python的開源項目

1. 最常用python開源框架有哪些

django
flask等等
建議先把django學會，慢慢來，舉一反三。前期比較困難。

2. 去哪裡找python的開源項目

GitHub是一個面向開源及私有軟體項目的託管平台，因為只支持git 作為唯一的版本庫格式進行託管，故名GitHub。作為開源代碼庫以及版本控制系統，Github擁有超過900萬開發者用戶。隨著越來越多的應用程序轉移到了雲上，Github已經成為了管理軟體開發以及發現已有代碼的首選方法。在GitHub，用戶可以十分輕易地找到海量的開源代碼。

下面給大家介紹一些GitHub上25個開源項目：

（1）TensorFlow Models

如果你對機器學習和深度學習感興趣，一定聽說過TensorFlow。TensorFlow Models是一個開源存儲庫，可以找到許多與深度學習相關的庫和模型。

（GitHub： https://github.com/tensorflow/models ）

（2）Keras

Keras是一個高級神經網路API，用Python編寫，能夠在TensorFlow，CNTK或Theano之上運行。旨在完成深度學習的快速開發（GitHub： https://github.com/keras-team/keras ）

（3）Flask

Flask 是一個微型的 Python 開發的 Web 框架，基於Werkzeug WSGI工具箱和Jinja2 模板引擎，使用BSD授權。

（GitHub： https://github.com/pallets/flask ）

（4）scikit-learn

scikit-learn是一個用於機器學習的Python模塊，基於 NumPy、SciPy 和 matplotlib 構建。，並遵循 BSD 許可協議。

（GitHub： https://github.com/scikit-learn ）

（5）Zulip

Zulip是一款功能強大的開源群聊應用程序，它結合了實時聊天的即時性和線程對話的生產力優勢。Zulip作為一個開源項目，被許多世界500強企業，大型組織以及其他需要實時聊天系統的用戶選擇使用，該系統允許用戶每天輕松處理數百或數千條消息。Zulip擁有超過300名貢獻者，每月合並超過500次提交，也是規模最大，發展最快的開源群聊項目。

（GitHub： https://github.com/zulip/zulip ）

相關推薦：《Python入門教程》

（6）Django

Django 是 Python 編程語言驅動的一個開源模型-視圖-控制器（MVC）風格的 Web 應用程序框架，旨在快速開發出清晰，實用的設計。使用 Django，我們在幾分鍾之內就可以創建高品質、易維護、資料庫驅動的應用程序。

（GitHub： https://github.com/django/django ）

（7）Rebound

Rebound 是一個當你得到編譯錯誤時即時獲取 Stack Overflow 結果的命令行工具。 就用 rebound 命令執行你的文件。這對程序員來說方便了不少。

（GitHub： https://github.com/shobrook/rebound ）

（8）Google Images Download

這是一個命令行python程序，用於搜索Google Images上的關鍵字/關鍵短語，並可選擇將圖像下載到您的計算機。你也可以從另一個python文件調用此腳本。

（GitHub： https://github.com/hardikvasa/google-images-download ）

（9）YouTube-dl

youtube-dl 是基於 Python 的命令行媒體文件下載工具，完全開源免費跨平台。用戶只需使用簡單命令並提供在線視頻的網頁地址即可讓程序自動進行嗅探、下載、合並、命名和清理，最終得到已經命名的完整視頻文件。

（GitHub： htt ps://github.com/rg3/youtube-dl ）

（10）System Design Primer

此repo是一個系統的資源集合，可幫助你了解如何大規模構建系統。

（GitHub： https://github.com/donnemartin/system-design-primer ）

（11）Mask R-CNN

Mask R-CNN用於對象檢測和分割。這是對Python 3，Keras和TensorFlow的Mask R-CNN實現。該模型為圖像中對象的每個實例生成邊界框和分割蒙版。它基於特Feature Pyramid Network（FPN）和 ResNet101 backbone。

（GitHub： https://github.com/matterport/Mask_RCNN ）

（12）Face Recognition

Face Recognition 是一個基於 Python 的人臉識別庫，使用十分簡便。這還提供了一個簡單的face_recognition命令行工具，可以讓您從命令行對圖像文件夾進行人臉識別！

（GitHub： https://github.com/ageitgey/face_recognition ）

（13）snallygaster

用於掃描HTTP伺服器上的機密文件的工具。

（GitHub： https://github.com/hannob/snallygaster ）

（14）Ansible

Ansible是一個極其簡單的IT自動化系統。它可用於配置管理，應用程序部署，雲配置，支持遠程任務執行和多節點發布 - 包括通過負載平衡器輕松實現零停機滾動更新等操作。

（GitHub： https://github.com/ansible/ansible ）

（15）Detectron

Detectron是Facebook AI 研究院開源的的軟體系統，它實現了最先進的目標檢測演算法，包括Mask R-CNN。它是用Python編寫的，由Caffe2深度學習框架提供支持。

（16）asciinema

終端會話記錄器和asciinema.org的最佳搭檔。

（GitHub： https://github.com/asciinema/asciinema ）

（17）HTTPie

HTTPie 是一個開源的命令行的 HTTP 工具包，其目標是使與Web服務的CLI交互盡可能人性化。它提供了一個簡單的http命令，允許使用簡單自然的語法發送任意HTTP請求，並顯示彩色輸出。HTTPie可用於測試，調試以及通常與HTTP伺服器交互。

（GitHub： https://github.com/jakubroztocil/httpie ）

（18）You-Get

You-Get是一個小型命令行實用程序，用於從Web下載媒體內容（視頻，音頻，圖像），支持國內外常用的視頻網站。

（GitHub： https://github.com/soimort/you-get ）

（19）Sentry

Sentry從根本上講是一項服務，可以幫助用戶實時監控和修復崩潰。基於Django構建，它包含一個完整的API，用於從任何語言、任何應用程序中發送事件。

（GitHub: https://github.com/getsentry/sentry ）

（20）Tornado

Tornado是使用Python開發的全棧式（full-stack）Web框架和非同步網路庫，，最初是由FriendFeed上開發的。通過使用非阻塞網路I / O，Tornado可以擴展到數萬個開放連接，是long polling、WebSockets和其他需要為用戶維護長連接應用的理想選擇。

（GitHub： https://github.com/tornadoweb/tornado ）

（21）Magenta

Magenta是一個探索機器學習在創造藝術和音樂過程中的作用的研究項目。這主要涉及開發新的深度學習和強化學習演算法，用於生成歌曲，圖像，繪圖等。但它也是構建智能工具和界面的探索，它允許藝術家和音樂家使用這些模型。

（GitHub： https://github.com/tensorflow/magenta ）

（22）ZeroNet

ZeroNet是一個利用比特幣的加密演算法和BitTorrent技術提供的不受審查的網路，完全開源。

（GitHub： https://github.com/HelloZeroNet/ZeroNet ）

（23）Gym

OpenAI Gym是一個用於開發和比較強化學習演算法的工具包。這是Gym的開源庫，可讓讓你訪問標准化的環境。

（GitHub： https://github.com/openai/gym ）

（24）Pandas

Pandas是一個Python包，提供快速，靈活和富有表現力的數據結構，該工具是為了解決數據分析任務而創建的。Pandas 納入了大量庫和一些標準的數據模型，提供了高效地操作大型數據集所需的工具。此外，它還有更廣泛的目標，即成為所有語言中最強大，最靈活的開源數據分析/操作工具。它目前已經朝著這個目標邁進。

（GitHub： https://github.com/pandas-dev/pandas ）

（25）Luigi

Luigi 是一個 Python 模塊，可以幫你構建復雜的批量作業管道。處理依賴決議、工作流管理、可視化展示等等，內建 Hadoop 支持。（GitHub： https://github.com/spotify/luigi ）

3. 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。

4. Python有哪些高大上的項目

Open edX致力於打造一個強大靈活的大規模開放在線課堂平台。也用來研究學習和遠程教育

算起來，畢業之後最熟悉的應該就是這個項目了

高大上可能算不上吧，技術上並不驚艷，畢竟多是業務邏輯，Open edX用到許多蠻新的開源項目，不過也沒什麼很黑魔法的地方，很集市的一個項目倒是真的。

這個項目對教育界的沖擊可能遠比對開源界大，在我接觸的人中，了解Open edX的願景和進展後，會眼前一亮並熱血沸騰的，多是對教育變革極其興趣的教育界人士，edX可能是唯一一個開放/強大，允許他們自由打造自己的mooc平台的工具，對於他們可能真算得高大上吧

對於技術人員，edX可能並不漂亮，在技術層面的設計和架構考慮的多是實用性。

edX是個很混雜的項目，混用了多語言，多資料庫。開發語言中以Python為主，截止到今天，Python在核心庫占代碼總量的71.6%. 之前用Ruby寫的一些東西，最近也正在用Python重寫，不過這種混雜在挺長的一段時間內估計改觀不大。edX里很能體現出Python優秀的膠水特質

在看完《大教堂與集市》之前，我其實蠻懷疑edX會被復雜度/組織方式壓垮，乍看之下，有種亂糟糟的感覺，並行的分支和並行的輔助項目都不時冒出，有些曇花一瞬，有些活了下來，有些已死，但基因被繼承到其他項目里，活像進化歷程。當然這些都是開源社區的常態。看完《大教堂與集市》，又混跡edX社區，發現這個項目還是很健康的，盡管看起來像個集市，人員來去自由，缺乏秩序。但社區的平行試錯能力和bug反饋解決能力都很強大，是書中所言的那種健康

截止到今天，寫入AUTHORS里的人一共193位，當然我這種只修復過小bug的渣渣也被寫入，可見核心開發者也並不太多。整個社區還算健康吧，反正我挺喜歡的，對pull request的回饋也很及時，讓參與者有被重視的感覺。

在web方面， Open edX應該是個很不小的項目了，定製了基礎框架 django，用mako替換django雞肋的模板，前端業務邏輯很復雜，使用了backbone.js。而js代碼大多用coffeescript寫，css混用Less和Sass來生成，而組件之間的通信採用RESTful

混亂程度，可見一斑， 技術層面估計只有被吐槽的份了，我倒是對它的組織和願景更感興趣。折騰edX，我開始喜歡上集市，並真心相信開源不只是一種信念，它是一種良好/高效的組織方式

edX里有個runtime蠻有趣的，最近社區正准備把課程組件遷移到Xblock，其核心便是runtime，如此一來，課程團隊需要的話，可以根據課程需求去擴展edX，據說這是edx最成功的創新(也許是因為其他部分的平庸囧)，就擴展性而言，非侵入且強大，還真是挺有趣的

在相似項目中，應該算得高大上了吧

5. python是完全開源的嗎

是的，Python是完全開源的
Python由荷蘭數學和計算機科學研究學會的Guido van Rossum 於1990 年代初設計，作為一門叫做ABC語言的替代品。
 
 Python提供了高效的高級數據結構，還能簡單有效地面向對象編程。Python語法和動態類型，以及解釋型語言的本質，使它成為多數平台上寫腳本和快速開發應用的編程語言，  隨著版本的不斷更新和語言新功能的添加，逐漸被用於獨立的、大型項目的開發。 

Python解釋器易於擴展，可以使用C或C++（或者其他可以通過C調用的語言）擴展新的功能和數據類型。 Python 也可用於可定製化軟體中的擴展程序語言。Python豐富的標准庫，提供了適用於各個主要系統平台的源碼或機器碼。

6. github上有哪些開源的python機器學習

1. Scikit-learn
Scikit-learn 是基於Scipy為機器學習建造的的一個Python模塊，他的特色就是多樣化的分類，回歸和聚類的演算法包括支持向量機，邏輯回歸，樸素貝葉斯分類器，隨機森林，Gradient Boosting，聚類演算法和DBSCAN。而且也設計出了Python numerical和scientific libraries Numpy and Scipy
2.Pylearn2
Pylearn是一個讓機器學習研究簡單化的基於Theano的庫程序。
3.NuPIC
NuPIC是一個以HTM學習演算法為工具的機器智能平台。HTM是皮層的精確計算方法。HTM的核心是基於時間的持續學習演算法和儲存和撤銷的時空模式。NuPIC適合於各種各樣的問題,尤其是檢測異常和預測的流數據來源。
4. Nilearn
Nilearn 是一個能夠快速統計學習神經影像數據的Python模塊。它利用Python語言中的scikit-learn 工具箱和一些進行預測建模，分類，解碼，連通性分析的應用程序來進行多元的統計。
5.PyBrain
Pybrain是基於Python語言強化學習，人工智慧，神經網路庫的簡稱。 它的目標是提供靈活、容易使用並且強大的機器學習演算法和進行各種各樣的預定義的環境中測試來比較你的演算法。
6.Pattern
Pattern 是Python語言下的一個網路挖掘模塊。它為數據挖掘，自然語言處理，網路分析和機器學習提供工具。它支持向量空間模型、聚類、支持向量機和感知機並且用KNN分類法進行分類。
7.Fuel
Fuel為你的機器學習模型提供數據。他有一個共享如MNIST, CIFAR-10 (圖片數據集), Google』s One Billion Words (文字)這類數據集的介面。你使用他來通過很多種的方式來替代自己的數據。
8.Bob
Bob是一個免費的信號處理和機器學習的工具。它的工具箱是用Python和C++語言共同編寫的，它的設計目的是變得更加高效並且減少開發時間，它是由處理圖像工具,音頻和視頻處理、機器學習和模式識別的大量軟體包構成的。
9.Skdata
Skdata是機器學習和統計的數據集的庫程序。這個模塊對於玩具問題，流行的計算機視覺和自然語言的數據集提供標準的Python語言的使用。
10.MILK
MILK是Python語言下的機器學習工具包。它主要是在很多可得到的分類比如SVMS,K-NN,隨機森林，決策樹中使用監督分類法。 它還執行特徵選擇。 這些分類器在許多方面相結合,可以形成不同的例如無監督學習、密切關系金傳播和由MILK支持的K-means聚類等分類系統。
11.IEPY
IEPY是一個專注於關系抽取的開源性信息抽取工具。它主要針對的是需要對大型數據集進行信息提取的用戶和想要嘗試新的演算法的科學家。
12.Quepy
Quepy是通過改變自然語言問題從而在資料庫查詢語言中進行查詢的一個Python框架。他可以簡單的被定義為在自然語言和資料庫查詢中不同類型的問題。所以，你不用編碼就可以建立你自己的一個用自然語言進入你的資料庫的系統。
現在Quepy提供對於Sparql和MQL查詢語言的支持。並且計劃將它延伸到其他的資料庫查詢語言。
13.Hebel
Hebel是在Python語言中對於神經網路的深度學習的一個庫程序，它使用的是通過PyCUDA來進行GPU和CUDA的加速。它是最重要的神經網路模型的類型的工具而且能提供一些不同的活動函數的激活功能，例如動力，涅斯捷羅夫動力，信號丟失和停止法。
14.mlxtend
它是一個由有用的工具和日常數據科學任務的擴展組成的一個庫程序。
15.nolearn
這個程序包容納了大量能對你完成機器學習任務有幫助的實用程序模塊。其中大量的模塊和scikit-learn一起工作，其它的通常更有用。
16.Ramp
Ramp是一個在Python語言下制定機器學習中加快原型設計的解決方案的庫程序。他是一個輕型的pandas-based機器學習中可插入的框架，它現存的Python語言下的機器學習和統計工具（比如scikit-learn,rpy2等）Ramp提供了一個簡單的聲明性語法探索功能從而能夠快速有效地實施演算法和轉換。
17.Feature Forge
這一系列工具通過與scikit-learn兼容的API，來創建和測試機器學習功能。
這個庫程序提供了一組工具，它會讓你在許多機器學習程序使用中很受用。當你使用scikit-learn這個工具時，你會感覺到受到了很大的幫助。（雖然這只能在你有不同的演算法時起作用。）
18.REP
REP是以一種和諧、可再生的方式為指揮數據移動驅動所提供的一種環境。
它有一個統一的分類器包裝來提供各種各樣的操作，例如TMVA, Sklearn, XGBoost, uBoost等等。並且它可以在一個群體以平行的方式訓練分類器。同時它也提供了一個互動式的情節。
19.Python 學習機器樣品
用亞馬遜的機器學習建造的簡單軟體收集。
20.Python-ELM
這是一個在Python語言下基於scikit-learn的極端學習機器的實現。

7. 初學Python 有什麼比較好的開源項目推薦

董大的live還不錯

8. 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。