#Python库

viser 是一个 Python 交互式 3D 可视化库，提供丰富 API 用于 3D 图元可视化。它包含 GUI 构建组件，支持场景交互和相机控制。基于 Web 的客户端便于远程使用。viser 支持点云、高斯散射和 SMPLX 可视化。该项目借鉴多个开源工具，采用 React 等现代 Web 技术构建客户端。

SCOPE-RL是一个用于离线强化学习的开源Python库。它实现了从数据生成到策略学习、评估和选择的完整流程。该库提供了多种离线策略评估(OPE)估计器和策略选择(OPS)方法，兼容OpenAI Gym和Gymnasium接口。SCOPE-RL还包含RTBGym和RecGym环境，用于模拟实际应用场景。它简化了离线强化学习的研究和实践过程，提高了实验的透明度和可靠性。

MoviePy是一个Python视频编辑库，支持剪辑、拼接、添加字幕和视频合成等功能。该库可处理常见音视频格式，包括GIF，兼容Windows、Mac和Linux系统。MoviePy提供简洁API，方便创建自定义视频效果。它依赖NumPy和Imageio等模块，可自动安装FFMPEG。此外，MoviePy还支持高级图像处理，可与PIL和OpenCV等库集成使用。

LLM Comparator是一个开源的交互式可视化工具,用于分析和比较大语言模型的评估结果。用户可上传自定义JSON文件或使用示例数据,通过多种可视化方式展示不同模型在各类任务中的表现差异。工具配套Python库可生成兼容JSON文件,支持自动模型评估和原理聚类。研究人员和开发者可借助此工具深入洞察不同模型的优劣,为大语言模型研究提供直观分析支持。

NGBoost是一个基于自然梯度提升的Python库，专注于概率预测。该库构建于Scikit-Learn之上，提供可扩展和模块化的设计，支持多种评分规则、分布和基础学习器。NGBoost适用于回归和分类任务，提供直观的API和丰富的文档。它特别适合需要不确定性估计的机器学习项目，是数据科学领域的实用工具。

python-holidays是一个高效的Python库，用于生成150个国家和地区的官方节假日数据。该库可快速判断特定日期是否为假日，支持多语言输出节假日名称。它涵盖了法定假日、银行假日、学校假日等多种类型，并提供简单的API接口。开发者可利用python-holidays轻松处理各国假日信息，实现灵活的日期查询功能。

plotille是一个纯Python实现的终端绘图库,支持在命令行环境中创建折线图、散点图、直方图和热力图等多种图表类型。该库使用盲文点和颜色进行绘制,无需外部依赖。plotille提供Figure类用于创建复杂图表,也有简单的绘图函数用于快速绘图。此外,plotille支持时间序列数据可视化,并通过Canvas类实现自定义绘图。这个轻量级库适用于需要在终端进行数据可视化的场景。

Matplotlib是一款综合性Python数据可视化库，支持创建静态、动画和交互式图表。该库适用于多种平台和环境，提供丰富的图表类型和自定义选项。Matplotlib可生成出版级别的可视化效果，广泛应用于科学计算、数据分析等领域。其强大功能和灵活性使其成为Python生态系统中备受欢迎的可视化工具。

py-motmetrics是一个评估多目标跟踪(MOT)性能的Python库。它实现了CLEAR-MOT和ID等评估指标,支持多种距离度量,可跟踪每帧事件,并提供灵活的求解器后端。该库兼容MOTChallenge基准,使用pandas进行数据分析,易于扩展。py-motmetrics为研究人员和开发者提供了全面评估和比较多目标跟踪算法性能的工具。

pytimetk是一个高效的Python时间序列分析库，通过简洁语法和优化计算简化了时间序列操作和可视化。相比pandas，它提供3-3500倍的速度提升，并减少代码复杂度。主要功能包括快速时间聚合、便捷绘图、日历特征提取和异常检测等。pytimetk适用于商业预测和科学研究，为时间序列分析提供了全面的解决方案。

sqlite-utils是一个基于Python的SQLite数据库管理工具，提供命令行界面和编程库两种使用方式。它能够导入JSON、CSV、TSV格式数据，自动创建表结构，支持内存SQL查询和全文搜索配置。该工具还可进行表格转换，并通过插件系统扩展功能。sqlite-utils为开发者提供了便捷的SQLite数据操作方法，适用于各种数据处理场景。

HierarchicalForecast是一个Python库，提供多种层级预测协调方法，如BottomUp、TopDown等，并支持概率一致性预测。该框架集成公开数据集、评估指标和统计基线，旨在为行业和学术界提供可靠的层级预测基准，促进时间序列领域的统计建模和机器学习融合。它为开发新的层级预测算法提供了有力工具，有助于推动相关研究和应用的发展。

svg.py是一个用于生成SVG文件的Python库。该库兼容SVG 1.1、1.2、2.0和Tiny标准，具有类型安全性，无第三方运行时依赖。svg.py采用与SVG标准相同的命名和结构，基于svg-xsd-schema和MDN参考实现。库提供在线试用平台和多个使用示例，适用于各种需要SVG生成功能的项目。作为纯Python实现的解决方案，svg.py为开发者提供了简单高效的SVG生成工具。

pygmo是一个开源的、用于大规模并行优化的科学Python库。它围绕提供优化算法和优化问题的统一接口而构建，使其易于在大规模并行环境中部署。该库支持多目标优化和多种优化算法，能够高效处理复杂的优化问题和大规模数据。pygmo提供了全面的文档和教程，适用于研究、教学以及各种实际应用场景。其强大的功能和灵活性使其成为解决复杂优化挑战的理想工具。

prettymaps是一个简洁的Python库,用于绘制OpenStreetMap自定义地图。它基于osmnx、matplotlib等包开发,提供简单API来创建美观的地图可视化。用户可自定义样式、选择预设,并获取地理数据进行分析。支持绘制圆形、矩形边界或整个区域的地图。该库简化了从OpenStreetMap数据创建定制地图的过程,适用于各种地图可视化需求。

Cvxportfolio是一个基于Python的开源投资组合优化和回测库。它实现了多种优化模型,提供API接口和示例代码。支持自定义预测、并行回测和风险管理,可用于构建复杂交易策略。该库依赖Cvxpy和Pandas,适用于金融研究和实际投资。其面向对象设计便于扩展,能够高效评估不同投资策略的表现。

Temporian是一个专注于时间序列分析和数据预处理的Python库。它支持多种时间数据类型，包括多变量时间序列、事件日志和跨源事件流。经过优化，Temporian在处理时间数据时的效率可达常规库的1000倍。此外，它还提供了防止数据泄露的功能，并能与现有机器学习生态系统无缝集成，为时间数据处理提供了高效可靠的解决方案。

Wetterdienst是一个开源Python库，用于获取和处理多个气象机构的开放天气数据。它提供简单的API接口，支持气象站点查询、数据筛选和格式转换等功能。该库还包含命令行工具、Web API和数据可视化组件，可用于气象分析和气候研究。Wetterdienst旨在简化天气数据的访问和处理流程，提高数据获取和分析效率。

tsflex是一个Python工具包，用于时间序列处理和特征提取。它支持多变量、多模态时间序列数据，并可与多种处理和特征提取库集成。tsflex采用基于视图的操作，实现低内存占用和快速执行。该工具包提供直观的API，对序列数据几乎没有假设，能处理异步数据。此外，tsflex还具备特征选择、执行时间记录和序列化等高级功能。

Scalecast是一个功能全面的时间序列预测Python库。它提供统一的机器学习建模接口，支持LSTM、ARIMA等多种模型类型。该库集成了自动特征选择、超参数调优、模型堆叠等功能，并提供便捷的数据可视化工具。Scalecast致力于简化复杂的时间序列预测任务，适用于不同规模的预测项目。

PaddleTS是基于飞桨框架的时序建模库，专注深度学习模型。它提供统一数据结构和基础功能封装，内置多种先进模型和数据转换工具。支持自动调优、第三方集成、GPU加速和集成学习。涵盖预测、表征、异常检测等任务，为时序分析提供全面解决方案。

tsod是一个开源的时间序列异常检测Python库，专注于水领域应用。它提供简洁统一的API，集成多种算法从基础规则到高级神经网络，能高效识别传感器数据中的异常和缺失。该工具部署便捷，适用于实时决策和数值模拟的数据预处理。tsod面向DHI用户和水领域，提供可靠的异常检测方案，并鼓励社区参与开发。

pynapple是一个轻量级Python库，专门用于神经生理数据分析。它提供了多功能的工具集，可分析时间序列（如尖峰时间、行为事件）和时间间隔（如试验、大脑状态）等典型神经科学数据。该库包含调谐曲线和互相关图等通用函数，支持多维时间序列分析，并与NumPy高度兼容。pynapple具有详细的文档和教程，适用于各类神经科学研究。

STUMPY是一个高效的Python库，用于计算时间序列矩阵剖面。支持多维数据分析、分布式计算和GPU加速，适用于模式发现、异常检测等多种数据挖掘任务。其简单易用的特性使研究人员和开发者能够快速分析复杂的时间序列数据。

pyspi是一个计算多变量时间序列数据成对交互统计的Python库。它包含数百种方法，涵盖从简单相关性到Granger因果关系等高级算法。该库适用于金融、神经影像等领域的时间序列分析。作为开源项目，pyspi致力于提供全面的时间序列分析工具，并鼓励社区参与开发。

imgutils是一个功能丰富的Python库，专为动漫风格图像处理而设计。该库集成了多种先进AI模型，提供差分检测与聚类、角色图像预训练、物体检测、线稿生成等功能。此外，imgutils还支持单色图像检测、图像分级、标签生成和截断图像检查等实用工具。这些功能使其成为处理动漫图像数据集和进行图像分析的理想选择。

sjvisualizer是一个Python数据可视化和动画库，专注于时间序列数据。它支持创建条形图竞赛、饼图竞赛、动态折线图和堆叠面积图等动画图表。该库可从Excel文件读取数据，支持自定义颜色和布局，并允许混合使用不同图表类型。sjvisualizer能够生成动态数据展示，适合用于数据分析和可视化。

anime-api是一个综合性动漫API集成项目，整合了多个免费的动漫相关接口。该项目提供图片、事实、名言和角色等多方面的数据访问，接口设计直观且易用。开发者只需简单的代码即可获取丰富的动漫信息，有效提升开发效率。项目持续更新维护，定期添加新的API支持，确保合法合规使用。

youtube-transcript-api是一个Python库，用于获取YouTube视频的字幕和转录文本。该库支持自动生成字幕、字幕翻译，无需使用无头浏览器。它提供简单的API方法，支持批量获取字幕、指定语言和保留格式等功能。此外，youtube-transcript-api还包含命令行界面和代理支持，便于集成到现有应用中。这个库为需要处理YouTube视频字幕的开发者提供了一个实用的工具。

Self-paced Ensemble (SPE)是一个处理大规模高度不平衡数据分类的集成学习框架。SPE采用严格平衡的欠采样策略,无需计算样本间距离,适用于各类数据集。该框架计算高效,性能优异,可与多种学习模型兼容。作为通用框架,SPE能提升现有方法在不平衡数据上的表现,特别适合处理噪声大、极度不平衡的大规模数据集。

作为一个开源项目，PySceneDetect集成了多种视频场景检测算法，包括内容感知和自适应检测。它不仅提供命令行接口，还支持Python API，方便开发者集成到现有工作流程中。该工具能够自动识别视频中的场景变化，实现视频分割、关键帧提取和时间码分析等功能，为视频编辑、内容分析和自动化处理提供了有力支持。

imageio是一个多功能Python图像处理库，支持读写295多种格式的图像数据，包括动画、视频和科学格式。该库跨平台兼容Python 3.8+，依赖少，易于安装使用。它提供简洁的API接口、标准化元数据处理和高级选项，适用于各种复杂图像处理任务。

VidGear是一个高性能Python视频处理库，提供多线程和异步API框架。基于OpenCV、FFmpeg等库，简化复杂视频处理任务的开发。支持IP摄像头、网络流、屏幕捕获等多种视频源，具备视频稳定、编码、流媒体等功能。其简洁API设计使开发者能以少量代码实现复杂视频处理。

Retentioneering是一个专门用于分析点击流、用户路径和事件日志的Python库。该工具提供预处理模块和路径分析功能，支持数据分析师、营销人员和产品经理深入洞察用户行为，进行用户分群，并形成关于留存和流失的假设。通过构建行为分群，Retentioneering能够突出显示影响转化率、留存率和收入的用户行为模式，为产品质量提升提供数据支持。

MushroomRL是一个模块化的Python强化学习库，集成主流张量计算库和RL基准测试环境。它实现了经典和深度强化学习算法，便于进行RL实验。该库兼容OpenAI Gym、PyBullet等环境，涵盖Q-Learning、DQN、DDPG等算法。MushroomRL还支持Habitat和iGibson等高真实度模拟环境，为研究提供多样化选择。

DIPY（Diffusion Imaging in Python）是一个开源的Python库，专门用于分析MR扩散成像。该库提供了丰富的工具和算法，用于处理和分析扩散MRI数据，包括多种扩散模型、纤维追踪方法和可视化技术。DIPY遵循科学Python规范，主要面向研究领域。它支持通过pip或conda安装，并提供详细的文档。DIPY采用BSD许可证，欢迎社区贡献。