下面分别来介绍一下上述5个GitHub项目。
riskquant
Star：457
riskquant[2]是一款Python量化风险库。
riskquant内置了多个知名的数据分析算法，例如，simpleloss、pertloss，可以很简单的在Python中实现量化风险分析。
安装
克隆下源代码，进入根目录，执行下方命令，
pip install .
示例：
>> from riskquant import pertloss >> p = pertloss.PERTLoss(low_loss=10, high_loss=100, min_freq=0.1, max_freq=0.7, most_likely_freq=0.3, kurtosis=1) >> simulate_100 = p.simulate_years(100) >> p.summarize_loss(simulate_100) {'minimum': 0, 'tenth_percentile': 0, 'mode': 0, 'median': 1, 'ninetieth_percentile': 2, 'maximum': 6}
pydata-book
Star：12.1k
pydata-book[3]是Wes McKinney(pandas的创作者)和O'Reilly Media编著的《Python for Data Analysis》书籍的学习资料和IPython Notebook源代码。
这份学习资料不仅包含数据分析、机器学习里常用的工具，例如，numpy和pandas。也包含数据分析中常用的技术和手段，例如，
•数据清洗和处理•时间序列•缺失数据处理•......
此外，pydata-book还包含数据分析实例，在实践中对数据分析的知识、工具使用有更加深入的认识。
avatarify
Star：5.6k
avatarify[4]是一款应用来自NIPS的中心模型，能够为 Zoom、Skype 这类视频通话运用添加自己的替身Python工具。
使用教程
•安装miniconda和git
•克隆代码，执行安装命令
git clone https://github.com/alievk/avatarify.git cd avatarify scripts\install_windows.bat
•下载训练的权重，放置到目录下•安装媒体播放器，例如，OBS
avatarify项目提供了完整的训练、安装、配置过程，涉及的知识体系、架构较为完善。因此，通过学习该项目，可以对一款完整应用的开发有更加清晰的认识。
pyprotect
Star：266
pyprotect[5]是一个轻量级的python代码保护、加密工具。
这款工具有如下特性，
•跨平台•简单易用•不需要额外依赖
使用教程
编译项目，
mkdir build cd build && cmake .. && make
加密项目，
python encrypt.py -s SCRIPTS_DIR -e ENTRY_POINT_LIST -o OUTPUT_DIR [--exclude EXCLUDED_SCRIPT_LIST]
prophet
Star：10.7k
prophet[6]是一个用于线性或非线性增长的多个季节性的时间序列数据提供高质量预测的工具。
Prophet是一个基于加法模型预测时间序列数据的过程，其中非线性趋势与年、周、日的季节性以及假日效应相吻合。它最适用于具有强烈季节效应和几个季节的历史数据的时间序列。Prophet对丢失的数据和趋势的变化是很健壮的，并且能很好地处理异常值。
使用教程
可以直接使用pip命令安装，
pip install fbprophet CMDSTAN=/tmp/cmdstan-2.22.1 STAN_BACKEND=PYSTAN,CMDSTANPY pip ins
