猛男 用于Mach-O文件分析的Python工具箱。 严重依赖macholib 。 安装 用途 $ [sudo] pip install machobot 为了发展 $ pip install nose macholib $ git clone https://github.com/rodionovd/machobot.git machobot $ cd ./machobot $ nosetests # run the test suite 用法 作为命令行工具： $ inject_dylib ./target " @rpath/mylib.dylib " 作为Python模块： import machobot 用法示例： import machobot . dylib as dylib dylib . insert_load_command ( "output.a" , "

不确定性工具箱 用于预测不确定性量化，校准，python工具箱。 另外：的以及的集合。 许多机器学习方法会返回预测以及某种形式的不确定性，例如分布或置信区间。 这就引出了一个问题：我们如何确定最佳的预测不确定性？ 产生最佳或理想不确定性是什么意思？ 我们的不确定性是否准确且经过良好校准？ 不确定性工具箱提供了用于量化和比较预测性不确定性估计值的标准度量，提供了这些度量的直觉，生成了这些度量/不确定性的可视化效果，并实施了简单的“重新校准”程序来改善这些不确定性。 该工具箱当前专注于回归任务。 工具箱内容 不确定性工具箱包含： 与预测不确定性量化相关的。 评估预测不确定性估计的质量的。 预测不确定性估计和指标。 用于改善预测变量校准的方法。 有关度量标准和方法的相关。 安装 不确定性工具箱需要Python 3.6及更高版本。 要安装，请克隆并通过cd进入此仓库，然后运行： $

pysl4land 用于为陆地（pySL4Land）应用程序处理星载激光雷达（GEDI和ICESAT2）的Python工具。 支持的数据产品 为新的数据产品添加支持非常简单，但是目前我已经实现了我所需要的，因此仅支持以下产品。 盖迪 GEDI02_b ICESAT-2 ALT08 安装 要安装，请创建一个新的python环境并安装以下内容： pip install geopandas pip install h5py pip install scipy 下载pysl4land版本，解压缩然后运行： python setup.py install 跑步 然后，您可以使用以下命令运行，这些命令将创建可在GIS中打开的地理包文件：对于GEDI数据： pysl4landgeditools.py -i input_gedi.h5 -o output_gedi.gpkg 对于ICESAT-2

PyOD - 用于异常值检测的Python工具包（也称为异常检测） Python 异常值检测 (PyOD) 部署、文档和统计信息 构建状态、覆盖率、可维护性和许可证 PyOD 是一个全面且可扩展的 Python 工具包，用于检测多元数据中的外围对象。 这个令人兴奋但具有挑战性的领域通常被称为异常值检测或异常检测。 自 2017 年以来，PyOD 已成功应用于各种学术研究和商业产品 [9] [17] [27] [29]。 机器学习社区也通过各种专门的帖子/教程得到了广泛认可，包括 Analytics Vidhya、KDnuggets、Towards Data Science、Computer Vision News 和 awesome-machine-learning。 PyOD 的特色在于：统一的 API、详细的文档和各种算法的交互式示例。 高级模型，包括神经网络/深度学习和异常值集成。 尽可能使用 numba 和 joblib 通过 JIT 和并行化优化性能。 兼容Python 2 & 3。 Python 2.7注意事项：Python 2.7维护将于2020年1

将代码拷到arcgis里的idle或者arcmap界面的python里面，将输入输出文件路径修改了，和参数中最小外包矩形改下即可运行。适合做大量数据clip批处理，节约人力。对于其他工具使用也是类似的，稍微改下即可。

“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