很多伙伴们在学习Python编程的过程中，更倾向于在Github上寻找Python的代码与资料进行学习，针对Python编程的问题，作者和大家分享Github上7个绝佳的开源库。
这个存储库一共有19本Jupyter笔记本。它涵盖了字符串和条件之类的基础知识，然后讨论了面向对象编程，以及如何处理异常和一些Python标准库的特性等。每一个主题都有一个“notebook”链接，它会向你介绍该主题和一些示例代码，当你完成这些内容之后，还有一个练习链接，点击后你就可以做一些测试题。项目地址：https://github.com/jerry-git/learn-python3
这个存储库还可以作为Python的介绍，帮助你从初级水平上升至中级，这里的中级指的是熟练地使用这种编程语言，而不仅仅是简单的循环和算法。该存储库是一个Python脚本集合，每个脚本都是一个核心类别的子主题，比如“操作符”、“数据类型”和“控制流”。你不必完整地学习该课程，正如作者指出的那样，你还可以将存储库用作备忘单，在需要的时候，快速查找，查看文档，查看代码，然后运行测试，看代码是否能正常运行，是否按照代码准则编写。项目地址：https://github.com/trekhleb/learn-python/blob/master/src/control_flow/test_if.py
该存储库快速介绍了字符串和列表等基础知识，然后快速深入到更高级的主题，“类”和“异步编程”等，作者在写这本书时采用了一种实用的方法，用代码示例简要介绍了每个主题，然后直接跳到练习问题，让读者可以自己尝试。你可以在项目详情页下载pdf/epub文件。项目地址：https://github.com/joaoventura/full-speed-python
此存储库不像前面的存储库那样从基础的Python概念开始介绍，相反地，这个存储库更多的是关于中级主题，比如“Python中的SQLite数据库操作”，如果你在Python方面已经有了坚实的基础，那么该资源可以有助于你更好地利用该语言的不同特性，和前面的存储库一样的是，python_reference也带有编辑和运行代码的notebooks。此外，该仓库还有一些有用的非代码资源，作者将其链接到更多的“理论资源”。这部分资源都是坐着认为对学习Python有用的外部资源，包括论坛、书籍和现有的Python项目。项目地址：https://github.com/rasbt/python_reference/5、Python-programming-exercises
这个存储库目前提供了100个Python编程练习，难度从初学者到高级。这些问题和解决方案最初是用Python 2编写的，但作者后来更新了所有100个问题，用Python 3编写。另外还有一个由不同作者编写的“扩展版本”，具有相同的问题和不同的解决方案，在这个扩展的存储库中，作者试图展示解决一个问题的不同方法，这些方法可能比原来的解决方案更有效或更“python化”。项目地址：https://github.com/zhiwehu/Python-programming-exercises
和前面的存储库一样，这个存储库包含了一个完整的编程和算法练习，但是这个存储库并没有将所有练习都放在笔记本中，而是为每个练习提供了一个Python文件，这个文件包含问题和解决方案。这些问题并不是从一个完全的初学者难度开始的，所以我建议在你已经掌握了坚实的基础（使用函数、控制流程等）之后再来回答这些问题。除了包含算法问题和解决方案的Python文件之外，他还提供了一个全面的其他资源列表供用户使用。其中包括许多在线课程，推荐的书籍，以及关于编程问题的热门网站的链接。项目地址：https://github.com/MTrajK/coding-problems/
这个存储库还提供了一个文件集合，向你展示如何在Python中实现不同的算法。这些算法被分成从“算术分析”到“区块链”到“数据结构”等类别。如果你是Python的新手，我建议你先打好基础，因为这个存储库实际上是为那些已经熟悉该语言并希望加深其算法知识的人准备的。作者还为其他一些主要语言(Java、c++、C、Go、Javascript)创建了类似的“学习算法”存储库。项目地址：https://github.com/TheAlgorithms/Python/✄------------------------------------------------
双一流高校研究生团队创建，专注于目标检测相关知识分享
整理不易，点赞三连！
