python教程16期_PyHubWeekly | 第十六期：给你的Python项目上个保险吧！

前言

PyHubWeekly每周定期更新，精选GitHub上优质的Python项目/小工具。

我把PyHubWeekly托管到了Github，感兴趣的可以欢迎大家通过提交issue来投稿和推荐自己的项目~

本期为大家推荐GitHub上5个优质的Python项目，它们分别是：riskquant

pydata-book

avatarify

pyprotect

prophet

下面分别来介绍一下上述5个GitHub项目。

riskquant

Star：457

riskquant内置了多个知名的数据分析算法，例如simpleloss、pertloss，可以很简单的在Python中实现量化风险分析。

安装

克隆下源代码，进入根目录，执行下方命令，

pip install .

示例

>> from riskquant import pertloss

>> p = pertloss.PERTLoss(low_loss=10, high_loss=100, min_freq=0.1, max_freq=0.7, most_likely_freq=0.3, kurtosis=1)

>> simulate_100 = p.simulate_years(100)

>> p.summarize_loss(simulate_100)

​

{'minimum': 0,

'tenth_percentile': 0,

'mode': 0,

'median': 1,

'ninetieth_percentile': 2,

'maximum': 6}

pydata-book

Star：12.1k

这份学习资料不仅包含数据分析、机器学习里常用的工具，例如，numpy和pandas。也包含数据分析中常用的技术和手段，例如，数据清洗和处理

时间序列

缺失数据处理

......

此外，pydata-book还包含数据分析实例，在实践中对数据分析的知识、工具使用有更加深入的认识。

avatarify

Star：5.6k

使用教程安装miniconda和git

克隆代码，执行安装命令

git clone https://github.com/alievk/avatarify.git

cd avatarify

scripts\install_windows.bat下载训练的权重，放置到目录下

安装媒体播放器，例如，OBS

avatarify项目提供了完整的训练、安装、配置过程，涉及的知识体系、架构较为完善。因此，通过学习该项目，可以对一款完整应用的开发有更加清晰的认识。

pyprotect

Star：266

这款工具有如下特性，跨平台

简单易用

不需要额外依赖

使用教程

编译项目，

mkdir build

cd build && cmake .. && make

加密项目，

python encrypt.py -s SCRIPTS_DIR -e ENTRY_POINT_LIST -o OUTPUT_DIR [--exclude EXCLUDED_SCRIPT_LIST]

prophet

Star：10.7k

Prophet是一个基于加法模型预测时间序列数据的过程，其中非线性趋势与年、周、日的季节性以及假日效应相吻合。它最适用于具有强烈季节效应和几个季节的历史数据的时间序列。Prophet对丢失的数据和趋势的变化是很健壮的，并且能很好地处理异常值。

使用教程

可以直接使用pip命令安装，

pip install fbprophet

CMDSTAN=/tmp/cmdstan-2.22.1 STAN_BACKEND=PYSTAN,CMDSTANPY pip install fbprophet

干货

最近，为了方便大家，我花费了半个月的时间把这几年来收集的各种技术干货整理到一起，其中内容包括但不限于Python、机器学习、深度学习、计算机视觉、推荐系统、Linux、工程化、Java，内容多达5T+，我把各个资源下载链接整理到一个文档内，目录如下：

所有干货送给大家，希望能够点赞支持一下！