‘壹’ python常用库有哪些
python常用的库有sys os 获取系统相关信息
re 正则表达式模块
numpy pandas sklearn 模块用于科学计算
‘贰’ python 集成开发环境哪个好
推荐10个好用的Python集成开发环境：
1. Pydev+Eclipse–最好的免费python IDE
Pydev的是Python IDE中使用最普遍的，原因很简单，它是免费的，同时还提供很多强大的功能来支持高效的Python编程。Pydev是一个运行在eclipse上的开源插件，它把python带进了eclipse的王国，如果你本来就是是一个eclipse的用户那么Pydev将给你家里一样的感觉。
Pydev能高居榜首，得益于这些关键功能，包括Django集成、自动代码补全、多语言支持、集成的Python调试、代码分析、代码模板、智能缩进、括号匹配、错误标记、源代码控制集成、代码折叠、UML编辑和查看和单元测试整合等。
2. PyCharm–最好的商业python IDE
PyCharm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，另一个是面向企业开发者的更先进的专业版本。
大部分的功能在免费版本中都是可用的，包括智能代码补全、直观的项目导航、错误检查和修复、遵循PEP8规范的代码质量检查、智能重构，图形化的调试器和运行器。它还能与IPython
notebook进行集成，并支持Anaconda及其他的科学计算包，比如matplotlib和NumPy。
PyCharm专业版本支持更多高级的功能，比如远程开发功能、数据库支持以及对web开发框架的支持等。
3.VIM
VIM是一个很先进的文本编辑器，在python开发者社区中很受欢迎。它是一个开源软件并遵循GPL协议，所以你可以免费的使用它。
虽然VIM是最好的文本编辑器，但是它提供的功能不亚于此，经过正确的配置后它可以成为一个全功能的Python开发环境。此外VIM还是一个轻量级的、模块化、快速响应的工具，非常适合那些很牛的程序员—编程从不用鼠标的人。
4. Wing IDE
Wing IDE是另外一个商业的、面向专业开发人员的python集成开发环境，可以运行在windows、OS X和Linux系统上，支持最新版本的python，包括stackless Python。Wing
IDE分三个版本：免费的基础版，个人版以及更强大的专业版。
调试功能是Wing IDE的一大亮点，包括多线程调试，线程代码调试，自动子进程调试，断点，单步代码调试，代码数据检查等功能，此外还提供了在树莓派上进行远程调试的功能。
5.Spyder Python
Spyder Python是一个开源的python集成开发环境，非常适合用来进行科学计算方面的python开发。是一个轻量级的软件，是用python开发的，遵循MIT协议，可免费使用。
Spyder python的基本功能包括多语言编辑器、交互式控制台、文件查看、variable explorer、文件查找、文件管理等。Spyder IDE也可以运行于windows、Mac或者Linux系统之上。
6.Komodo IDE
Komodo是Activestate公司开发的一个跨平台的集成开发环境，支持多种语言包括python。它是商用产品，但是提供了开源的免费版本叫Komodo Edit，能够安装在Mac、Windows和Linux系统上。
和大多数的专业python IDE一样，Komodo也提供了代码重构，自动补全，调用提示，括号匹配，代码浏览器，代码跳转，图形化调试，多进程调试，多线程调试，断点，代码分析，集成测试单元等功能，并且集成其他的第三方库，比如pyWin32。
7.PTVS-Best Python IDE for Windows
PTVS集成在Visual Studio中，就像Pydev可以集成在eclipse中一样。PTVS将Visual
Studio变成了一个强大的、功能丰富的python集成开发环境，并且它是开源的，完全的免费。PTVS发布于2015年，由社区和微软自己在维护。
8.Eric Python
Eric是一个开源python代码编辑器和集成开发环境，提供很多高效编程需要的功能。它是纯python编写的，基于Qt GUI并集成强大的Scintilla编辑器功能。
Eric由Detlev Offenbach创建，遵循GPL协议，免费使用。经过多年的开发完善Eric已经成为一个常用的、功能丰富的集成开发环境。它提供一个可靠的插件管理系统，可以通过插件来扩展功能。Eric提供所有的基础功能，比如调用提示、代码折叠、代码高亮、类浏览器、代码覆盖及分析等等。
9.Sublime Text3
Sublime Text3是目前为止功能最强大的跨平台的、轻量级的代码编辑器。通过添加插件Sublime Text3可以成一个全功能的python IDE。
10.Emacs-Python Editor cum IDE
Emacs有属于它自己的生态系统，它是一个可扩展的并能高度定制的GNU文本编辑器。它可以配置为一个全功能的免费的python集成开发环境。
Emacs在python开发中很受欢迎，他通过python-mode提供开箱即用的python。Emacs可以通过额外的扩展包来增加更多的高级功能。
‘叁’ python 比较好用的库有哪些
Python常用库大全，看看有没有你需要的。
环境管理
管理 Python 版本和环境的工具
p – 非常简单的交互式 python 版本管理工具。
pyenv – 简单的 Python 版本管理工具。
Vex – 可以在虚拟环境中执行命令。
virtualenv – 创建独立 Python 环境的工具。
virtualenvwrapper- virtualenv 的一组扩展。
包管理
管理包和依赖的工具。
pip – Python 包和依赖关系管理工具。
pip-tools – 保证 Python 包依赖关系更新的一组工具。
conda – 跨平台，Python 二进制包管理工具。
Curdling – 管理 Python 包的命令行工具。
wheel – Python 分发的新标准，意在取代 eggs。
包仓库
本地 PyPI 仓库服务和代理。
warehouse – 下一代 PyPI。
Warehousebandersnatch – PyPA 提供的 PyPI 镜像工具。
devpi – PyPI 服务和打包/测试/分发工具。
localshop – 本地 PyPI 服务（自定义包并且自动对 PyPI 镜像）。
分发
打包为可执行文件以便分发。
PyInstaller – 将 Python 程序转换成独立的执行文件（跨平台）。
dh-virtualenv – 构建并将 virtualenv 虚拟环境作为一个 Debian 包来发布。
Nuitka – 将脚本、孝高模块、包编译成可执行文件或扩展模块。
py2app – 将 Python 脚本变为独立软件包（Mac OS X）。
py2exe – 将 Python 脚本变为独立软件包（Windows）。
pynsist – 一个用来创建 Windows 安装程序的工具，可以在安装程序中打包 Python本身。
构建工具
将源码编译成软件。
buildout – 一个构建系统，从多个组件来创建，组装和部署应用。
BitBake – 针对嵌入式 Linux 的类似 make 的构建工具。
fabricate – 对任何语言自动找到依赖关系的构建工具。
PlatformIO – 多平台命令行构建工具。
PyBuilder – 纯 Python 实现的持续化构建工具。
SCons – 软件构建工具。
交互式解析器
交互式 Python 解析器。
IPython – 功能丰富的工具，非常有效的使用交互式 Python。
bpython- 界面丰富的 Python 解析器。
ptpython – 高级交互式Python解析器， 构建于python-prompt-toolkit 之上。
文件
文件管理和 MIME（多用途的网际邮件扩充协议）类型检测。
imghdr – （Python 标准库）检测图片类型。
mimetypes – （Python 标准库）将文件名映射为 MIME 类型。
path.py – 对 os.path 进行封装的模块。
pathlib – （Python3.4+ 标准库）跨平台的、面向对象的路径操作库。
python-magic- 文件类型检测的第三方库 libmagic 的 Python 接口。
Unipath- 用面向对象的方式操作文件和目录
watchdog – 管理文件系统事件的 API 和 shell 工具
日期和时间
操作日期和时间的类库。
arrow- 更好的 Python 日期时间操作类库。
Chronyk – Python 3 的类库，用于解析手写格式的时间和日期。
dateutil – Python datetime 模块的扩展。
delorean- 解肢携决 Python 中有关日期处理的棘手问题的库。
moment – 一个用来处理时间和日期的Python库。灵感来自于Moment.js。
PyTime – 一个简单易用的Python模历慎伏块，用于通过字符串来操作日期/时间。
pytz – 现代以及历史版本的世界时区定义。将时区数据库引入Python。
when.py – 提供用户友好的函数来帮助用户进行常用的日期和时间操作。
文本处理
用于解析和操作文本的库。
通用
chardet – 字符编码检测器，兼容 Python2 和 Python3。
difflib – (Python 标准库)帮助我们进行差异化比较。
ftfy – 让Unicode文本更完整更连贯。
fuzzywuzzy – 模糊字符串匹配。
Levenshtein – 快速计算编辑距离以及字符串的相似度。
pangu.py – 在中日韩语字符和数字字母之间添加空格。
pyfiglet -figlet 的 Python实现。
shortuuid – 一个生成器库，用以生成简洁的，明白的，URL 安全的 UUID。
unidecode – Unicode 文本的 ASCII 转换形式 。
uniout – 打印可读的字符，而不是转义的字符串。
xpinyin – 一个用于把汉字转换为拼音的库。
‘肆’ python统计哪个产品最受欢迎
python统计明岁Scikits产品埋厅最受欢迎。
Scikits是ScikitsStack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。
Python简捷而清晰，具有丰富和强大的类库，被广泛应用于云计算、Web开发、系统运维、科学激液睁运算、以及人工智能等领域。
‘伍’ 这几个常用的python库你需要知道
python可以说是近几年最火热、最实用的、最容易上手的工具之一了。功能强大、应用广泛，可以帮你搜集工作数据，还能帮你下载音乐，电影，于是就掀起了一波学习python的大潮，小编也毫不犹豫的加入了。但是对于向小编一样的小白来说，刚开始学习还是有些困难的，需要首先了解python的一些基础知识。所以小编就整理了一些常用的python库，希望对正在学习python的小伙伴有所帮助。
1.Matplotlib
Matplotlib是一个用于创建二维图和图形的底层库。借由它的帮助，你可以构建各种不同的图标，从直方图和散点图到费笛卡尔坐标图。matplotlib能够与很多流行的绘图库结合使用。
2.Seaborn
Seaborn本质上是一个基于matplotlib库的高级API。它包含更适合处理图表的默认设置。此外，还有丰富的可视化库，包括一些复杂类型，如时间序列、联合分布图(jointplots)和小提琴图(violindiagrams)。
3.Plotly
Plotly是一个流行的库，它可以让你轻松构建复杂的图形。该软件包适用于交互式Web应用程，可实现轮廓图、三元图和三维图等视觉效果
4.Bokeh
Bokeh库使用javaScript小部件在浏览器中创建交互式和可缩放的可视化。该库提供了多种图表集合，样式可能性(stylingpossibilities)，链接图、添加小部件和定义回调等形式的交互能力，以及许多更有用的特性。
5.Pydot
Pydot是用纯Python编写的Graphviz接口，经常用于生成复杂的定向图和无向图，能够显示图形的结构，对于构建神经网络和基于决策树的算法时非常有效。
6.pyecharts
是基于网络开源的Echarts而开发的Python可视化工具。
pyecharts功能非常强大，支持多达400+地图;支持JupyterNotebook、JupyterLab;能够轻松集成至Flask，Sanic，Django等主流Web框架
7.AutoViz
数据可视化，大多数都需要把数据读取到内存中，然后对内存中的数据进行可视化。但是，对于真正令人头疼的是一次又一次的开发读取离线文件的数据接口。
而AutoViz就是用于解决这个痛点的，它真正的可以做到1行代码轻松实现可视化。对于txt、json、csv等主流离线数据格式能够同时兼容，经常用于机器学习、计算机视觉等涉及离线数据较多的应用场景。
8.Altair
Altair是一款基于Vega和Vega-Lite开发的统计可视化库。具有API简单、友好、一致等优点，使用起来非常方便，能够用最简短的代码实现数据可视化。
9.cufflinks
cufflinks结合了plotly的强大功能和panda的灵活性，可以方便地进行绘图，避免了数据可视化过程中，对数据存储结构和数据类型进行复杂的麻烦。
10Pygal
Pygal 的名气不是很大，使用图形框架语法来构建图像的。绘图目标比较简单，使用起来非常方便：实例化图片;用图片目标属性格式化;用 figure.add() 将数据添加到图片中即可。
‘陆’ 用python进行windows的界面编程哪个库和环境最好用
1、Pydev + Eclipse _最好的免费python IDE
Pydev的是Python IDE中使用最普遍的，原因很简单，它是免费的，同时还提供很多强大的功能来支持高效的Python编程。
2、PyCharm _山悔最好的商业python IDE
PyCharm是来自JetBrains公逗悔正司的全功能python开发环境。
3、 VIM
VIM是一个很先进的文本编辑器，在python开发者社区中很受欢迎
4、Wing IDE
Wing IDE是另外一个商业的、面向专业开发人员的python集成开前灶发环境，由wingware公司开发。
5、Spyder Python
Spyder Python是一个开源的python集成开发环境，非常适合用来进行科学计算方面的python开发。
6、Komodo IDE
Komodo是Activestate公司开发的一个跨平台的集成开发环境，支持多种语言包括python。
7、PTVS - Best Python IDE for Windows
PTVS（Python Tools for Visual Studio）集成在Visual Studio中，就像Pydev可以集成在eclipse中一样。
‘柒’ 盘点那些年让我们相爱恨晚的Python库-
管理界面的库。
数据结构、算法和设计模式的 Python 实现。另请参阅awesome-algorithms。
ASGI兼容的网络服务器。
用于处理音频及其元数据的库。
用于实现身份验证方案的库。
从源代码编译软件。
用于增强 Python 内置类的库。
内容管理系统。
用于缓存数据的库。
用于聊天机器人开发的库。
静态分析、linter 和代码质量检查工具。另请参阅awesome-static-analysis。
用于构建命令行应用程序的库。
有用的基于 CLI 的生产力工具。
用于从 Python 2 迁移到 3 的库。
计算机视觉库。
用于并发和并行执行的库。另请参阅awesome-asyncio。
用于存储和解析配置选项的库。
用于数据分析的库。
用于验证数据的库。在许多情况下用于表单。
用于可视化数据的库。另请参阅awesome-javascript。
用 Python 实现的数据库。
用于连接和操作数据库的库。
用于处理日期和时间的库。
用于调试代码的库。
神经网络和深度学习框架。另请参阅awesome-deep-learning。
适用于 DevOps 的软件和库。
分布式计算的框架和库。
创建用于发布分发的打包可执行文件的库。
用于生成项目文档的库。
用于下载的库。
电子商务和支付的框架和库。
用于发送和解析电子邮件的库。
用于企业环境中系统集成的平台和工具
用于 Python 版本和虚拟环境管理的库。
用于文件操作和 MIME 类型检测的库。
提供外部函数接口的库。
用于处理表单的库。
使用 Python 进行函数式编程。
用于处理图形用户界面应用程序的库。
用于使用 GraphQL 的库。
很棒的 游戏 开发库。
用于地理编码地址和处理纬度和经度的库。
用于处理 HTML 和 XML 的库。
用于处理 HTTP 的库。
用于硬件编程的库。
用于处理图像的库。
Python 的实现。
交互式 Python 解释器 (REPL)。
用于使用 i18n 的库。
用于调度作业的库。
用于生成和处理日志的库。
机器学习库。另请参阅awesome-machine-learning。
Microsoft Windows 上的 Python 编程。
不属于上述类别的有用库或工具。
用于处理人类语言的库。
虚拟网络和 SDN（软件定义网络）的工具和库。
用于构建用户活动的库。
实现对象关系映射或数据映射技术的库。
用于包和依赖管理的库。
本地 PyPI 存储库服务器和代理。
渗透测试的框架和工具。
允许或拒绝用户访问数据或功能的库。
用于启动和与操作系统进程通信的库。
用于构建推荐系统的库。
用于 Python 的重构工具和库
用于构建 RESTful API 的库。
机器人库。
RPC 兼容的服务器。
用于科学计算的库。另请参阅Python-for-Scientists。
用于对数据进行索引和执行搜索查询的库和软件。
用于序列化复杂数据类型的库
用于开发无服务器 Python 代码的框架。
基于 Python 的 shell。
用于解析和操作特定文本格式的库。
静态站点生成器是一种软件，它以一些文本 + 模板作为输入并在输出中生成 HTML 文件。
用于标记项目的库。
用于处理任务队列的库。
用于模板和词法分析的库和工具。
用于测试代码库和生成测试数据的库。
用于解析和操作纯文本的库。
用于访问第三方服务 API 的库。另请参阅Python API 包装器和库列表。
用于解析 URL 的库。
用于处理视频和 GIF 的库。
用于管理、压缩和缩小网站资产的工具。
用于提取 Web 内容的库。
用于自动抓取网页的库。
传统的全栈 Web 框架。另请参阅RESTful API。
用于使用 WebSocket 的库。
WSGI 兼容的网络服务器。
在哪里可以发现学习资源或新的 Python 库。
‘捌’ 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。
‘玖’ 探讨最受欢迎的15顶级Python库
1 TensorFlow（贡献者：1757，贡献：25756，Stars：116765）
“TensorFlow 是一个使用数据流图进行数值计算的开源软件库。图形节点表示数学运算，而图形边缘表示在它们之间流动的多维数据阵列（张量）。这种灵活的体系结构使用户可以将计算部署到桌面、服务器或移动设备中的一个或多个 CPU/GPU，而无需重写代码。 ”
GitHub 地址：
https://github.com/tensorflow/tensorflow
2 pandas（贡献者：1360，贡献：18441，Stars ：17388）
“pandas 是一个 Python 包，、供快速，灵活和富有表现力的数据结构，旨在让”关系“或”标记“数据使用既简单又直观。它的目标是成为用 Python 进行实际，真实数据分析的基础高级构建块。”
GitHub 地址：
https://github.com/pandas-dev/pandas
3 scikit-learn（贡献者：1218，贡献者：23509，Stars ：32326）
“scikit-learn 是一个基于 NumPy，SciPy 和 matplotlib 的机器学习 Python 模块。它为数据挖掘和数据分析提供了简单而有效的工具。SKLearn 所有人都可用，并可在各种环境中重复使用。
GitHub 地址：
https://github.com/scikit-learn/scikit-learn
4 PyTorch（贡献者：861，贡献：15362，Stars：22763）
“PyTorch 是一个 Python 包，提供两个高级功能：
具有强大的 GPU 加速度的张量计算（如 NumPy）
基于磁带的自动编程系统构建的深度神经网络
你可以重复使用自己喜欢的 Python 软件包，如 NumPy，SciPy 和 Cython，以便在需要时扩展 PyTorch。”
GitHub 地址：
https://github.com/pytorch/pytorch
5 Matplotlib（贡献者：778，贡献：28094，Stars ：8362）
“Matplotlib 是一个 Python 2D 绘图库，可以生成各种可用于出版品质的硬拷贝格式和跨平台交互式环境数据。Matplotlib 可用于 Python 脚本，Python 和 IPython shell（例如 MATLAB 或 Mathematica），Web 应用程序服务器和各种图形用户界面工具包。”
GitHub 地址：
https://github.com/matplotlib/matplotlib
6 Keras（贡献者：856，贡者：4936，Stars ：36450）
“Keras 是一个高级神经网络 API，用 Python 编写，能够在 TensorFlow，CNTK 或 Theano 之上运行。它旨在实现快速实验，能够以最小的延迟把想法变成结果，这是进行研究的关键。”
GitHub 地址：
https://github.com/keras-team/keras
7 NumPy（贡献者：714，贡献：19399，Stars：9010）
“NumPy 是使用 Python 进行科学计算所需的基础包。它提供了强大的 N 维数组对象，复杂的（广播）功能，集成 C / C ++ 和 Fortran 代码的工具以及有用的线性代数，傅里叶变换和随机数功能。
GitHub 地址：
https://github.com/numpy/numpy
8 SciPy（贡献者：676，贡献：20180，Stars：5188）
“SciPy（发音为”Sigh Pie“）是数学、科学和工程方向的开源软件，包含统计、优化、集成、线性代数、傅立叶变换、信号和图像处理、ODE 求解器等模块。”
GitHub 地址：
https://github.com/scipy/scipy
9 Apache MXNet（贡献者：653，贡献：9060，Stars：15812）
“Apache MXNet（孵化）是一个深度学习框架，旨在提高效率和灵活性，让你可以混合符号和命令式编程，以最大限度地提高效率和生产力。 MXNet 的核心是一个动态依赖调度程序，可以动态地自动并行化符号和命令操作。”
GitHub 地址：
https://github.com/apache/incubator-mxnet
10 Theano（贡献者：333，贡献：28060，Stars ：8614）
“Theano 是一个 Python 库，让你可以有效地定义、优化和评估涉及多维数组的数学表达式。它可以使用 GPU 并实现有效的符号区分。”
GitHub 地址：
https://github.com/Theano/Theano
11 Bokeh（贡献者：334，贡献：17395，Stars ：8649）
“Bokeh 是一个用于 Python 的交互式可视化库，可以在现代 Web 浏览器中实现美观且有意义的数据视觉呈现。使用 Bokeh，你可以快速轻松地创建交互式图表、仪表板和数据应用程序。”
GitHub 地址：
https://github.com/bokeh/bokeh
12 XGBoost（贡献者：335，贡献：3557，Stars：14389）
“XGBoost 是一个优化的分布式梯度增强库，旨在变得高效、强大、灵活和便携。它在 Gradient Boosting 框架下实现机器学习算法。XGBoost 提供了梯度提升决策树（也称为 GBDT，GBM），可以快速准确地解决许多数据科学问题，可以在主要的分布式环境（Hadoop，SGE，MPI）上运行相同的代码，并可以解决数十亿个示例之外的问题。”
GitHub 地址：
https://github.com/dmlc/xgboost
13 Gensim（贡献者：301，贡献：3687，Stars ：8295）
“Gensim 是一个用于主题建模、文档索引和大型语料库相似性检索的 Python 库，目标受众是自然语言处理（NLP）和信息检索（IR）社区。”
GitHub 地址：
https://github.com/RaRe-Technologies/gensim
14 Scrapy（贡献者：297，贡献：6808，Stars ：30507）
“Scrapy 是一种快速的高级 Web 爬行和 Web 抓取框架，用于抓取网站并从其页面中提取结构化数据。它可用于从数据挖掘到监控和自动化测试的各种用途。”
GitHub 地址：
https://github.com/scrapy/scrapy
15 Caffe（贡献者：270，贡献：4152，Stars ：26531）
“Caffe 是一个以表达、速度和模块化为基础的深度学习框架，由伯克利人工智能研究（BAIR）/ 伯克利视觉与学习中心（BVLC）和社区贡献者开发。”
GitHub 地址：
https://github.com/BVLC/caffe
以上就是2018年最受欢迎的15个库了，不知有没有你的菜喔！希望本文对所列出的库对你有所帮助！