}
movies = ["误杀2", "江照黎明"]
console.log("Hello from", console, "!")
console.log(test_data, log_locals=True)

test_log()

![在这里插入图片描述]()


## 👉 3 Dear PyGui



> 
> `Dear PyGui`是一个易于使用但功能强大的非终端Python GUI框架。  
>   **![在这里插入图片描述]()**
> 
> 
> 


官网的示例：


![在这里插入图片描述]()  
 `Dear PyGui`基于及时渲染和GPU来提供高度动态的用户接口，且`Dear PyGui`是跨平台的，在`Windows 10`、`macOS`、`Linux`甚至是树莓派`Raspberry Pi 4`上都能使用；安装起来也相当简单：

pip install dearpygui
or
pip3 install dearpygui

## 👉 4 HummingBird



> 
> `HummingBird`是微软推出的一款人工智能库，可以将传统人工智能模型编译成张量计算，了解深度学习框架，如Tensorflow、Pytorch的同学一定知道张量的重要性。  
>    
> ![在这里插入图片描述]()
> 
> 
> 


`HummingBird`允许用户几乎无缝地使用各种深度学习框架来加速机器学习模型，基于`HummingBird`有很多好处：


* 所有当前或将来在神经网络框架中的优化都会被引入；
* 硬件加速；
* 提供独一无二的统一平台来支持所有传统机器学习模型和深度学习；
* 无需重建模型


总之，`HummingBird`把深度学习的入门门槛又大大降低了。


`HummingBird`库的一行安装代码如下：

pip install hummingbird-ml

## 👉 5 HiPlot



> 
> `HiPlot`是微软推出的用于分析人工智能高维数据的库。  
>   **![在这里插入图片描述]()**
> 
> 
> 


`HiPlot`是一个轻量级交互式可视化工具，用来帮助AI研究者发现高维数据中的关联和内在模式，同时采用并行渲染和其他图形化方式来展示信息。


官网的示例：


![在这里插入图片描述]()


`HiPlot`库的一行安装命令如下：

pip install -U hiplot # Or for conda users: conda install -c conda-forge hiplot

## 👉 6 Norfair



> 
> `Norfair`是一个轻量级平面物体跟踪Python库。  
>    
> ![在这里插入图片描述]()
> 
> 
> 


使用`Norfair`，你可以仅用几行代码就赋予任何检测算法目标跟踪的能力。


官网的示例：  
 ![在这里插入图片描述]()  
 `Norfair`库的一行安装命令如下：

pip install norfair

## 👉 7 GeoPandas



> 
> `GeoPandas`是用来处理地理空间数据的工具库，不仅完美融合了pandas数据类型，还提供了操作地理空间数据的高级接口。
> 
> 
> 


官网的示例：


![在这里插入图片描述]()  
 这个库的安装相对复杂，需要具备以下依赖：


* numpy
* pandas (version 1.0 or later)
* shapely (interface to GEOS; version 1.7 or later)
* fiona (interface to GDAL; version 1.8 or later)
* pyproj (interface to PROJ; version 2.6.1 or later)
* packaging


安装好依赖项后即可运行安装命令，如下：

pip install pygeos

## 👉 8 PyAutoGUI



> 
> `PyAutoGUI`是一个跨平台GUI自动化Python模块。用于以编程方式控制鼠标和键盘。可以让计算机完成你所设计的自动控制任务，解放你的双手
> 
> 
> 


安装时会自动安装`PyAutoGUI`依赖的模块，包括`PyTweening`，`PyScreeze`，`PyGetWindow`，`PymsgBox`和`MouseInfo`，因此只需一行命令，很方便：

pip install pyautogui

应用时也有很多封装好的API，例如

将鼠标光标移动到(200,300)

pyautogui.moveTo(200,300)

将鼠标光标移动到(400,500)

pyautogui.moveTo(400,500)

我做了个小示例：


![在这里插入图片描述]()


## 👉 9 Plotly



> 
> `Plotly`是一个交互式的、开源的、基于浏览器的Python图形库，提供了30多种图表类型，包括
> 
> 
> * 科学图表
> * 3D图表
> * 统计图表
> * SVG地图
> * 金融图表
> * …
> 
> 
> 


`Plotly`库的一行安装命令如下：

pip install plotly==5.6.0

需要注意的是`plotly`是建立在`jupyter notebook`上的，所以需要在`jupyter notebook`中导入这两个包，而不能使用`VSCode`。


官网示例：


![在这里插入图片描述]()


## 👉 10 Emoji



> 
> `Emoji`是个很有意思的Python库，事实上`Unicode`联盟支持一整套表情符号代码，`Emoji`库就提供了打印表情符号的Python接口，使编程更有趣。
> 
> 
> 


**（1）Python所有方向的学习路线（新版）**  

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。



![在这里插入图片描述]()



**（2）Python学习视频**



包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

![在这里插入图片描述]()



**（3）100多个练手项目**

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

![在这里插入图片描述]()




**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化学习资料的朋友，可以戳这里无偿获取]()**

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**