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!