通过互联网学习和阅读意味着在一个混沌信息的无限丛林，在快速变化的创新领域更是如此
你有没有感到不知所措？当试图接近数据科学没有一条真正的“路”可走？
你是否厌倦了点击“Run”，“Run”，“Run”。在一本木星笔记本上，带着别人工作的舒适区给人的那种虚假的自信？
您是否曾经因为同一算法或方法的几个相互矛盾的名称而感到困惑，这些名称来自不同的网站和零散的教程？
Virgilio为每个人免费解决这些关键问题
Virgilio由以下人员开发和维护these awesome people您可以给我们发电子邮件virgilio.datascience (at) gmail.com或加入Discord chat
太棒了！检查contribution guidelines参与我们的项目吧！
内容由-NC-SA 4.0在知识共享下发布license代码在MIT licenseVirgilio形象来自于here
创新的用户界面变得轻松
Kivy是一个开源的、跨平台的Python用于开发利用创新的多点触控用户界面的应用程序的框架。其目的是允许快速简单的交互设计和快速原型设计，同时使您的代码可重用和可部署
Kivy是用Python编写的，Cython，基于OpenGL ES 2，支持多种输入设备，具有丰富的微件库。使用相同的代码库，您可以针对Windows、MacOS、Linux、Android和iOS。所有Kivy小部件都支持多点触控
Kivy是麻省理工学院许可的，由一个伟大的社区积极开发，并得到由管理的许多项目的支持Kivy Organization
详细的安装说明以及教程和一般文档(包括API参考)可在以下位置找到https://kivy.org/docs一个PDF version也是可用的
Kivy提供了许多示例，这些示例可以在examples文件夹
如果您需要帮助，可以在我们的邮件列表上寻求帮助：
我们还有一个不和谐的频道：
我们喜欢提出请求和讨论新奇的想法。请查看我们的contribution guide你可以随意改进基维
以下邮件列表和不和谐频道专门用于讨论开发Kivy框架及其姊妹项目：
不和谐频道：
这个项目的存在要归功于所有做出贡献的人。[Contribute]
感谢我们所有的支持者！🙏[Become a backer]
通过成为赞助商来支持这个项目。您的徽标将在此处显示，并带有指向您的网站的链接。[Become a sponsor]
我们提供了各种序列建模论文的参考实现：
我们还提供pre-trained models for translation and language modeling以一种方便的方式torch.hub接口：
en2de = torch.hub.load('pytorch/fairseq', 'transformer.wmt19.en-de.single_model')
en2de.translate('Hello world', beam=5)
# 'Hallo Welt'
请参阅Pych Torch Hub教程，了解translation和RoBERTa有关更多示例，请参阅
git clone https://github.com/pytorch/fairseq
cd fairseq
pip install --editable ./
# on MacOS:
# CFLAGS="-stdlib=libc++" pip install --editable ./
# to install the latest stable release (0.10.x)
# pip install fairseq
git clone https://github.com/NVIDIA/apex
cd apex
pip install -v --no-cache-dir --global-option="--cpp_ext" --global-option="--cuda_ext" \
--global-option="--deprecated_fused_adam" --global-option="--xentropy" \
--global-option="--fast_multihead_attn" ./
pip install pyarrow--ipc=host或--shm-size作为命令行选项执行以下操作nvidia-docker run这个full documentation包含有关入门、培训新模型以及使用新模型类型和任务扩展airseq的说明
我们为下面列出的几个任务提供预先训练的模型和预处理的二进制测试集，以及示例培训和评估命令
我们还提供了更详细的自述文件，以转载特定论文的结果：
airseq(-py)是麻省理工学院授权的。许可证也适用于预先培训的模型
请引述如下：
@inproceedings{ott2019fairseq,
title = {fairseq: A Fast, Extensible Toolkit for Sequence Modeling},
author = {Myle Ott and Sergey Edunov and Alexei Baevski and Angela Fan and Sam Gross and Nathan Ng and David Grangier and Michael Auli},
booktitle = {Proceedings of NAACL-HLT 2019: Demonstrations},
year = {2019},
}
Saleor是一个快速增长的开源电子商务平台，自2012年以来一直为出版和服装等分支机构的大批量公司提供服务。基于Python和Django，最新的重大更新引入了由GraphQL API驱动的模块化前端，并使用Reaction和TypeScript编写
Saleor是自由的，而且永远是自由的。帮帮我们，…如果您喜欢免费的东西和优秀的软件，请给我们一颗星！🌟
Saleor需要Python 3.8、Node.js 10.0+、PostgreSQL和特定于操作系统的依赖关系工具
See the Saleor docs有关安装和部署的分步说明，请参阅
注：masterBRANCH是Saleor的开发版本，可能不稳定。要使用最新的稳定版本，请从Releases页面或切换到版本标签
当前的稳定版本是2.11，您应该将此版本用于所有三个组件：
此处提供了Saleor文档：docs.saleor.io
要投稿，请参阅mirumee/saleor-docs repository
要在本地计算机上同时运行Saleor的所有组件(API、Storefront和Dashboard)，最简单的方法是使用saleor-platform项目。有关如何使用它的说明，请转到该存储库
对于PWA，单页店面请访问saleor-storefront存储库
有关仪表板，请访问saleor-dashboard存储库
想看看Saleor的行动吗？
View Storefront|View Dashboard (admin area)
或者在免费的Heroku实例上启动演示
登录凭据：admin@example.com/admin
我们感谢您的贡献，并竭尽全力为您提供指导和支持。如果您正在寻找撞击的问题，请查看标签为Help Wanted
如果没有什么能吸引你的注意力，请检查our roadmap或者想出你的特写。给我们写封信或者open an issue我们会想办法处理它的
有关更多详细信息，请访问我们的Contributing Guide
如果您对使用旧版本的Saleor感兴趣，请访问legacy-views存储库。它包含2.9.0版，其中包括基于Django的视图和Storefront1.0和Dashboard 1.0的HTML模板。注意：此版本的Saleor不再正式维护
您使用Saleor作为电子商务平台吗？填写这份简短的调查问卷，帮助我们成长。这只需要一分钟，但意义重大！
免责声明：只要您遵守license没有隐藏的指控。我们承诺尽最大努力修复错误并改进代码
有些情况确实需要额外的代码；我们可以介绍奇异的用例或为您构建定制的电子商务设备
一个可以用于下载图片、视频、文件的小工具，有下载进度显示功能.稍加修改即可添加到自己的爬虫中.
动态示意图：
第三方依赖库安装：
pip3 install beautifulsoup4
使用方法：
python biqukan.py
原理说明：http://blog.csdn.net/c406495762/article/details/72331737
代码不完善，没有进行打包，不具通用性，纯属娱乐.
“帅啊”网网址：http://www.shuaia.net/index.html
原理说明：http://blog.csdn.net/c406495762/article/details/72597755
第三方依赖库安装：
pip3 install requests beautifulsoup4
原理说明：http://blog.csdn.net/c406495762/article/details/72793480
代码可以爬取整个“火影忍者”漫画所有章节的内容，保存到本地.更改地址，可以爬取其他漫画.保存地址可以在settings.py中修改。
原理说明：http://blog.csdn.net/c406495762/article/details/72858983
网页爬取已经会了，想过爬取手机应用程序里的内容吗？
原理说明：http://blog.csdn.net/c406495762/article/details/76850843
爬取的数据存入数据库会吗？“跟股神巴菲特学习炒股之财务报表入库(Mysql)”也许能给你一些思路。
原理说明：http://blog.csdn.net/c406495762/article/details/77801899
动态示意图：
原理说明：
本次实战内容有：
抖音应用程序的视频下载，就是普通的应用程序爬取。
原理说明：
抖音应用程序的视频下载，添加视频解析网站，支持无水印视频下载，使用第三方平台解析。
原理说明：
抖音应用程序的视频下载，添加视频解析网站，支持无水印视频下载，通过URL解析，无需第三方平台。
原理说明：
动态示意图：
原理说明：
无
可以自己慢慢丰富，蛮简单，有爬虫基础很好操作，没有原理说明.
效果图：
原理说明：
功能介绍：
服务器端，使用python(bai wan.py)通过抓包获得的接口获取答题数据，解析之后通过百度知道搜索接口匹配答案，将最终匹配的结果写入文件(file.txt)。
手机抓包不会的朋友，可以看下我的早期手机APP抓包教程那就是。
js(app.js)每隔1S读取一次文件.txt文件，并将读取结果通过套接字.IO推送给客户端(index.html)。
亲测答题延时在3S左右。
声明:没做过后端和前端，花了一天时间，现学现卖弄好的、javascript也是现看现用，百度的程序，调试调试而已。可能有很多用法比较Low的地方，用法不对，请勿见怪，有大牛感兴趣，可以自行完善。
效果图：
原理说明：
暂无
功能介绍：
根据MUSIC_LIST.txt文件里的歌单的信息下载网易云音乐，将自己喜欢的音乐进行批量下载。
原理说明：
暂无
使用说明：
python bilibili.py -d 猫 -k 猫 -p 10
三个参数：
-d 保存视频的文件夹名
-k B站搜索的关键字
-p 下载搜索结果前多少页
效果图：
原理说明：
暂无
使用说明：
python jd.py -k 芒果
三个参数：
-d 保存图片的路径，默认为fd.py文件所在文件夹
-k 搜索关键词
-n 下载商品的晒单图个数，即n个商店的晒单图
效果图：
原理说明：
暂无
使用说明：
cd zhengfang_system_spider
pip install -r requirements.txt
python spider.py
更多精彩，敬请期待！
🎉Life is fantastic🥳!~
“你知道你所有的门都锁上了吗？“–”Riddick“(Riddick的编年史)
一些爬虫示例程序，以及模拟登陆程序，模拟登陆基于Selenium、有些模拟登录基于js逆向，持续更新，有问题可以直接提交Issues、欢迎提交PR、测试通过可以直接Merge、文中所有程序都是使用python3编写：-)
模拟登陆基本采用的是直接登录或者使用Selenium+WebDriver的方式，有的网站直接登录难度很大，比如QQ空间，bilibili等如果采用Selenium就相对轻松一些。
虽然在登录的时候采用的是Selenium，为了效率，我们可以在登录过后得到的Cookie维护起来，然后调用请求或者Scrapy等进行数据采集，这样数据采集的速度可以得到保证。
欢迎任何人参与和完善:一个人可以走的很快，但是一群人却可以走的更远
Matplotlib是一个综合性的库，用于用Python语言创建静电、动画和交互式可视化效果
请查看我们的home page了解更多信息
Matplotlib以各种硬拷贝格式和跨平台的交互环境制作出版质量的数字。Matplotlib可用于Python脚本、Python和IPython shell、Web应用程序服务器以及各种图形用户界面工具包
有关安装说明和要求，请参见INSTALL.rst或者install文档
安装后，启动测试套件：
python -m pytest
请阅读testing guide有关更多信息和替代方案
您发现了一个bug或其他您想要更改的东西-太棒了！
你已经想出了一种修复它的方法–甚至更好！
你想告诉我们这件事–最棒的是！
Discourse是一般性问题和讨论的讨论论坛，也是我们推荐的起点。
我们的活动邮件列表(反映在话语中)是：
Gitter用于协调发展并提出与matplotlib直接相关的问题
如果Matplotlib对导致出版的项目做出了贡献，请引用Matplotlib来确认这一点
A ready-made citation entry有空房吗？
请注意，该存储库正在参与一项关于开放源码项目可持续性的研究。从2021年6月开始，将在大约12个月的时间内收集有关此存储库的数据
收集的数据将包括贡献者数量、PR数量、关闭/合并这些PR所需的时间以及已关闭的问题
欲了解更多信息，请访问the informational
page或下载participant information
sheet
2017年年12月28日下午，微信发布了6.6.1版本，加入了“小游戏”功能，并提供了官方演示《跳一跳》。这是一个2.5D插画风格的益智游戏，玩家可以通过按压屏幕时间的长短来控制这个“小人”跳跃的距离。分数越高，那么在好友排行榜更加靠前.通过Python脚本自动运行，让你轻松霸榜.
可能刚开始上手的时候，因为时间距离之间的关系把握不恰当，只能跳出几个就掉到了台子下面.如果能利用图像识别精确测量出起始和目标点之间测距离，就可以估计按压的时间来精确跳跃.
adb shell screencap -p /sdcard/autojump.png
adb pull /sdcard/autojump.png .
adb shell input swipe x y x y time(ms)
相关软件工具安装和使用步骤请参考Android 和 iOS 操作步骤
- git clone https://github.com/wangshub/wechat_jump_game.git
[优化]使用PEP8优化代码
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化对话的生产力优势。Zulip被开源项目、财富500强公司、大型标准机构和其他需要实时聊天系统的人使用，该系统允许用户每天轻松处理数百或数千条消息。每月有700多名贡献者合并500多条提交，Zulip也是规模最大、增长最快的开源群聊项目
单击下面的相应链接。如果什么都不适用，请加入我们的Zulip community server告诉我们怎么回事！
您可能会对以下内容感兴趣：
您可能还会有兴趣阅读我们的blog或者跟着我们走TwitterZulip分布在Apache 2.0许可证
Zipline目前支持Python 2.7、3.5和3.6，可以通过pip或conda安装
注：安装Zipline比一般的Python包稍微复杂一些。查看完整内容Zipline Install Documentation有关详细说明，请参阅
对于开发安装(用于开发Zipline本身)，创建并激活一个viralenv，然后运行etc/dev-install脚本
请参阅我们的getting started tutorial
以下代码实现了一个简单的双重移动平均算法
from zipline.api import order_target, record, symbol
def initialize(context):
context.i = 0
context.asset = symbol('AAPL')
def handle_data(context, data):
# Skip first 300 days to get full windows
context.i += 1
if context.i < 300:
return
# Compute averages
# data.history() has to be called with the same params
# from above and returns a pandas dataframe.
short_mavg = data.history(context.asset, 'price', bar_count=100, frequency="1d").mean()
long_mavg = data.history(context.asset, 'price', bar_count=300, frequency="1d").mean()
# Trading logic
if short_mavg > long_mavg:
# order_target orders as many shares as needed to
# achieve the desired number of shares.
order_target(context.asset, 100)
elif short_mavg < long_mavg:
order_target(context.asset, 0)
# Save values for later inspection
record(AAPL=data.current(context.asset, 'price'),
short_mavg=short_mavg,
long_mavg=long_mavg)
然后，您可以使用Zipline CLI运行此算法。首先，您必须下载一些定价和资产数据示例：
$ zipline ingest
$ zipline run -f dual_moving_average.py --start 2014-1-1 --end 2018-1-1 -o dma.pickle --no-benchmark
这将下载来自Quandl的资产定价数据，并在指定的时间范围内通过算法流式传输。然后，生成的Performance DataFrame保存在dma.pickle，您可以从Python中加载和分析
您可以在zipline/examples目录
如果您发现了错误，请随时open an issue并填写问题模板
欢迎所有贡献、错误报告、错误修复、文档改进、增强和想法。有关如何设置开发环境的详细信息，请参阅我们的development guidelines
如果您希望开始使用Zipline代码库，请导航到GitHub问题选项卡，开始查看有趣的问题。有时会有一些问题被标记为Beginner Friendly或Help Wanted
您可以随时在mailing list或打开Gitter
注意事项
请注意，Zipline不是一个由社区主导的项目。Zipline是由Quantopian工程团队维护的，我们很小，经常很忙
正因为如此，我们想警告您，我们可能在几个月甚至几年内不会处理您的拉请求、问题或直接提及。我们希望您能理解，我们希望这封信能帮助您减少任何挫败感或浪费时间。