下面分别来介绍一下上述5个GitHub项目。
mplfinance
Star：371
mplfinance[2]是一款将matplotlib应用于金融数据可视化的工具。
mpl正是matplotlib的缩写。
此前我在文章6款Python可视化工具，总有一款适合你！介绍了6款Python可视化工具。但是，Python的应用场景远不于此，需要用到可视化的场景也是数不胜数。
而金融作为一个较为热门又比较特别的方向，对数据可视化需求也非常大。
mplfinance就是一款由著名的matplotlib开发团队开发的一款专门针对金融数据可视化的工具。
安装与使用
通过pip命令安装，
pip install --upgrade mplfinance
下面看一下mplfinance的使用示例，
import mplfinance as mpf daily = pd.read_csv('examples/data/SP500_NOV2019_Hist.csv',index_col=0,parse_dates=True) daily.index.name = 'Date' mpf.plot(daily,type='candle',mav=(3,6,9),volume=True,show_nontrading=True)
rich
Star：7k
rich[3]是一款美化终端富文本内容的命令行工具。
在终端下使用Python过程中，内容会以同样的颜色进行展示，不能像IDE中那样根据语法进行高亮显示。这样，文本的辨识度、阅读效率就会降低很多。
rich可以让终端下富文本以彩色形式进行显示，辨识度更高，像很多成熟的IDE一样。
from rich import print print("Hello, [bold magenta]World[/bold magenta]!", ":vampire:", locals())
babel
Star：892
babel[4]是一个实用程序的集合，它帮助实现Python应用程序国际化和本地化。
不同国家、地区对同样的内容表示方式是截然不同的，例如，数字、日期等。
babel就是这样一款工具，帮助你实现Python程序适用于不同国家和地区，你不需要再去写复杂的逻辑来获取所在国家信息，然后修改相应的日期、数字格式，babel一行代码就可以搞定。
时间
>>> from datetime import date, datetime, time >>> from babel.dates import format_date, format_datetime, format_time >>> d = date(2007, 4, 1) >>> format_date(d, locale='en') u'Apr 1, 2007' >>> format_date(d, locale='de_DE') u'01.04.2007'
数字
>>> format_decimal(1.2345, locale='en_US') u'1.234' >>> format_decimal(1.2345, locale='sv_SE') u'1,234' >>> format_decimal(12345, locale='de_DE') u'12.345'
imgaug
Star：9.2k
imgaug[5]是一款快速、高效的图像增广库。
数据集在人工智能领域占据着至关重要的地位，无论是算法描绘的多么天花乱坠，如果没有数据集，它的价值也无从谈起。
而且，对于很多从事计算机视觉、自然语言等领域相关同学而言，都非常清楚日常工作绝大多数时间都是在与数据在打交道。
这里面比较重要的一点就是图像增广，我曾在《动手学计算机视觉》系列课程中一节专门介绍过这项工作，能够用于扩充数据集，弥补计算机视觉中图像不足的问题。
但是，以往需要自己手动开发一定工作量。
imgaug就解决了这个问题，它具有高斯噪声、对比度、仿射变换、旋转等常用的图像增广功能，只需要少量的代码就可以生成图像增广序列。
xxh
Star：915
xxh[6]是一款让你随时随地可以使用自己喜欢shell的工具。
使用Linux、Mac过程中，默认的shell样式、功能都差强人意，因此，一些出色的开发者就开发出了很多不错的shell工具，例如，
•zsh•fish•xonsh•osquery
但是，这也有一些地方让人使用起来很不舒服，比如，每次登录ssh后需要重复执行环境变量配置文件，而且在不同用户权限下是无法使用的。
xxh就解决了这一个问题，它让你在不进行root访问和系统安装的情况下，将你最喜欢的shell带到登录ssh的任何地方。
