#Python包

Fairlearn是一个Python包，帮助开发者评估和缓解AI系统中的不公平问题。它提供缓解算法和模型评估指标，并附有Jupyter笔记本示例。Fairlearn侧重于群体公平性，评估并比较模型对不同群体的影响，提供多种解决不公平问题的策略，使用户在不同AI任务中找到最佳平衡。

L♾️pGPT是基于Auto-GPT的Python模块化框架，设计注重模块化和扩展性。支持GPT 3.5，用户无须繁琐配置即可添加功能或自定义代理。此外，L♾️pGPT支持代理状态完整保存，使其能够在不依赖外部数据库的情况下序列化数据。

OntoGPT是一款Python包，通过大语言模型、指令提示和本体定位从文本中提取结构化信息。OntoGPT支持命令行和基本的网络应用接口，并可以与多种API（如OpenAI）进行交互。该工具适用于多种环境，只需设置相关API密钥即可使用多种模型进行信息提取。详细信息请参阅完整文档，提供高效的信息处理解决方案。

MarkLLM是一个开源工具包，致力于支持大规模语言模型 (LLM) 的水印研究和应用。它提供一个统一的平台，支持九种不同的水印算法，还包括自定义可视化工具和详尽的评估模块，便于研究人员和普通用户对水印技术的访问、理解和评估。

EasyInstruct是一个易于使用的指令处理框架，适用于GPT-4、LLaMA、ChatGLM等大型语言模型。框架模块化实现指令生成、选择和提示，支持Self-Instruct、Evol-Instruct和反向翻译等技术，提供丰富的选择指标如长度、困惑度和GPT评分，并包含Shell脚本和Gradio应用的快速上手指南。

Generate 是一个Python包，通过统一的API访问多个生成模型平台，支持文本、多模态、结构体、图像和语音生成。支持OpenAI、Azure等国内外平台，适用于异步、流式和并发调用，满足不同应用场景。用户无需关心平台差异即可享受高效统一的接口封装。

Causallib是一个Python包，提供统一的因果推断方法，灵感来自scikit-learn API，支持复杂机器学习模型的集成。用户可以进行有适应性的模块化因果建模，提供更准确的效果估计。该包还包括评估工具，用于诊断模型表现差异，适用于各种治疗策略和潜在结果预测。研究人员可以使用causallib从现实世界的观察性数据中推断干预措施的因果影响，适用于医疗和社会科学等领域。更多信息请访问causallib文档。

bbox-visualizer是一款简便实用的软件包，帮助用户在无需复杂计算的情况下绘制物体的边界框及添加标签。该工具支持多种标签方式，包括顶部标签、内部标签、旗帜样标签以及不透明覆盖标签。用户可以通过Python轻松安装和使用。该软件还支持绘制多个边界框及添加多个标签，非常适合计算机视觉相关任务。遵循MIT开源许可证，用户可自由使用与二次开发。

PyLabel是一个Python包，可用于为计算机视觉模型（如PyTorch和YOLOv5）准备图像数据集。该工具支持在不同标注格式之间进行转换（如COCO到YOLO），并在Jupyter notebook中提供AI辅助标注功能。PyLabel允许使用单行代码转换标注格式，将注释数据存储在pandas DataFrame中便于分析，按类分层将数据集分为训练集、测试集和验证集，并支持带边界框的图像可视化，从而使图像数据处理更高效便捷。

UniDepth项目提出了通用的单目深度测量方法，支持多个数据集如NYUv2、KITTI和SUN-RGBD。通过训练模型，该方法可直接从RGB图像生成深度和内参预测，无需预先深度数据。其高精度、低延迟的推理能力在多个基准测试中表现优秀。支持多种输入形状和比例，适合机器人视觉和自动驾驶等应用。

coremltools工具可以将TensorFlow、PyTorch、scikit-learn等机器学习模型转换为Core ML格式，并支持对这些模型的读写、优化和验证。这些模型可以无缝集成到Xcode项目中使用。

VBench项目提供一个全面的基准测试套件，专用于评估视频生成模型的多维质量。通过分层的评估维度，VBench可以细化并客观地评估视频生成质量的多个方面。套件包含详细的提示和评估方法，并提供人类偏好注释，确保结果与人类感知一致。用户可以选择对自定义视频或标准提示进行评估，以确保模型间的公平对比。

dpdata是一个面向计算科学软件的Python工具包，支持多种数据格式如DeePMD-kit、VASP和LAMMPS等。该工具包提供数据加载、操作和导出功能，可处理单帧和多帧系统数据，支持标记和非标记系统。dpdata具备丰富的数据访问和转换方法，同时支持原子系统的复制、扰动和替换，以及化学键和形式电荷的处理。

pepy是一个专注于展示Python包统计数据的开源后端服务。它通过BigQuery官方数据源每日更新包下载量信息，采用DDD和CQS设计模式构建。pepy为开发者提供了有价值的洞察，同时鼓励社区参与贡献。作为Python生态系统的分析工具，pepy为包的受欢迎程度和使用趋势提供了重要参考。该项目提供便捷的开发环境设置，方便开发者参与和使用。

pybaseball是一个专注于棒球数据分析的Python库。它自动从Baseball Reference、Baseball Savant和FanGraphs等网站抓取数据，包括Statcast数据、投球和打击统计、联盟排名等。支持获取单场比赛到整个赛季的详细数据，并可自定义时间段进行数据聚合。这个工具包简化了数据获取过程，为棒球数据分析提供了便捷的访问方式。pybaseball还提供了如statcast、pitching_stats、batting_stats等函数，方便用户进行特定查询和数据分析。此外，它还支持本地数据缓存，提高了数据检索效率。

Miditoolkit是一个开源的Python MIDI处理库，采用ticks作为原生时间单位。它提供MIDI文件的读取、编辑和写入功能，支持钢琴卷帘解析、全局MIDI属性管理、乐器控制和可视化。与其他工具相比，Miditoolkit在纯MIDI和符号音乐处理方面性能更优。它适用于音乐创作、MIDI文件分析和音乐信息检索等领域，为开发者提供了高效、灵活的MIDI处理解决方案。

Lamini是一个Python工具包，用于创建个性化生成式AI。它与Lamini API兼容，提供客户端和SDK功能。通过简单安装和API密钥设置，开发者可快速开始构建AI模型。Lamini支持最新稳定版本，确保使用最新功能。该工具包为AI爱好者和专业开发者提供了创建创新AI应用的解决方案。

Cookiecutter是一款跨平台命令行工具，用于从预设模板快速创建项目。该工具支持Python 3.7至3.12版本，无需深入Python知识即可使用。Cookiecutter不仅可生成Python包项目，还适用于多种项目类型。它支持自定义提示和钩子函数，让开发者能灵活高效地初始化项目。用户可从本地或远程模板生成项目，模板创建者则可借助无限嵌套和Jinja2模板引擎设计复杂项目结构。

Maturin是一款专门用于构建和发布Rust与Python集成项目的工具。它支持pyo3、cffi和uniffi绑定，能够将Rust crate和二进制文件打包为Python包。Maturin可在Windows、Linux、Mac和FreeBSD上为Python 3.8+构建wheels，支持上传至PyPI，并兼容PyPy和GraalPy。该工具简化了Rust和Python的集成过程，无需额外配置，与setuptools-rust和milksnake兼容。通过支持pyproject.toml构建，Maturin为开发者提供了灵活高效的跨语言开发解决方案。

geospatial-ml是一个开源Python工具，通过单一命令简化地理空间分析和机器学习包的安装过程。这个项目为研究人员、数据科学家和GIS专业人士提供了一种高效设置地理空间数据科学环境的方法。它优化了工作流程，提升了效率，并保证了环境的一致性。geospatial-ml支持多种常用地理空间分析和机器学习库，使用户能够快速搭建完整的分析环境。该项目采用MIT许可证，并提供完整的在线文档。

geospatial是一个Python包，通过单一命令实现常用地理空间分析和数据可视化包的安装。项目采用MIT许可证，提供详细文档。基于Cookiecutter和giswqs/pypackage模板开发，geospatial为GIS专业人士提供了高效的工具集成方案。

leafmap是一个Python包，为Jupyter环境中的地理空间分析和交互式制图提供支持。它具有简单的API，支持多种地图后端，能够显示矢量和栅格数据，创建自定义图例和分屏地图。通过集成WhiteboxTools，leafmap提供了500多种地理空间分析工具。该工具适用于不同经验水平的用户，包括初学者和专业地理空间数据分析人员。

aicli是一个基于OpenAI API的开源命令行工具，支持Python 3.x版本。通过简单的API密钥设置，开发者可快速上手使用。该工具能理解并执行多种命令行任务，有助于提升开发效率。aicli适用于寻求AI辅助的开发人员，提供免费使用和智能交互功能。

lidar是一个用于分析数字高程模型(DEM)中嵌套地表凹陷的开源Python包。该工具支持DEM平滑处理、凹陷提取、小型人工凹陷过滤、精细DEM生成、凹陷和山丘嵌套层次描绘,以及凹陷拓扑几何特性计算。lidar还提供交互式图形界面,便于用户以最少代码运行程序。它尤其适合分析LiDAR等高分辨率地形数据。

visualkeras是一个用于可视化Keras和TensorFlow神经网络架构的Python库。它支持分层和图形两种架构生成样式,适用于CNN和前馈网络等多种模型。该库提供灵活的样式定制选项,包括生成图例、自定义颜色映射和隐藏特定层。用户可以通过多种参数控制图层间距、缩放和维度显示。visualkeras为神经网络架构的可视化提供了简单而功能丰富的解决方案,适用于研究和教育等多种场景。

spectrum_utils是一个开源的Python软件包，用于处理和可视化质谱数据。它通过USI机制从在线资源加载光谱，提供优化的处理操作，使用ProForma 2.0规范注释光谱片段，并支持生成高质量的自定义光谱图。适用于Python 3.10+版本，可通过pip或conda安装，为质谱数据分析提供了实用的解决方案。

ccs-pykerberos是一个简化Kerberos(GSSAPI)操作的Python库。它为客户端/服务器Kerberos认证提供精简的函数集，支持Channel Bindings，兼容Microsoft Extended Protection等服务。项目文档包括构建指南、测试方法和安全注意事项。尽管已归档，开发者仍可fork此项目进行维护。

tspiral是一个专注于时间序列预测的Python工具包，提供多种优化技术如递归预测、直接预测、堆叠预测和修正预测。它与scikit-learn兼容，支持全局和多变量时间序列预测，并提供简洁API。tspiral将复杂的时间序列问题转化为表格式监督回归任务，方便用户利用scikit-learn生态系统进行预测分析。

statsmodels是一个全面的Python统计建模库，提供多种统计方法和工具。包括线性回归、广义线性模型、时间序列分析、生存分析等功能。该项目文档完善，社区活跃，持续更新。适用于数据科学家和研究人员进行各类统计分析和建模任务，可处理从基础到高级的数据分析需求。

deepdow是一个Python开源项目，致力于连接投资组合优化和深度学习。它通过构建完全可微分的层级管道，实现市场预测和优化问题设计的融合。该框架支持单次前向传递完成权重分配，集成可微凸优化技术，并提供多种数据加载策略。deepdow适用于CPU和GPU环境，为研究人员提供了灵活的实验平台。

Lightkurve是为分析Kepler和TESS太空望远镜数据而设计的开源Python包。它提供高质量的功能模块和教程,简化了天文时间序列数据的处理过程。该工具支持像素和光变曲线分析,适用于手动和自动化的研究流程。Lightkurve旨在帮助学生、天文学家和业余爱好者更便捷地开展相关研究工作。

这是专注于地下水时间序列分析的开源Python工具。它采用面向对象结构,便于快速构建新模型。通过简洁的Python代码,用户可轻松创建、优化和分析时间序列模型。内置多种分析工具,支持Python 3.9-3.12版本,并提供丰富的文档和示例,适合各层次用户使用。

dtw-python是一个实现动态时间规整(DTW)算法的Python包。它支持任意局部和全局约束、快速本地代码执行、多种绘图样式等功能。该包提供计算对齐、绘制对齐和规整函数、表示步骤模式等方法,适用于经济计量学、化学计量学和时间序列挖掘中的分类和聚类任务。它是R语言DTW包的Python等效实现,采用GPL开源许可证发布。最新版本为X.X.X,详细文档可参考项目官网 https://dynamictimewarping.github.io。

AutoTS是一个Python时间序列预测工具，专注于快速部署高精度预测模型。该工具在2023年M6预测竞赛中表现出色，支持多种预测模型和数据转换方法。AutoTS能够处理多变量输出和概率预测，通过自动机器学习寻找最佳模型组合。它适用于大规模数据集，提供横向和马赛克风格的集成方法，以及丰富的指标、交叉验证和数据处理功能。

causal-learn是一个开源的Python因果发现库，实现了多种经典和前沿的因果发现算法。它提供了基于约束、基于评分、基于函数因果模型等方法，以及独立性测试、评分函数等实用工具。该库文档完善，示例丰富，适用于研究人员和数据科学家进行因果关系分析和算法开发。causal-learn是Tetrad项目的Python版本和扩展，由CMU-CLeaR小组积极开发和维护，并提供了丰富的基准数据集供社区使用。

sentinel2-cloud-detector是一个针对Sentinel-2卫星图像的云检测Python包。它采用单场景像素级云检测器和机器学习算法，生成云识别结果和概率图。该工具通过国际合作验证，提供多种安装方式和使用示例，适用于遥感图像处理。