python的开源项目

1. 最常用python开源框架有哪些

django
flask等等
建议先把django学会，慢慢来，举一反三。前期比较困难。

2. 去哪里找python的开源项目

GitHub是一个面向开源及私有软件项目的托管平台，因为只支持git 作为唯一的版本库格式进行托管，故名GitHub。作为开源代码库以及版本控制系统，Github拥有超过900万开发者用户。随着越来越多的应用程序转移到了云上，Github已经成为了管理软件开发以及发现已有代码的首选方法。在GitHub，用户可以十分轻易地找到海量的开源代码。

下面给大家介绍一些GitHub上25个开源项目：

（1）TensorFlow Models

如果你对机器学习和深度学习感兴趣，一定听说过TensorFlow。TensorFlow Models是一个开源存储库，可以找到许多与深度学习相关的库和模型。

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

（2）Keras

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。旨在完成深度学习的快速开发（GitHub： https://github.com/keras-team/keras ）

（3）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，使用BSD授权。

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

（4）scikit-learn

scikit-learn是一个用于机器学习的Python模块，基于 NumPy、SciPy 和 matplotlib 构建。，并遵循 BSD 许可协议。

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

（5）Zulip

Zulip是一款功能强大的开源群聊应用程序，它结合了实时聊天的即时性和线程对话的生产力优势。Zulip作为一个开源项目，被许多世界500强企业，大型组织以及其他需要实时聊天系统的用户选择使用，该系统允许用户每天轻松处理数百或数千条消息。Zulip拥有超过300名贡献者，每月合并超过500次提交，也是规模最大，发展最快的开源群聊项目。

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

相关推荐：《Python入门教程》

（6）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，旨在快速开发出清晰，实用的设计。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。

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

（7）Rebound

Rebound 是一个当你得到编译错误时即时获取 Stack Overflow 结果的命令行工具。 就用 rebound 命令执行你的文件。这对程序员来说方便了不少。

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

（8）Google Images Download

这是一个命令行python程序，用于搜索Google Images上的关键字/关键短语，并可选择将图像下载到您的计算机。你也可以从另一个python文件调用此脚本。

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

（9）YouTube-dl

youtube-dl 是基于 Python 的命令行媒体文件下载工具，完全开源免费跨平台。用户只需使用简单命令并提供在线视频的网页地址即可让程序自动进行嗅探、下载、合并、命名和清理，最终得到已经命名的完整视频文件。

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

（10）System Design Primer

此repo是一个系统的资源集合，可帮助你了解如何大规模构建系统。

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

（11）Mask R-CNN

Mask R-CNN用于对象检测和分割。这是对Python 3，Keras和TensorFlow的Mask R-CNN实现。该模型为图像中对象的每个实例生成边界框和分割蒙版。它基于特Feature Pyramid Network（FPN）和 ResNet101 backbone。

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

（12）Face Recognition

Face Recognition 是一个基于 Python 的人脸识别库，使用十分简便。这还提供了一个简单的face_recognition命令行工具，可以让您从命令行对图像文件夹进行人脸识别！

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

（13）snallygaster

用于扫描HTTP服务器上的机密文件的工具。

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

（14）Ansible

Ansible是一个极其简单的IT自动化系统。它可用于配置管理，应用程序部署，云配置，支持远程任务执行和多节点发布 - 包括通过负载平衡器轻松实现零停机滚动更新等操作。

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

（15）Detectron

Detectron是Facebook AI 研究院开源的的软件系统，它实现了最先进的目标检测算法，包括Mask R-CNN。它是用Python编写的，由Caffe2深度学习框架提供支持。

（16）asciinema

终端会话记录器和asciinema.org的最佳搭档。

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

（17）HTTPie

HTTPie 是一个开源的命令行的 HTTP 工具包，其目标是使与Web服务的CLI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，并显示彩色输出。HTTPie可用于测试，调试以及通常与HTTP服务器交互。

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

（18）You-Get

You-Get是一个小型命令行实用程序，用于从Web下载媒体内容（视频，音频，图像），支持国内外常用的视频网站。

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

（19）Sentry

Sentry从根本上讲是一项服务，可以帮助用户实时监控和修复崩溃。基于Django构建，它包含一个完整的API，用于从任何语言、任何应用程序中发送事件。

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

（20）Tornado

Tornado是使用Python开发的全栈式（full-stack）Web框架和异步网络库，，最初是由FriendFeed上开发的。通过使用非阻塞网络I / O，Tornado可以扩展到数万个开放连接，是long polling、WebSockets和其他需要为用户维护长连接应用的理想选择。

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

（21）Magenta

Magenta是一个探索机器学习在创造艺术和音乐过程中的作用的研究项目。这主要涉及开发新的深度学习和强化学习算法，用于生成歌曲，图像，绘图等。但它也是构建智能工具和界面的探索，它允许艺术家和音乐家使用这些模型。

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

（22）ZeroNet

ZeroNet是一个利用比特币的加密算法和BitTorrent技术提供的不受审查的网络，完全开源。

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

（23）Gym

OpenAI Gym是一个用于开发和比较强化学习算法的工具包。这是Gym的开源库，可让让你访问标准化的环境。

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

（24）Pandas

Pandas是一个Python包，提供快速，灵活和富有表现力的数据结构，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。此外，它还有更广泛的目标，即成为所有语言中最强大，最灵活的开源数据分析/操作工具。它目前已经朝着这个目标迈进。

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

（25）Luigi

Luigi 是一个 Python 模块，可以帮你构建复杂的批量作业管道。处理依赖决议、工作流管理、可视化展示等等，内建 Hadoop 支持。（GitHub： https://github.com/spotify/luigi ）

3. 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。

4. Python有哪些高大上的项目

Open edX致力于打造一个强大灵活的大规模开放在线课堂平台。也用来研究学习和远程教育

算起来，毕业之后最熟悉的应该就是这个项目了

高大上可能算不上吧，技术上并不惊艳，毕竟多是业务逻辑，Open edX用到许多蛮新的开源项目，不过也没什么很黑魔法的地方，很集市的一个项目倒是真的。

这个项目对教育界的冲击可能远比对开源界大，在我接触的人中，了解Open edX的愿景和进展后，会眼前一亮并热血沸腾的，多是对教育变革极其兴趣的教育界人士，edX可能是唯一一个开放/强大，允许他们自由打造自己的mooc平台的工具，对于他们可能真算得高大上吧

对于技术人员，edX可能并不漂亮，在技术层面的设计和架构考虑的多是实用性。

edX是个很混杂的项目，混用了多语言，多数据库。开发语言中以Python为主，截止到今天，Python在核心库占代码总量的71.6%. 之前用Ruby写的一些东西，最近也正在用Python重写，不过这种混杂在挺长的一段时间内估计改观不大。edX里很能体现出Python优秀的胶水特质

在看完《大教堂与集市》之前，我其实蛮怀疑edX会被复杂度/组织方式压垮，乍看之下，有种乱糟糟的感觉，并行的分支和并行的辅助项目都不时冒出，有些昙花一瞬，有些活了下来，有些已死，但基因被继承到其他项目里，活像进化历程。当然这些都是开源社区的常态。看完《大教堂与集市》，又混迹edX社区，发现这个项目还是很健康的，尽管看起来像个集市，人员来去自由，缺乏秩序。但社区的平行试错能力和bug反馈解决能力都很强大，是书中所言的那种健康

截止到今天，写入AUTHORS里的人一共193位，当然我这种只修复过小bug的渣渣也被写入，可见核心开发者也并不太多。整个社区还算健康吧，反正我挺喜欢的，对pull request的回馈也很及时，让参与者有被重视的感觉。

在web方面， Open edX应该是个很不小的项目了，定制了基础框架 django，用mako替换django鸡肋的模板，前端业务逻辑很复杂，使用了backbone.js。而js代码大多用coffeescript写，css混用Less和Sass来生成，而组件之间的通信采用RESTful

混乱程度，可见一斑， 技术层面估计只有被吐槽的份了，我倒是对它的组织和愿景更感兴趣。折腾edX，我开始喜欢上集市，并真心相信开源不只是一种信念，它是一种良好/高效的组织方式

edX里有个runtime蛮有趣的，最近社区正准备把课程组件迁移到Xblock，其核心便是runtime，如此一来，课程团队需要的话，可以根据课程需求去扩展edX，据说这是edx最成功的创新(也许是因为其他部分的平庸囧)，就扩展性而言，非侵入且强大，还真是挺有趣的

在相似项目中，应该算得高大上了吧

5. python是完全开源的吗

是的，Python是完全开源的
Python由荷兰数学和计算机科学研究学会的Guido van Rossum 于1990 年代初设计，作为一门叫做ABC语言的替代品。
 
 Python提供了高效的高级数据结构，还能简单有效地面向对象编程。Python语法和动态类型，以及解释型语言的本质，使它成为多数平台上写脚本和快速开发应用的编程语言，  随着版本的不断更新和语言新功能的添加，逐渐被用于独立的、大型项目的开发。 

Python解释器易于扩展，可以使用C或C++（或者其他可以通过C调用的语言）扩展新的功能和数据类型。 Python 也可用于可定制化软件中的扩展程序语言。Python丰富的标准库，提供了适用于各个主要系统平台的源码或机器码。

6. github上有哪些开源的python机器学习

1. Scikit-learn
Scikit-learn 是基于Scipy为机器学习建造的的一个Python模块，他的特色就是多样化的分类，回归和聚类的算法包括支持向量机，逻辑回归，朴素贝叶斯分类器，随机森林，Gradient Boosting，聚类算法和DBSCAN。而且也设计出了Python numerical和scientific libraries Numpy and Scipy
2.Pylearn2
Pylearn是一个让机器学习研究简单化的基于Theano的库程序。
3.NuPIC
NuPIC是一个以HTM学习算法为工具的机器智能平台。HTM是皮层的精确计算方法。HTM的核心是基于时间的持续学习算法和储存和撤销的时空模式。NuPIC适合于各种各样的问题,尤其是检测异常和预测的流数据来源。
4. Nilearn
Nilearn 是一个能够快速统计学习神经影像数据的Python模块。它利用Python语言中的scikit-learn 工具箱和一些进行预测建模，分类，解码，连通性分析的应用程序来进行多元的统计。
5.PyBrain
Pybrain是基于Python语言强化学习，人工智能，神经网络库的简称。 它的目标是提供灵活、容易使用并且强大的机器学习算法和进行各种各样的预定义的环境中测试来比较你的算法。
6.Pattern
Pattern 是Python语言下的一个网络挖掘模块。它为数据挖掘，自然语言处理，网络分析和机器学习提供工具。它支持向量空间模型、聚类、支持向量机和感知机并且用KNN分类法进行分类。
7.Fuel
Fuel为你的机器学习模型提供数据。他有一个共享如MNIST, CIFAR-10 (图片数据集), Google’s One Billion Words (文字)这类数据集的接口。你使用他来通过很多种的方式来替代自己的数据。
8.Bob
Bob是一个免费的信号处理和机器学习的工具。它的工具箱是用Python和C++语言共同编写的，它的设计目的是变得更加高效并且减少开发时间，它是由处理图像工具,音频和视频处理、机器学习和模式识别的大量软件包构成的。
9.Skdata
Skdata是机器学习和统计的数据集的库程序。这个模块对于玩具问题，流行的计算机视觉和自然语言的数据集提供标准的Python语言的使用。
10.MILK
MILK是Python语言下的机器学习工具包。它主要是在很多可得到的分类比如SVMS,K-NN,随机森林，决策树中使用监督分类法。 它还执行特征选择。 这些分类器在许多方面相结合,可以形成不同的例如无监督学习、密切关系金传播和由MILK支持的K-means聚类等分类系统。
11.IEPY
IEPY是一个专注于关系抽取的开源性信息抽取工具。它主要针对的是需要对大型数据集进行信息提取的用户和想要尝试新的算法的科学家。
12.Quepy
Quepy是通过改变自然语言问题从而在数据库查询语言中进行查询的一个Python框架。他可以简单的被定义为在自然语言和数据库查询中不同类型的问题。所以，你不用编码就可以建立你自己的一个用自然语言进入你的数据库的系统。
现在Quepy提供对于Sparql和MQL查询语言的支持。并且计划将它延伸到其他的数据库查询语言。
13.Hebel
Hebel是在Python语言中对于神经网络的深度学习的一个库程序，它使用的是通过PyCUDA来进行GPU和CUDA的加速。它是最重要的神经网络模型的类型的工具而且能提供一些不同的活动函数的激活功能，例如动力，涅斯捷罗夫动力，信号丢失和停止法。
14.mlxtend
它是一个由有用的工具和日常数据科学任务的扩展组成的一个库程序。
15.nolearn
这个程序包容纳了大量能对你完成机器学习任务有帮助的实用程序模块。其中大量的模块和scikit-learn一起工作，其它的通常更有用。
16.Ramp
Ramp是一个在Python语言下制定机器学习中加快原型设计的解决方案的库程序。他是一个轻型的pandas-based机器学习中可插入的框架，它现存的Python语言下的机器学习和统计工具（比如scikit-learn,rpy2等）Ramp提供了一个简单的声明性语法探索功能从而能够快速有效地实施算法和转换。
17.Feature Forge
这一系列工具通过与scikit-learn兼容的API，来创建和测试机器学习功能。
这个库程序提供了一组工具，它会让你在许多机器学习程序使用中很受用。当你使用scikit-learn这个工具时，你会感觉到受到了很大的帮助。（虽然这只能在你有不同的算法时起作用。）
18.REP
REP是以一种和谐、可再生的方式为指挥数据移动驱动所提供的一种环境。
它有一个统一的分类器包装来提供各种各样的操作，例如TMVA, Sklearn, XGBoost, uBoost等等。并且它可以在一个群体以平行的方式训练分类器。同时它也提供了一个交互式的情节。
19.Python 学习机器样品
用亚马逊的机器学习建造的简单软件收集。
20.Python-ELM
这是一个在Python语言下基于scikit-learn的极端学习机器的实现。

7. 初学Python 有什么比较好的开源项目推荐

董大的live还不错

8. 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。