python库，用来为ESRI生成SVG地图。Kartograph.py目前仍处于beta阶段，你可以在virtualenv环境下来测试。
3.Pulsar：Python的事件驱动并发框架
Pulsar是一个来自eBay的高扩展性、高可用性、基于事件驱动的开源实时分析平台和流处理框架,它能够实时收集和处理用户行为和业务事件。
4.Tornado：异步非阻塞IO的Python Web框架
Tornado的全称是Torado Web Server，传说中性能高高的框架。Tornado 是一个很好的框架，支持异步处理的功能，这是它的特点，其他框架不支持。另外一点是，Tornado 的设计似乎更注重 RESTful URL。
5.Bottle：微型Python Web框架
Bottle 和 Flask 都属于轻量级的 Web 框架。说微型，是因为它只有一个文件，除Python标准库外，它不依赖于任何第三方模块。6.Web2py：全栈式Web框架
Web2py是 Google 在 web.py 基础上二次开发而来的，兼容 Google App Engine 。是一个为Python语言提供的全功能Web应用框架，旨在敏捷快速的开发Web应用，具有快速、安全以及可移植的数据库驱动的应用。
7.Falcon：构建云API和网络应用后端的高性能Python框架
Falcon是一个构建云API的高性能Python框架，是一个面向Hadoop的数据集和处理过程的管理平台。它鼓励使用REST架构风格，尽可能以最少的力气做最多的事情。
8.Diesel：基于Greenlet的事件I/O框架
Diesel提供一个整洁的API来编写网络客户端和服务器。支持TCP和UDP。非阻塞I/O使得diesel非常快速并且容易扩展。
greenlets使得diesel有了unwind（to(callbacks(no)))。nose使得测试变得容易。最后，Flask使得你不需要写一个新的网络框架来使用diesel。
9.Flask：一个用Python编写的轻量级Web应用框架
Flask同样也是一个Python编写的Web 微框架,能够快速实现一个网站或Web服务。属于轻量级Web应用框架。花很少的成本就能够开发一个简单的网站。非常适合初学者学习。Flask 框架学会以后，可以考虑学习插件的使用。
Flask也被称为“microframework”，因为它使用简单的核心，用extension增加其他功能。
⑤ 请推荐几个比较优秀的Python开源项目，用来学习的
科学计算：matplotlib、numpy、scipy
web框架：flask、django
GUI：PyQt、WxPython
网络爬虫：Scrapy
HTML解析：BeautifulSoup、lxml
⑥ python 集成开发环境哪个好
1、Pydev + Eclipse：免费的开发工具。使用非常普遍，最重要的就是免费，同时还提供很多强大的功能来支持高效的Python编程。之所以可以高居榜首，因为拥有众多关键功能：Django集成、自动代码补全、多语言支持、集成的Python调试、代码分析等。
2、PyCharm：商业化开发工具。是专业的Python集成开发环境，有两个版本，一个是免费的社区版本，另外一个是面向企业开发者更先进的专业版本。同时拥有众多功能，专业版本要更加高级，支持更多高级功能，比如远程开发功能、数据库支持等。
3、VIM：先进的文本编辑器：在Python开发者社区中很受喜欢，是一个开源软件并且遵循GPL协议，可以免费使用。是一个非常好的文本编辑器，还是一个轻量级的、模块化、快速响应的工具，如果你在寻找一个linux系统下的python IDE，那么VIM将是你的不二选择。
4、Wing IDE：同属于商业化工具。可以在windows、OS X和Linux系统上，支持最新版本的python，包括stackless Python，拥有三个版本，包含基础版，个人版，专业版。此款工具最大亮点就是多线程调试，线程代码调试，自动子进程调试，断点等功能。
5、Spyder Python：开源的Python开发环境。非常适合用来进行科学计算方面的python开发，属于轻量级软件，用Python开发的，遵循MIT协议，可免费使用。
⑦ 初学Python 有什么比较好的开源项目推荐
在github里输入python，里面就有海量到python项目可以供你参与，是学习的重要场所。
⑧ 2017年10大流行Python库有哪些
1、NumPy
NumPy是构建科学计算 stack 的最基础的包。它为 Python 中的 n 维数组和矩阵的操作提供了大量有用的功能。该库还提供了 NumPy 数组类型的数学运算向量化，可以提升性能，从而加快执行速度。
2、SciPy
SciPy 是一个工程和科学软件库， 包含线性代数、优化、集成和统计的模块。SciPy 库的主
要功能建立在 NumPy 的基础之上，它通过其特定的子模块提供高效的数值例程操作。SciPy 的所有子模块中的函数都有详细的文档，这也是一个优势。
3、Pandas
Pandas是一个 Python 包，旨在通过“标记(labeled)”和“关系(relational)”数据进行工作，简单直观。Pandas 是 data wrangling 的完美工具。它设计用于快速简单的数据操作、聚合和可视化。
4、Seaborn
Seaborn 主要关注统计模型的可视化;这种可视化包括热度图(heat map)，可以总结数据但也描绘总体分布。Seaborn 基于 Matplotlib，并高度依赖于它。
5、Bokeh
Bokeh是一个很好的可视化库，其目的是交互式可视化，不过这个库独立于 Matplotlib，它通过现代浏览器以数据驱动文档(D3.js)的风格呈现。
6、Scikits
Scikits 是 SciPy Stack 的附加软件包，专为特定功能(如图像处理和辅助机器学习)而设计。其中最突出的一个是 scikit-learn。该软件包构建于 SciPy 之上，并大量使用其数学操作，是使用 Python 进行机器学习的实际上的行业标准。
7、Theano
Theano 是一个 Python 包，它定义了与 NumPy 类似的多维数组，以及数学运算和表达式。该库是经过编译的，使其在所有架构上能够高效运行。这个库最初由蒙特利尔大学机器学习组开发，主要是为了满足机器学习的需求。
8、Keras
Keras是一个使用高层接口构建神经网络的开源库，它是用 Python 编写的。它简单易懂，具有高级可扩展性。Keras 极其容易上手，而且可以进行快速的原型设计，足以用于严肃的建模。
9、Gensim
Gensim是一个用于 Python 的开源库，实现了用于向量空间建模和主题建模的工具。Gensim 实现了诸如分层 Dirichlet 进程(HDP)、潜在语义分析(LSA)和潜在 Dirichlet 分配(LDA)等算法，还有 tf-idf、随机投影、word2vec 和 document2vec，以便于检查一组文档(通常称为语料库)中文本的重复模式。
10、Scrapy
Scrapy 是用于从网络检索结构化数据的爬虫程序的库。它现在已经发展成了一个完整的框架，可以从 API 收集数据，也可以用作通用的爬虫。该库在接口设计上遵循着名的 Don’t Repeat Yourself 原则——提醒用户编写通用的可复用的代码，因此可以用来开发和扩展大型爬虫。
⑨ 最受欢迎的 15 大 Python 库有哪些
1、Pandas：是一个Python包，旨在通过“标记”和“关系”数据进行工作，简单直观。它设计用于快速简单的数据操作、聚合和可视化，是数据整理的完美工具。
2、Numpy：是专门为Python中科学计算而设计的软件集合，它为Python中的n维数组和矩阵的操作提供了大量有用的功能。该库提供了NumPy数组类型的数学运算向量化，可以改善性能，从而加快执行速度。
3、SciPy：是一个工程和科学软件库，包含线性代数，优化，集成和统计的模块。SciPy库的主要功能是建立在NumPy上，通过其特定子模块提供有效的数值例程，并作为数字积分、优化和其他例程。
4、Matplotlib：为轻松生成简单而强大的可视化而量身定制，它使Python成为像MatLab或Mathematica这样的科学工具的竞争对手。
5、Seaborn：主要关注统计模型的可视化(包括热图)，Seaborn高度依赖于Matplotlib。
6、Bokeh：独立于Matplotlib，主要焦点是交互性，它通过现代浏览器以数据驱动文档的风格呈现。
7、Plotly：是一个基于Web用于构建可视化的工具箱，提供API给一些编程语言(Python在内)。
8、Scikits：是Scikits
Stack额外的软件包，专为像图像处理和机器学习辅助等特定功能而设计。它建立在SciPy之上，中集成了有质量的代码和良好的文档、简单易用并且十分高效，是使用Python进行机器学习的实际行业标准。
9、Theano：是一个Python软件包，它定义了与NumPy类似的多维数组，以及数学运算和表达式。此库是被编译的，可实现在所有架构上的高效运行。
10、TensorFlow：是数据流图计算的开源库，旨在满足谷歌对训练神经网络的高需求，并且是基于神经网络的机器学习系统DistBelief的继任者，可以在大型数据集上快速训练神经网络。
11、Keras：是一个用Python编写的开源的库，用于在高层的接口上构建神经网络。它简单易懂，具有高级可扩展性。
12、NLTK：主要用于符号学和统计学自然语言处理(NLP) 的常见任务，旨在促进NLP及相关领域(语言学，认知科学人工智能等)的教学和研究。
13、Gensim：是一个用于Python的开源库，为有向量空间模型和主题模型的工作提供了使用工具。这个库是为了高效处理大量文本而设计，不仅可以进行内存处理，还可以通过广泛使用NumPy数据结构和SciPy操作来获得更高的效率。