环境管理
管理 Python 版本和环境的工具
p：非常简单的交互式 python 版本管理工具。
Vex：可以在虚拟环境中执行命令。
virtualenv：创建独立 Python 环境的工具。
virtualenvwrapper：virtualenv 的一组扩展。

包管理
管理包和依赖的工具。
pip：Python 包和依赖关系管理工具。
pip-tools：保证 Python 包依赖关系更新的一组工具。
conda：跨平台，Python 二进制包管理工具。
Curdling：管理 Python 包的命令行工具。
wheel：Python 分发的新标准，意在取代 eggs。

包仓库
本地 PyPI 仓库服务和代理。
warehouse：下一代 PyPI。
Warehouse：PyPA 提供的 PyPI 镜像工具。 bandersnatch
devpi：PyPI 服务和打包/测试/分发工具。
localshop：本地 PyPI 服务（自定义包并且自动对 PyPI 镜像）。

分发
打包为可执行文件以便分发。
PyInstaller：将 Python 程序转换成独立的执行文件（跨平台）。
dh-virtualenv：构建并将 virtualenv 虚拟环境作为一个 Debian 包来发布。
Nuitka：将脚本、模块、包编译成可执行文件或扩展模块。
py2app：将 Python 脚本变为独立软件包（Mac OS X）。
py2exe：将 Python 脚本变为独立软件包（Windows）。
pynsist：一个用来创建 Windows 安装程序的工具，可以在安装程序中打包 Python本身。

构建工具
将源码编译成软件。
buildout：一个构建系统，从多个组件来创建，组装和部署应用。
BitBake：针对嵌入式 Linux 的类似 make 的构建工具。
fabricate：对任何语言自动找到依赖关系的构建工具。
PlatformIO：多平台命令行构建工具。
PyBuilder：纯 Python 实现的持续化构建工具。
SCons：软件构建工具。

交互式解析器
交互式 Python 解析器。
IPython：功能丰富的工具，非常有效的使用交互式 Python。
bpython：界面丰富的 Python 解析器。
ptpython：高级交互式Python解析器， 构建于python-prompt-toolkit 之上。

文件
文件管理和 MIME（多用途的网际邮件扩充协议）类型检测。
imghdr：（Python 标准库）检测图片类型。
mimetypes：（Python 标准库）将文件名映射为 MIME 类型。
path.py：对 os.path 进行封装的模块。
pathlib：（Python3.4+ 标准库）跨平台的、面向对象的路径操作库。
python-magic：文件类型检测的第三方库 libmagic 的 Python 接口。
Unipath：用面向对象的方式操作文件和目录。
watchdog：管理文件系统事件的 API 和 shell 工具官网

日期和时间
操作日期和时间的类库。
arrow：更好的 Python 日期时间操作类库。
Chronyk：Python 3 的类库，用于解析手写格式的时间和日期。
dateutil：Python datetime 模块的扩展。
delorean：解决 Python 中有关日期处理的棘手问题的库。
moment：一个用来处理时间和日期的Python库。灵感来自于Moment.js。
PyTime：一个简单易用的Python模块，用于通过字符串来操作日期/时间。
pytz：现代以及历史版本的世界时区定义。将时区数据库引入Python。
when.py：提供用户友好的函数来帮助用户进行常用的日期和时间操作。

文本处理
用于解析和操作文本的库。
通用
chardet：字符编码检测器，兼容 Python2 和 Python3。
difflib：(Python 标准库)帮助我们进行差异化比较。
ftfy：让Unicode文本更完整更连贯。
fuzzywuzzy：模糊字符串匹配。
Levenshtein：快速计算编辑距离以及字符串的相似度。
pangu.py：在中日韩语字符和数字字母之间添加空格。
yfiglet-figlet：pyfiglet -figlet 的 Python实现。
shortuuid：一个生成器库，用以生成简洁的，明白的，URL 安全的 UUID。
unidecode：Unicode 文本的 ASCII 转换形式 。
uniout：打印可读的字符，而不是转义的字符串。
xpinyin：一个用于把汉字转换为拼音的库。
simplejson：Python的JSON编码、解码器。GitHub
Slug化
awesome-slugify：一个 Python slug 化库，可以保持 Unicode。
python-slugify：Python slug 化库，可以把 unicode 转化为 ASCII。
unicode-slugify：一个 slug 工具，可以生成 unicode slugs ,需要依赖 Django 。
解析器
phonenumbers：解析，格式化，储存，验证电话号码。
PLY：lex 和 yacc 解析工具的 Python 实现。
Pygments：通用语法高亮工具。
pyparsing：生成通用解析器的框架。
python-nameparser：把一个人名分解为几个独立的部分。
python-user-agents：浏览器 user agent 解析器。
sqlparse：一个无验证的 SQL 解析器。

特殊文本格式处理
一些用来解析和操作特殊文本格式的库。
通用
tablib：一个用来处理中表格数据的模块。
Office
Marmir：把输入的Python 数据结构转换为电子表单。
openpyxl：一个用来读写 Excel 2010 xlsx/xlsm/xltx/xltm 文件的库。
python-docx：读取，查询以及修改 Microsoft Word 2007/2008 docx 文件。
unoconv：在 LibreOffice/OpenOffice 支持的任意文件格式之间进行转换。
XlsxWriter：一个用于创建 Excel .xlsx 文件的 Python 模块。官网
xlwings：一个使得在 Excel 中方便调用 Python 的库（反之亦然），基于 BSD 协议。
xlwt：读写 Excel 文件的数据和格式信息。
relatorio：模板化OpenDocument 文件。
PDF
PDFMiner：一个用于从PDF文档中抽取信息的工具。
PyPDF2：一个可以分割，合并和转换 PDF 页面的库。
ReportLab：快速创建富文本 PDF 文档。
Markdown
Mistune：快速并且功能齐全的纯 Python 实现的 Markdown 解析器。
Python-Markdown：John Gruber’s Markdown 的 Python 版实现。
Python-Markdiwn2：纯 Python 实现的 Markdown 解析器，比 Python-Markdown 更快，更准确，可扩展。
YAML
PyYAML：Python 版本的 YAML 解析器。
CSV
csvkit：用于转换和操作 CSV 的工具。
Archive
unp：一个用来方便解包归档文件的命令行工具。

自然语言处理
用来处理人类语言的库。
NLTK：一个先进的平台，用以构建处理人类语言数据的 Python 程序。
jieba：中文分词工具。
langid.py：独立的语言识别系统。
Pattern：Python 网络信息挖掘模块。
SnowNLP：一个用来处理中文文本的库。
TextBlob：为进行普通自然语言处理任务提供一致的 API。
TextGrocery：一简单高效的短文本分类工具，基于 LibLinear 和 Jieba。

文档
用以生成项目文档的库。
Sphinx：Python 文档生成器。官网
awesome-sphinxdoc：官网
MkDocs：对 Markdown 友好的文档生成器。官网
pdoc：一个可以替换Epydoc 的库，可以自动生成 Python 库的 API 文档。官网
Pycco：文学编程（literate-programming）风格的文档生成器。官网

配置
用来保存和解析配置的库。
config：logging 模块作者写的分级配置模块。官网
ConfigObj：INI 文件解析器，带验证功能。官网
ConfigParser：(Python 标准库) INI 文件解析器。官网
profig：通过多种格式进行配置，具有数值转换功能。官网
python-decouple：将设置和代码完全隔离。官网

命令行工具
用于创建命令行程序的库。
命令行程序开发
cement：Python 的命令行程序框架。官网
click：一个通过组合的方式来创建精美命令行界面的包。官网
cliff：一个用于创建命令行程序的框架，可以创建具有多层命令的命令行程序。官网
clint：Python 命令行程序工具。官网
colorama：跨平台彩色终端文本。官网
docopt：Python 风格的命令行参数解析器。官网
Gooey：一条命令，将命令行程序变成一个 GUI 程序。官网
python-prompt-toolkit：一个用于构建强大的交互式命令行程序的库。官网
Pythonpy：在命令行中直接执行任何Python指令。官网
生产力工具
aws-cli：Amazon Web Services 的通用命令行界面。官网
bashplotlib：在终端中进行基本绘图。官网
caniusepython3：判断是哪个项目妨碍你你移植到 Python 3。官网
cookiecutter：从 cookiecutters（项目模板）创建项目的一个命令行工具。官网
doitlive：一个用来在终端中进行现场演示的工具。官网
howdoi：通过命令行获取即时的编程问题解答。官网
httpie：一个命令行HTTP 客户端，cURL 的替代品，易用性更好。官网
PathPicker：从bash输出中选出文件。官网
percol：向UNIX shell 传统管道概念中加入交互式选择功能。官网
SAWS：一个加强版的 AWS 命令行。官网
thefuck：修正你之前的命令行指令。官网
mycli：一个 MySQL 命令行客户端，具有自动补全和语法高亮功能。官网
pgcli：Postgres 命令行工具，具有自动补全和语法高亮功能。官网

下载器
用来进行下载的库.
s3cmd：一个用来管理Amazon S3 和 CloudFront 的命令行工具。官网
s4cmd：超级 S3 命令行工具，性能更加强劲。官网
you-get：一个 YouTube/Youku/Niconico 视频下载器，使用 Python3 编写。官网
youtube-dl：一个小巧的命令行程序，用来下载 YouTube 视频。官网

图像处理
用来操作图像的库.
pillow：Pillow 是一个更加易用版的 PIL。官网
hmap：图像直方图映射。官网
imgSeek：一个使用视觉相似性搜索一组图片集合的项目。官网
nude.py：裸体检测。官网
pyBarcode：不借助 PIL 库在 Python 程序中生成条形码。官网
pygram：类似 Instagram 的图像滤镜。官网
python-qrcode：一个纯 Python 实现的二维码生成器。官网
Quads：基于四叉树的计算机艺术。官网
scikit-image：一个用于（科学）图像处理的 Python 库。官网
thumbor：一个小型图像服务，具有剪裁，尺寸重设和翻转功能。官网
wand：MagickWand的Python 绑定。MagickWand 是 ImageMagick的 C API 。官网

OCR
光学字符识别库。
pyocr：Tesseract 和 Cuneiform 的一个封装(wrapper)。官网
pytesseract：Google Tesseract OCR 的另一个封装(wrapper)。官网
python-tesseract - Google Tesseract OCR 的一个包装类。

音频
用来操作音频的库
audiolazy：Python 的数字信号处理包。官网
audioread：交叉库 (GStreamer + Core Audio + MAD + FFmpeg) 音频解码。官网
beets：一个音乐库管理工具及 MusicBrainz 标签添加工具官网
dejavu：音频指纹提取和识别官网
django-elastic-transcoder：Django + Amazon Elastic Transcoder。官网
eyeD3：一个用来操作音频文件的工具，具体来讲就是包含 ID3 元信息的 MP3 文件。官网
id3reader：一个用来读取 MP3 元数据的 Python 模块。官网
m3u8：一个用来解析 m3u8 文件的模块。官网
mutagen：一个用来处理音频元数据的 Python 模块。官网
pydub：通过简单、简洁的高层接口来操作音频文件。官网
pyechonest：Echo Nest API 的 Python 客户端官网
talkbox：一个用来处理演讲/信号的 Python 库官网
TimeSide：开源 web 音频处理框架。官网
tinytag：一个用来读取MP3, OGG, FLAC 以及 Wave 文件音乐元数据的库。官网
mingus：一个高级音乐理论和曲谱包，支持 MIDI 文件和回放功能。官网

Video
用来操作视频和GIF的库。
moviepy：一个用来进行基于脚本的视频编辑模块，适用于多种格式，包括动图 GIFs。官网
scikit-video：SciPy 视频处理常用程序。官网

地理位置
地理编码地址以及用来处理经纬度的库。
GeoDjango：世界级地理图形 web 框架。官网
GeoIP：MaxMind GeoIP Legacy 数据库的 Python API。官网
geojson：GeoJSON 的 Python 绑定及工具。官网
geopy：Python 地址编码工具箱。官网
pygeoip：纯 Python GeoIP API。官网
django-countries：一个 Django 应用程序，提供用于表格的国家选择功能，国旗图标静态文件以及模型中的国家字段。官网

HTTP
使用HTTP的库。
requests：人性化的HTTP请求库。官网
grequests：requests 库 + gevent ，用于异步 HTTP 请求.官网
httplib2：全面的 HTTP 客户端库。官网
treq：类似 requests 的Python API 构建于 Twisted HTTP 客户端之上。官网
urllib3：一个具有线程安全连接池，支持文件 post，清晰友好的 HTTP 库。官网

数据库
Python实现的数据库。
pickleDB：一个简单，轻量级键值储存数据库。官网
PipelineDB：流式 SQL 数据库。官网
TinyDB：一个微型的，面向文档型数据库。官网
ZODB：一个 Python 原生对象数据库。一个键值和对象图数据库。官网

数据库驱动
用来连接和操作数据库的库。
ySQL：awesome-mysql系列
mysql-python：Python 的 MySQL 数据库连接器。官网
ysqlclient：mysql-python 分支，支持 Python 3。
oursql：一个更好的 MySQL 连接器，支持原生预编译指令和 BLOBs.官网
PyMySQL：纯 Python MySQL 驱动，兼容 mysql-python。官网
PostgreSQL
psycopg2：Python 中最流行的 PostgreSQL 适配器。官网
queries：psycopg2 库的封装，用来和 PostgreSQL 进行交互。官网
txpostgres：基于 Twisted 的异步 PostgreSQL 驱动。官网
其他关系型数据库
apsw：另一个 Python SQLite封装。官网
dataset：在数据库中存储Python字典
pymssql：一个简单的Microsoft SQL Server数据库接口。官网
NoSQL 数据库
cassandra-python-driver：Cassandra 的 Python 驱动。官网
HappyBase：一个为 Apache HBase 设计的，对开发者友好的库。官网
Plyvel：一个快速且功能丰富的 LevelDB 的 Python 接口。官网
py2neo：Neo4j restful 接口的Python 封装客户端。官网
pycassa：Cassandra 的 Python Thrift 驱动。官网
PyMongo：MongoDB 的官方 Python 客户端。官网
redis-py：Redis 的 Python 客户端。官网
telephus：基于 Twisted 的 Cassandra 客户端。官网
txRedis：基于 Twisted 的 Redis 客户端。官网

ORM
实现对象关系映射或数据映射技术的库。
关系型数据库
awesome-sqlalchemy系列
Django Models：Django 的一部分。官网
SQLAlchemy：Python SQL 工具以及对象关系映射工具。官网
Peewee：一个小巧，富有表达力的 ORM。官网
PonyORM：提供面向生成器的 SQL 接口的 ORM。官网
python-sql：编写 Python 风格的 SQL 查询。官网
NoSQL 数据库
django-mongodb-engine：Django MongoDB 后端。官网
PynamoDB：Amazon DynamoDB 的一个 Python 风格接口。官网
flywheel：Amazon DynamoDB 的对象映射工具。官网
MongoEngine：一个Python 对象文档映射工具，用于 MongoDB。官网
hot-redis：为 Redis 提供 Python 丰富的数据类型。官网
redisco：一个 Python 库，提供可以持续存在在 Redis 中的简单模型和容器。官网
其他
butterdb：Google Drive 电子表格的 Python ORM。官网

Web 框架
全栈 Web 框架。
Django：Python 界最流行的 web 框架。官网
awesome-django系列
Flask：一个 Python 微型框架。官网
awesome-flask系列
pyramid：一个小巧，快速，接地气的开源Python web 框架。
awesome-pyramid系列
Bottle：一个快速小巧，轻量级的 WSGI 微型 web 框架。官网
CherryPy：一个极简的 Python web 框架，服从 HTTP/1.1 协议且具有WSGI 线程池。官网
TurboGears：一个可以扩展为全栈解决方案的微型框架。官网
web.py：一个 Python 的 web 框架，既简单，又强大。官网
web2py：一个全栈 web 框架和平台，专注于简单易用。官网
Tornado：一个web 框架和异步网络库。官网

权限
允许或拒绝用户访问数据或功能的库。
Carteblanche：Module to align code with thoughts of users and designers. Also magically handles navigation and permissions.官网
django-guardian：Django 1.2+ 实现了单个对象权限。官网
django-rules：一个小巧但是强大的应用，提供对象级别的权限管理，且不需要使用数据库。官网

CMS
内容管理系统
odoo-cms: 一个开源的，企业级 CMS，基于odoo。官网
django-cms：一个开源的，企业级 CMS，基于 Django。官网
djedi-cms：一个轻量级但却非常强大的 Django CMS ，考虑到了插件，内联编辑以及性能。官网
FeinCMS：基于 Django 构建的最先进的内容管理系统之一。官网
Kotti：一个高级的，Python 范的 web 应用框架，基于 Pyramid 构建。官网
Mezzanine：一个强大的，持续的，灵活的内容管理平台。官网
Opps：一个为杂志，报纸网站以及大流量门户网站设计的 CMS 平台，基于 Django。官网
Plone：一个构建于开源应用服务器 Zope 之上的 CMS。官网
Quokka：灵活，可扩展的小型 CMS，基于 Flask 和 MongoDB。官网
Wagtail：一个 Django 内容管理系统。官网
Widgy：最新的 CMS 框架，基于 Django。官网

电子商务
用于电子商务以及支付的框架和库
django-oscar：一个用于 Django 的开源的电子商务框架。官网
django-shop：一个基于 Django 的店铺系统。官网
Cartridge：一个基于 Mezzanine 构建的购物车应用。官网
shoop：一个基于 Django 的开源电子商务平台。官网
alipay：非官方的 Python 支付宝 API。官网
merchant：一个可以接收来自多种支付平台支付的 Django 应用。官网
money：货币类库with optional CLDR-backed locale-aware formatting and an extensible currency exchange solution.官网
python-currencies：显示货币格式以及它的数值。官网

RESTful API
用来开发RESTful APIs的库
Django
django-rest-framework：一个强大灵活的工具，用来构建 web API。官网
django-tastypie：为Django 应用开发API。官网
django-formapi：为 Django 的表单验证，创建 JSON APIs 。官网
Flask
flask-api：为 flask 开发的，可浏览 Web APIs 。官网
flask-restful：为 flask 快速创建REST APIs 。官网
flask-restless：为 SQLAlchemy 定义的数据库模型创建 RESTful APIs 。官网
flask-api-utils：为 Flask 处理 API 表示和验证。官网
eve：REST API 框架，由 Flask, MongoDB 等驱动。官网
Pyramid
cornice：一个Pyramid 的 REST 框架 。官网
与框架无关的
falcon：一个用来建立云 API 和 web app 后端的高性能框架。官网
sandman：为现存的数据库驱动系统自动创建 REST APIs 。官网
restless：框架无关的 REST 框架 ，基于从 Tastypie 学到的知识。官网
ripozo：快速创建 REST/HATEOAS/Hypermedia APIs。官网

验证
实现验证方案的库。
OAuth
Authomatic：简单但是强大的框架，身份验证/授权客户端。官网
django-allauth：Django 的验证应用。官网
django-oauth-toolkit：为 Django 用户准备的 OAuth2。官网
django-oauth2-provider：为 Django 应用提供 OAuth2 接入。官网
Flask-OAuthlib：OAuth 1.0/a, 2.0 客户端实现，供 Flask 使用。官网
OAuthLib：一个 OAuth 请求-签名逻辑通用、 完整的实现。官网
python-oauth2：一个完全测试的抽象接口。用来创建 OAuth 客户端和服务端。官网
python-social-auth：一个设置简单的社会化验证方式。官网
rauth：OAuth 1.0/a, 2.0, 和 Ofly 的 Python 库。官网
sanction：一个超级简单的OAuth2 客户端实现。官网
其他
jose：JavaScript 对象签名和加密草案的实现。官网
PyJWT：JSON Web 令牌草案 01。官网
python-jws：JSON Web 签名草案 02 的实现。官网
python-jwt：一个用来生成和验证 JSON Web 令牌的模块。官网

模板引擎
模板生成和词法解析的库和工具。
Jinja2：一个现代的，对设计师友好的模板引擎。官网
Chameleon：一个 HTML/XML 模板引擎。 模仿了 ZPT（Zope Page Templates）, 进行了速度上的优化。官网
Genshi：Python 模板工具，用以生成 web 感知的结果。官网
Mako：Python 平台的超高速轻量级模板。官网 查看全部

谷歌的AI击败了一位围棋大师，是一种衡量人工智能突然的快速发展的方式，也揭示了这些技术如何发展而来和将来可以如何发展。






人 工智能是一种未来性的技术，目前正在致力于研究自己的一套工具。一系列的进展在过去的几年中发生了：无事故驾驶超过300000英里并在三个州合法行驶迎 来了自动驾驶的一个里程碑；IBM Waston击败了Jeopardy两届冠军;统计学习技术从对消费者兴趣到以万亿记的图像的复杂数据集进行模式识别。这些发展必然提高了科学家和巨匠们 对人工智能的兴趣，这也使得开发者们了解创建人工智能应用的真实本质。开发这些需要注意的第一件事是：



哪一种编程语言适合人工智能？

你所熟练掌握的每一种编程语言都可以是人工智能的开发语言。

人工智能程序可以使用几乎所有的编程语言实现，最常见的有：Lisp,Prolog,C/C++，近来又有Java，最近还有Python.



LISP

像LISP这样的高级语言在人工智能中备受青睐，因为在各高校多年的研究后选择了快速原型而舍弃了快速执行。垃圾收集，动态类型，数据函数，统一的语法，交互式环境和可扩展性等一些特性使得LIST非常适合人工智能编程。



PROLOG

这种语言有着LISP高层和传统优势有效结合，这对AI是非常有用的。它的优势是解决“基于逻辑的问题”。Prolog提供了针对于逻辑相关问题的解决方案，或者说它的解决方案有着简洁的逻辑特征。它的主要缺点（恕我直言）是学起来很难。



C/C++

就像猎豹一样，C/C++主要用于对执行速度要求很高的时候。它主要用于简单程序，统计人工智能，如神经网络就是一个常见的例子。Backpropagation 只用了几页的C/C++代码，但是要求速度，哪怕程序员只能提升一点点速度也是好的。



JAVA

新来者，Java使用了LISP中的几个理念，最明显的是垃圾收集。它的可移植性使它可以适用于任何程序，它还有一套内置类型。Java没有LISP和Prolog高级，又没有C那样快，但如果要求可移植性那它是最好的。



PYTHON

Python 是一种用LISP和JAVA编译的语言。按照Norvig文章中对Lips和Python的比较，这两种语言彼此非常相似，仅有一些细小的差别。还有 JPthon，提供了访问Java图像用户界面的途径。这是PeterNorvig选择用JPyhton翻译他人工智能书籍中程序的的原因。 JPython可以让他使用可移植的GUI演示，和可移植的http/ftp/html库。因此，它非常适合作为人工智能语言的。



在人工智能上使用Python比其他编程语言的好处
 
优质的文档平台无关，可以在现在每一个*nix版本上使用和其他面向对象编程语言比学习更加简单快速Python有许多图像加强库像Python Imaging Libary,VTK和Maya 3D可视化工具包，Numeric Python, Scientific Python和其他很多可用工具可以于数值和科学应用。Python的设计非常好，快速，坚固，可移植，可扩展。很明显这些对于人工智能应用来说都是非常重要的因素。对于科学用途的广泛编程任务都很有用，无论从小的shell脚本还是整个网站应用。最后，它是开源的。可以得到相同的社区支持。
 
 
AI的Python库


总体的AI库
 
AIMA：Python实现了从Russell到Norvigs的“人工智能：一种现代的方法”的算法pyDatalog：Python中的逻辑编程引擎SimpleAI：Python实现在“人工智能：一种现代的方法”这本书中描述过的人工智能的算法。它专注于提供一个易于使用，有良好文档和测试的库。EasyAI：一个双人AI游戏的python引擎（负极大值，置换表、游戏解决）
 
 
机器学习库
 
PyBrain 一个灵活，简单而有效的针对机器学习任务的算法，它是模块化的Python机器学习库。它也提供了多种预定义好的环境来测试和比较你的算法。PyML 一个用Python写的双边框架，重点研究SVM和其他内核方法。它支持Linux和Mac OS X。scikit-learn旨在提供简单而强大的解决方案，可以在不同的上下文中重用：机器学习作为科学和工程的一个多功能工具。它是python的一个模块，集成了经典的机器学习的算法，这些算法是和python科学包（numpy,scipy.matplotlib）紧密联系在一起的。MDP-Toolkit这 是一个Python数据处理的框架，可以很容易的进行扩展。它海收集了有监管和没有监管的学习算饭和其他数据处理单元，可以组合成数据处理序列或者更复杂 的前馈网络结构。新算法的实现是简单和直观的。可用的算法是在不断的稳定增加的，包括信号处理方法（主成分分析、独立成分分析、慢特征分析），流型学习方 法（局部线性嵌入），集中分类，概率方法（因子分析，RBM),数据预处理方法等等。
 
 
自然语言和文本处理库
 
NLTK 开源的Python模块，语言学数据和文档，用来研究和开发自然语言处理和文本分析。有windows,Mac OSX和Linux版本。

案例

做了一个实验，一个使用人工智能和物联网做员工行为分析的软件。该软件通过员工情绪和行为的分心提供了一个有用的反馈给员工，从而提高了管理和工作习惯。

使 用Python机器学习库，opencv和haarcascading概念来培训。建立了样品POC来检测通过安置在不同地点的无线摄像头传递回来基础情 感像幸福，生气，悲伤，厌恶，怀疑，蔑视，讥讽和惊喜。收集到的数据会集中到云数据库中，甚至整个办公室都可以通过在Android设备或桌面点击一个按 钮来取回。

开发者在深入分析脸部情感上复杂点和挖掘更多的细节中取得进步。在深入学习算法和机器学习的帮助下，可以帮助分析员工个人绩效和适当的员工/团队反馈。


结论

python 因为提供像 scikit-learn的好的框架，在人工智能方面扮演了一个重要的角色：Python中的机器学习，实现了这一领域中大多的需求。D3.js JS中数据驱动文档时可视化最强大和易于使用的工具之一。处理框架，它的快速原型制造使得它成为一门不可忽视的重要语言。AI需要大量的研究，因此没有必 要要求一个500KB的Java样板代码去测试新的假说。python中几乎每一个想法都可以迅速通过20-30行代码来实现（JS和LISP也是一 样）。因此，它对于人工智能是一门非常有用的语言。
 
 
 
 
 
文章来源于网络智造家平台提供 查看全部