请注意看红色标识文字，图片均是超清图片，可以单击查看

看见更大的世界，遇见更好的自己

See a better world to meet better for ourselves.

1.MMdnn----MMdnn 是一个深度学习的模型工具集，它能够互转模型文件、可视化模型结构、自动产生训练/推演的代码、辅助测试模型兼容性等。

2.Matplotlib----Matplotlib 是一个高质量数据二维可视化的功能库，它支持几百种数据可视化展示型效果，已经成为该领域的事实标准库，不掌握它都不敢说懂数据处理！

3.ONNX----ONNX 是通向AI开发者生态的第一步，它提供了一种开放的深度学习模型格式，帮助用户在 CNTK、PyTorch、Caffe2、MXNet 等框架间协同工作。 4.SciPy----SciPy 提供了一组支持金融、数学、统计、信号处理等领域常用计算功能的函数，如三次样条插值、数值积分、图像处理等，搭配 Matplotlib 可视化工具包效果更好哦！ 5.filecmp----filecmp 是 Python 标准库之一，提供了用于比较文件或文件夹的一组函数，这些函数能够通过不同参数的配置在比较时间和准确性间进行平衡。 6.itchat----itchat 是针对个人微信网页版的完整功能库，从此，编写微信机器人不要太简单了，30行左右代码就能完成消息处理。 7.pyserial----pyserial 封装了串口通信功能，可以采用相同代码在 Windows、OSX、Linux、BSD 等不同操作系统上开展串口通信，让硬件开发更轻松。 8.retrying----写程序经常遇到一个场景，当程序失败时需要多次重试某些操作，这种情况下，如果想不关心重试逻辑并优雅的“再来一次”，retrying 就是必会之一。 9.seaborn----seaborn 提供了一个高抽象层次和高质量的数据可视化功能库，它基于 matplotlib 开发，能够与 numpy 和 pandas 等众多数据处理明星库协同使用。 10.turtle----turtle 是最重要的 Python 标准库之一，提供了利用海龟绘图原理进行基本图形绘制的众多功能。turtle 是编程入门必学内容之一。 11.Bokeh----Bokeh 是针对 Web 浏览器的交互式数据可视化 Python 第三方库，即它能够直接产生带有数据可视化效果的 Web 页面。Bokeh 支持大规模数据和流式数据可视化操作，数据展示速度快、交互性很强。 12.Gleam----Gleam 能够将数据展示转变为可交互的 Web 页面，这其中，用户不需要了解非 Python 的其他语言。Gleam 能够与绝大部分 Python 数据可视化库对接，利用自带的 Web 服务器，将会直接过转变为 Web 页面效果。 13.Plotly----Plotly 是一个在线数据可视化平台，提供几百种数据可视化效果。Plotly 最大特点是能够在线即时展示数据可视化效果，对于异地协作开发十分有益。此外，Plotly 还提供了一些独特的可视化风格，有待读者挖掘哦！ 14.PyQtDataVisualization----PyQtDataVisualization 是 Qt 数据可视化的 Python 接口，傍着 Qt 这棵大树，这个 Python 第三方库十分有料。与 Qt 定位类似，它特别适用于本地数据可视化程序开发，作为桌面或嵌入式软件的数据展示单元。 15.Pygal----Pygal 提供用来嵌入到 Web 页面中的数据可视化效果，与其他库相比，除了展示效果不同且有一定特点外，它能够将可视化效果图以 SVG 方式输出。Pygal 比较适合几万条以下小规模数据的可视化展示。 16.dataswim----dataswim，让数据去游泳，好想法！这是一个简单的数据可视化 Python 第三方库，提供的数据展示效果不多，但各具特点，即使最简单的曲线图也别具风格。简单、个性却专业，正是 dataswim 的发展路线。如果你是寻求个性的程序员，这个库适合你！ 17.geoplotlib----Geoplotlib 是创建地图及展示地理信息数据的 Python 第三方库，它能够绘制地理等高线图、热力型地图、点密度地图等。若要展示地图相关数据信息，在 seaborn 库之外，这个库绝对值得试用一下。 18.ggplot----ggplot 是 R 语言 ggplot2 可视化系统对应的Python第三方接口，对于熟悉 R 语言的伙伴们来说，这个库十分友好。ggplot 简单易学、十分有趣而且相当强大，平凡的数据都能被绘制得美美的，不信来看图！ 19.missingno----正如它的名字，missingno 用来对数据完整性进行快速的可视化汇总和检测，看图找缺失比读表更直观、更快捷。它提供矩阵、树状图、热力图等多种形式，以及过滤和排序等基本功能。查看数据缺失，missingno 不可或缺。 20.vispy----Vispy 是一个高性能交互式的 2D/3D 数据可视化 Python 第三方库，它可以通过 OpenGL 利用 GPU 对大规模数据进行高速可视化展示。Vispy 正走在一条通往真正大科学计算可视化功能库的道路上，在未来，用 Python 模拟气候变化并可视化将不再是个事儿！ 21.Arcade----Arcade 是一个简单易用创建 2D 游戏的 Python 第三方库，非常适合入门级游戏开发者。它基于 Pyglet 和OpenGL，提供了动画、精灵、装饰、场景等一系列功能，适合作为桌面系统的游戏开发平台。更重要的是，正如其设计理念，使用 Acrade 开发非常简单！ 22.FGMK----FGMK (Fan Game MaKer) 是一个由 Python 语言实现带有 GUI 界面的 RPG 游戏编辑器，可以通过它设计游戏过程，并通过自带的 JavaScript 引擎产生 Web 界面下可运行的 RPG 游戏。FGMK 更像一个工具而不是一个开发引擎。 23.Panda3d----Panda3d 是一个专业级 3D 游戏引擎，提供3D 渲染和游戏开发功能，由迪士尼和卡耐基梅隆大学联合开发并维护。Panda3d 提供 Python 和 C++ 开发接口，它不是入门级游戏引擎，而是一个专业级开发工具。 24.Pygame----Pygame 是 Python 语言当之无愧的游戏入门开发第三方库，它基于 SDL 直接访问音视频硬件及输入输出外设，形成了基本的游戏开发引擎。Pygame 是进一步学习其他游戏引擎的基础。这个库尽管简单，却很强大，能够用于开发专业耐玩的桌面游戏。 25.Pymunk----Pymunk 是一个简单易用的 2D 物理规则第三方库，用来在游戏或演示中增加符合物理规则的动态效果。Pymunk 不是一个游戏框架，比较适合为游戏提供相关功能，可以与 Arcade 游戏开发框架直接兼容使用。想想“愤怒的小鸟”，就知道物理有多重要了！ 26.cocos2d----cocos2d 是一个基于 Pyglet 和 OpenGL 开发的2D游戏、演示和图形交互应用开发框架，采用纯 Python 编写，能够使用硬件加速，可跨平台，易学易用。cocos2d 也提供场景控制、精灵、动作、效果等系列功能。 27.freegames----Freegames 提供了一批用于实验、教学和休闲的开源小游戏，这些游戏用 Python 编写，运行在 Python 环境中，甚至 Raspberry Pi 等嵌入式硬件上。安装很简单、游戏很有趣、代码很示范，安装 Python 后首装第三方库，非 freegames 莫属！ 28.gym----gym 是一个开发并比较增强学习算法的工具集，貌似与游戏无关，但该平台可以整合若干游戏，测试各类游戏智能算法的效果。Gym 兼容 TensorFlow 或 Theano 等深度学习框架，通过控制代理并从环境中获得反馈来运行深度学习算法。 29.gym-super-mario-bros----gym-super-mario-bros 是 OpenAI Gym 环境支持下的超级马里奥兄弟游戏，这个游戏有多经典不再赘述了，很暴露年龄。该第三方库支持对游戏编辑、设置和运行管理，进一步，可以编写代码控制角色进行自动游戏。游戏不重要，“玩转”游戏很重要！ 30.pyglet----Pyglet 是一个面向对象方式编写游戏或其他富媒体应用的第三方库，可以跨平台使用，支持 OpenGL、图像、音视频、事件处理等。Pyglet 是一个较为底层的开发框架，不适合直接作为游戏开发平台，在其基础上封装的 cocos2d 和 Arcade 更为合适。可是，没有这个基础，哪会有高层次呢？！ 31.CNTK----CNTK 是小名，全名是 Microsoft Cognitive Toolkit，它是微软提供的深度学习框架。从技术上，它与其他优秀框架区别不大，但就品质来说，微软出品还是有相当保障的。如果觉得深度学习框架如乱花迷人眼，就从 CNTK 开始吧。 32.Caffe2----Caffe2 是一个轻量级、模块化和可扩展的深度神经网络框架。Caffe2 在圈内非常知名，由 Facebook 出品，但在 2018 年 5 月，它已经正式合并入PyTorch，不再使用 Caffe2 的名字继续更新。再看到 Caffe2，请用 PyTorch 来代替。 33.Keras----Keras 是一个高层次的深度神经网络框架接口，它可以运行 TensorFlow、CNTK、Theano、MXNet 等具体框架，以用户友好、模块化和可扩展性著称。当别人还在 PK 具体框架之时，Keras 已经考虑打通框架之间的壁垒，这种抽象思维十分有益。学好一个具体框架后，Keras 则是“首选”的第二个。 34.Lasagne----Lasagne 是一个基于 Theano 的轻量级神经网络工具库，用于建立和训练神经网络。在大型科技公司深度介入人工智能技术的背景下，这个由几个工程师联合开发的框架注定不会取得大成。尽管该库已经几乎不再演进，其愿景及所开放源代码非常值得广大程序员参考借鉴。 35.PaddlePaddle----PaddlePaddle 是百度公司推出的深度学习框架，它提供了丰富的算法服务，易用、灵活、高效、可扩展，体现了百度的人工智能水平。作为深度学习框架的后起之秀，效果如何还要拭目以待，但非常值得期待。 36.PyTorch----PyTorch 是一个快速和灵活的深度学习框架，它有两个特点：快速，深度整合 GPU 硬件，计算更快速；灵活，可以动态生成张量(Tensor)流图，更适合演进式应用开发。再透露一点，PyTorch 是很多专业人士首选的深度学习框架。 37.TensorFlow----如果不知道 TensorFlow 这个词，一定很 OUT，它是 AlphaGo 背后的深度学习框架，支撑了 Google 背后大量的智能应用。Tensor 是张量，Flow 是流图，TensorFlow 就这样“简单的”构造张量流图开展深度学习计算。虽然专业应用已经不再直接使用这个框架，但作为入门学习者，从 TensorFlow 开始是非常好的选择。 38.Theano----Theano 是一个“历史悠久”(约 10 年)的深度学习框架，为执行大规模神经网络运算所设计，它本质上是一个数学表达式编译器：用符号语言定义过程及结果，编译并高效运行于 GPU 或 CPU 之上。同样，这个由个人群体维护的框架也未能在资本密集的人工智能市场长久存在下去，2017 年发布 1.0 版本后，该框架暂时还没未更新。 39.mxnet----MXNet 是一个神奇的深度学习框架，它由 400 多位来自 Amazon、Apple、Samsung 和 Microsoft 等的开发人员贡献，并形成了一个有深度的开源社区。MXNet 尚未由大公司资助，应该是最中立的深度学习框架了，而且还非常有活力。悄悄的说，学术界最喜欢 MXNet，这必有道理。 40.sklearn-theano----sklearn-theano 是一个建立在 Numpy, Scipy, Theano 和 Matplotlib 等 Python 库之上用于提取并抽象特征的库，严格意义上说，它并非是一个完整的深度学习框架，但对于提取特征，尤其是图像特征十分有用。 41.Hachoir----Hachoir 是一个用于按字段查看和编辑二进制流文件的 Python 库，它可以采用类似浏览目录和文件一样“浏览”任何二进制流/文件，它还提供了提取二进制文件元数据等功能。 42.PyPDF2----PyPDF2 是一个用于解析 PDF 文件的功能库，它能够完成对 PDF 文件的分割、合并、裁剪，提取文字及图片内容，添加数据，查看选项，设置密码等功能。 43.Pydub----Pydub 是一个用于处理音频数据文件的 Python 功能库，它支持 wav/mp3/ogg/flv 等文件格式，提供音频长度提取、淡入淡出效果设置等系列音频处理功能。 44.csvkit----csvkit 是由 Python 编写的命令行工具，用于表格处理，它能够方便地实现 xlsx、json 等格式数据向 csv 格式的转换，并能够与结构化查询语言(SQL)联合使用。 45.moviepy----moviepy 是一个用于视频编辑的 Python 库，它支持大多数常见的视频音频格式，也包括 GIF 格式，提供了视频剪切、连接、标题插入、合成等相关功能。 46.openpyxl----简单说，openpyxl 能够读写微软 Excel 2010 支持的文件格式，即 xlsx/xlsm/xltx/xltm 等。它的具体功能包括创建和修改工作簿，设置数字格式，使用 Excel 公式，以及绝大部分微软 Excel 工具能够完成的操作功能。 47.pefile----pefile 是一个能够解析 PE (Portable Execu