“要处理14维空间中的超平面，请可视化3D空间并大声说出“十四”。每个人都这样做。 ”-杰夫·欣顿（Geoff Hinton） 总览 HyperTools旨在促进基于降的高维数据可视化探索。 基本管道是输入一个高维数据集（或一系列高维数据集），并在单个函数调用中降低数据集的维数并创建图。 该软件包建立在许多熟悉的朋友之上，包括 ， 和 。 我们的软件包最近在。 对于一般概述，您可能会觉得很有用（作为达特茅斯一部分提供）。 试试吧！ 单击徽章以启动示例实例的活页夹实例： 要么 在HyperTools检查Jupyter笔记本的。 安装 要安装最新的稳定版本，请运行： pip install

iTunes备份解密 用于解密iOS备份的Python工具。 经过iOS 14.3的测试。 该脚本将解密加密的iOS备份，并将其输出到Manifest.db文件中指定的目录结构中的指定目录中。 我看到大部分代码是由Stack Exchange用户andrewdotn发布的，该用户从安全研究人员Jean-Baptiste Bedrune和Jean Sigwald获得了主要代码库。 我不得不修复一些残缺的依赖关系，并更改脚本的输入/输出以更好地实现我的目的，因此，前面提到的个人应该得到所有荣誉。 aes_keywrap python函数来自GitHub用户kurtbrose。 特别感谢这些人。 用法：decryptor_CLI.py InputDirectory OutputDirectory密码。 您必须下载这两个文件，因为解密程序脚本利用了aes_keywrap脚本中的函数。 aes_k

适用于渗透测试人员的Python工具 如果您参与漏洞研究，逆向工程或渗透测试，我建议您尝试使用编程语言。 它具有许多有用的库和程序。 此页面列出了其中一些。 列出的大多数工具都是用Python编写的，其他的仅仅是现有C库的Python绑定，即它们使这些库可从Python程序轻松使用。 一些更具侵略性的工具（最先进的框架，蓝牙粉碎程序，Web应用程序漏洞扫描器，战争拨号器等）被排除在外，因为即使在德国后，这些工具的法律状况仍不清楚。 该列表显然是为了帮助白帽，现在，我宁愿在安全方面犯错误。 网络 ：发送，嗅探，和伪造网络数据包。 可交互使用或作为库使用 ， 和 ：libpcap的几种不同的Python绑定 ：低级网络例程，包括接口查找和以太网帧传输 ：快速，简单的数据包创建/解析，具有基本TCP / IP协议的定义 ：制作和解码网络数据包。 包括对更高级别协议（如NMB和SMB

该压缩包是由Pyinstaller打包而成，下载之前先阅读博主文章，里面有详细介绍哦~

pyHRV是一个开放源代码的Python工具箱，可从心电图（ECG），SpO2，血容量脉搏（BVP）或其他带有心率指示器的信号中计算出最新的心率变异性（HRV）参数。 借助pyHRV，我们旨在为HRV专门的教育，研究和应用程序开发提供一个用户友好且通用的Python工具箱。 它提供了可理解的源代码，以帮助初学者了解HRV参数计算的基础，同时为开发人员提供最重要的HRV分析功能，并为研究人员提供结果的质量出版物。 入门 安装 可以使用pip工具安装此工具箱（适用于Python 2和3）： pip install pyhrv 依赖关系： | | | | | 光谱 文档和教程 详细的pyHRV文档可在ReadTheDocs上找到： pyHRV API参考 其他教程可以在这里找到： pyHRV快速入门指南 教程：从ECG采集到使用pyHRV进行HRV分析 教程：使用pyHR

Python集成开发工具，包括python安装包，wxPython安装包，spe，里面有文档说明安装步骤。

介绍 该存储库包含用于读取NetFlow数据的Python工具。 它们是和二进制文件顶部的轻质包装。 他们应该被认为是实验性的。 这些工具在编写时就考虑了Python 3，但我仍将使其与Python 2.7一起使用。 我使用NetFlow v5进行的测试最多。 如果您有可以共享的其他NetFlow日志样本，请发送给我。 自，我一直在将用于NetFlow v9。 要求 你会需要： 安装的flow-tools软件包（从您的发行版或从），以及路径上的flow-export二进制文件 已安装flowd包（可从您的发行版或从），以及路径上的flowd-reader二进制文件。 （仅Python 2.7版）的subprocess32模块安装（从得到它 ） 用法 调用以下函数之一到NetFlow日志中，以获取对该日志中的流进行迭代的迭代器： 使用NetFlowLog让模块尝试猜测要使用哪个阅读

使用C++内嵌python3.7的工具,支持windows平台，支持python第三方库的扩展

文件一键整理exe文件，有界面，包含源码，该压缩包是由Pyinstaller 打包生成，能够直接将exe文件发送给他人使用。下载前请先阅读博主文章，有详细介绍哦！

A scikit-learn compatible Python toolbox for learning with time series/panel data