PyHubWeekly | 第十六期：給你的Python項目上個保險吧！

2020 年 5 月 11 日
AI

前言

PyHubWeekly每周定期更新，精選GitHub上優質的Python項目/小工具。

我把PyHubWeekly託管到了Github，感興趣的可以搜索Github項目PyHubWeekly，如果喜歡，麻煩給個Star支援一下吧。此外，歡迎大家通過提交issue來投稿和推薦自己的項目~

本期為大家推薦GitHub上5個優質的Python項目，<!–more–>它們分別是：

riskquant
pydata-book
avatarify
pyprotect
prophet

下面分別來介紹一下上述5個GitHub項目。

riskquant

Star：457

riskquant是一款Python量化風險庫。

riskquant內置了多個知名的數據分析演算法，例如simpleloss、pertloss，可以很簡單的在Python中實現量化風險分析。

安裝

克隆下源程式碼，進入根目錄，執行下方命令，

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

pydata-book是Wes McKinney(pandas的創作者)和O’Reilly Media編著的《Python for Data Analysis》書籍的學習資料和IPython Notebook源程式碼。

這份學習資料不僅包含數據分析、機器學習里常用的工具，例如，numpy和pandas。也包含數據分析中常用的技術和手段，例如，

數據清洗和處理
時間序列
缺失數據處理
……

此外，pydata-book還包含數據分析實例，在實踐中對數據分析的知識、工具使用有更加深入的認識。

avatarify

Star：5.6k

avatarify是一款應用來自NIPS的中心模型，能夠為 Zoom、Skype 這類影片通話運用添加自己的替身Python工具。

使用教程

安裝miniconda和git
克隆程式碼，執行安裝命令

git clone //github.com/alievk/avatarify.git
cd avatarify
scripts\install_windows.bat

下載訓練的權重，放置到目錄下
安裝媒體播放器，例如，OBS

avatarify項目提供了完整的訓練、安裝、配置過程，涉及的知識體系、架構較為完善。因此，通過學習該項目，可以對一款完整應用的開發有更加清晰的認識。

pyprotect

Star：266

pyprotect是一個輕量級的python程式碼保護、加密工具。

這款工具有如下特性，

跨平台
簡單易用
不需要額外依賴

使用教程

編譯項目，

mkdir build
cd build && cmake .. && make

加密項目，

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

prophet

Star：10.7k

prophet是一個用於線性或非線性增長的多個季節性的時間序列數據提供高品質預測的工具。

Prophet是一個基於加法模型預測時間序列數據的過程，其中非線性趨勢與年、周、日的季節性以及假日效應相吻合。它最適用於具有強烈季節效應和幾個季節的歷史數據的時間序列。Prophet對丟失的數據和趨勢的變化是很健壯的，並且能很好地處理異常值。

使用教程

可以直接使用pip命令安裝，

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