第 9 章 开源项目推荐
1、最佳Python代码库 Python资源精选列表1：Python框架、库、软件以及资源精选列表。
（https://github.com/vinta/awesome-python）
Python资源精选列表2：精心筛选的一组Python框架、库、软件以及资源列表。
（https://github.com/trananhkma/fucking-awesome-python）
Python精选应用程序：将近400个开源Python应用程序，按主题陈列，且附有使用apatite根据结构化数据生成的代码库、文档等链接。
（https://github.com/mahmoud/awesome-python-applications）
Pytorch：与Pytorch相关的库，Pytorch是有名的张量与动态神经网络机器学习框架。
（https://github.com/bharathgs/Awesome-pytorch-list）
Python异步：精心挑选的Python异步框架、库、软件以及资源清单。
（https://github.com/timofurrer/awesome-asyncio）
Jupyter：非常了不起的Jupyter项目、库以及资源的清单。你可以利用Jupyter创建和共享包含实时代码、方程式、可视化效果、文本等的Python文档。
（https://github.com/markusschanta/awesome-jupyter）
Python书单: 有关Python的最佳书单！
（https://github.com/Junnplus/awesome-python-books）
2、图书 Python指南：关于Python日常安装、配置和使用的最佳实践手册，包括pip、numpy、virtualenv等的介绍。
（https://github.com/realpython/python-guide）
Python简明教程：面向初学者的Python教程，你只需要知道如何保存一个保存文本文件即可开始学习。
（https://github.com/swaroopch/byte-of-python）
Cosmic Python：以python方式的应用程序架构模式来管理复杂性，O’Reilly的免费书籍！
（https://github.com/cosmicpython/book）
Python机器学习：该库包含经典的机器学习教程的Notebook代码。
（https://github.com/rasbt/python-machine-learning-book-3rd-edition）
3、面试问题 Python经典编程面试题：经典的Python编程面试问题集，请不要作弊！
（https://github.com/StBogdan/CTCI_python）
Python交互式编程题：使用Anki学习卡片提供了120多个持续更新、交互式、测试驱动的编程面试题。
（https://github.com/donnemartin/interactive-coding-challenges）
Python面试题集：Python面试中经常遇到的问题。
（https://github.com/sigmavirus24/python-interview-questions）
Python面试题集2：额外的300多个Python面试题。
（https://github.com/learning-zone/python-interview-questions）
4、数据结构与算法 Python数据结构与算法：Python 3的数据结构与算法，最简单、最整洁的实现，已获1.8万颗星！
（https://github.com/keon/algorithms）
Udemy算法、数据结构与面试课程：该库中包含Udemy课程附带的notebook，可帮助你准备面试。
（https://github.com/jmportilla/Python-for-Algorithms--Data-Structures--and-Interviews）
Python算法：算法和数据结构的实现，快乐的学习！
（https://github.com/prakhar1989/Algorithms）
5、Python资源 GitHub的Python趋势列表：GitHub提供的Python流行代码库。
（https://github.com/trending/python）
PEP 8–Python样式指南检查器：该工具可以按照PEP 8样式约定检查你的Python代码。
（https://github.com/treyhunner/pep8）
Google样式指南：Google推荐的Python样式指南。
（https://github.com/google/styleguide）
Python增强建议：Python增强建议，PEP官方索引。
（https://github.com/python/peps）
6、学习Python Python Koans：一个交互式的教程，可通过测试来学习Python，测试驱动开发的入门教程。
（https://github.com/gregmalcolm/python_koans）
基于项目的学习：面向项目的编程教程列表，包括构建网络抓取工具、应用程序机器人等。
（https://github.com/tuvtran/project-based-learning#python）
通过JupyterNotebook学习Python 3：通过一系列交互式Jupyter Notebook教你学习Python 3。