add 23

README.md

@@ -14,8 +14,16 @@ PyHubWeekly是一个精选Github上优质Python小工具的项目，宗旨，
 
 如果喜欢，麻烦给个**Star**支持:thumbsup:一下吧。此外，**欢迎大家通过提交issue来投稿和推荐自己的项目**~
 
+专注Python、AI、大数据，欢迎关注公众号**七步编程**！
+
+<img src="https://gitee.com/sharetech_lee/blogimg/raw/master/imgs/image-20200821231810602.png" width="30%" height="30%">
+
 # 2020年
 
+### 八月
+
+⭐️[第23期](./docs/23-pyhubweekly.md)
+
 ## 六月
 
 ⭐️[第22期](./docs/22-pyhubweekly.md)

docs/23-pyhubweekly.md

@@ -0,0 +1,198 @@
+## 前言
+
+PyHubWeekly每周定期更新，精选GitHub上优质的Python项目/小工具。
+
+我把PyHubWeekly托管到了Github，感兴趣的可以**搜索Github项目**[PyHubWeekly](Jackpopc/PyHubWeekly)，如果喜欢，麻烦给个Star支持一下吧。此外，**欢迎大家通过提交issue来投稿和推荐自己的项目**~
+
+本期为大家推荐GitHub上5个优质的Python项目，它们分别是：
+
+- **aiosql**
+- **libra**
+- **PyOxidizer**
+- **latexify_py**
+- **Ciphey**
+
+下面分别来介绍一下上述5个GitHub项目。
+
+### aiosql
+
+**Star：709**
+
+[aiosql](https://github.com/nackjicholson/aiosql)是一款让Python中执行SQL语句更加简单的一种工具包。
+
+后端开发，避免不了和数据库的增删改查打交道。因此，在编程语言与SQL混合使用是一种非常常见的现象。无论是Java，还是Python。
+
+在以往的方式中，都是把SQL语句作为字符串写死在核心逻辑代码中。这样虽然省事，但是，杂乱的SQL语句会大大增加代码的阅读和理解难度。
+
+而aiosql大大简化这个问题，使得上述这个问题得到很好的解决。
+
+**安装**
+
+```shell
+$ pip install aiosql
+```
+
+**使用**
+
+首先，创建一个名为`users.sql`的SQL文件：
+
+```sql
+-- name: get-all-users
+-- Get all user records
+select userid,
+       username,
+       firstname,
+       lastname
+  from users;
+
+
+-- name: get-user-by-username^
+-- Get user with the given username field.
+select userid,
+       username,
+       firstname,
+       lastname
+  from users
+ where username = :username;
+```
+
+然后，在Python代码中引入aiosql工具包，它能够很容易解析写好的SQL代码文件，能够想执行Python函数一样去执行SQL的一些常用操作。
+
+```python
+import aiosql
+import sqlite3
+
+conn = sqlite3.connect("myapp.db")
+queries = aiosql.from_path("users.sql", "sqlite3")
+
+users = queries.get_all_users(conn)
+# >>> [(1, "nackjicholson", "William", "Vaughn"), (2, "johndoe", "John", "Doe"), ...]
+
+users = queries.get_user_by_username(conn, username="nackjicholson")
+```
+
+这种把SQL拆离出来写到文件里，通过执行Python函数去执行Python的增删改查不仅能够提升代码的可阅读性，还能够减少编码过程中的工作量。
+
+### libra
+
+**Star：1.7k**
+
+[libra](https://github.com/Palashio/libra)是一款高阶的机器学习工具包，它能够让机器学习使用更加便捷、简单。
+
+机器学习逐渐变成了”傻瓜式“，以往，网络上总是调侃机器学习、计算机视觉方面的工作人员为调参工程师。的确，反观大多数AI领域的工作人员每天的工作内容主要都是集中在准备数据、模型调优。
+
+可是，我认为即便是这种技术程度的工作也将很快被替代。现在，很多大公司都在开发统一、易于使用的机器学习平台。使用者只需要配置数据集，就可以获得训练好的模型。
+
+这已经够简单了，但是**libra**提供了一种更加简单的解决方案，甚至对于从来没有接触过机器学习，不理解机器学习的外行都能够很容易使用。
+
+libra可以让你像使用搜索引擎一样去使用机器学习，你只需要输入一段自然语言，描述你想要的完成的任务，它就可以按照你的描述去选择数据集 、训练模型。
+
+**示例**
+
+```python
+from libra import client
+
+newClient = client('path/to/dataset') 
+newClient.neural_network_query('please model the median number of households')
+newClient.info()
+
+dict_keys(['id', 'model', 'num_classes', 'plots', 'target', 'preprocesser', 
+          'interpreter', 'test_data', 'losses', 'accuracy'])
+
+newClient.svm_query('predict the proximity to the ocean')
+newClient.model().keys()
+
+dict_keys(['regression_ANN', svm'])
+```
+
+
+
+### PyOxidizer
+
+**Star：2.5k**
+
+[PyOxidizer](https://github.com/indygreg/PyOxidizer)是一款由Rust编写的一款强大的Python打包、分发工具。
+
+当我们完成一项工程的开发，需要把它部署到某台服务器上，或者把这个工具分享给周围的朋友。如果把源代码传递过去显然是不合理的，因为它有很多开发环境的依赖，而且很不安全。
+
+软件打包和分发是解决这个问题的一种方法，但是，目前Python方面打包工具很多，但是大多数使用起来都非常繁琐，不够友好。
+
+而PyOxidizer让Python打包变得更加简单。
+
+使用PyOxidizer依赖于Rust，因此，要使用它打包首先应该安装Rust，
+
+```shell
+$ rustc --version
+rustc 1.38.0 (625451e37 2019-09-23)
+```
+
+然后，执行初始化命令，会在选择的文件创建一个配置文件，
+
+```shell
+$ pyoxidizer init-config-file pyapp
+```
+
+通过这个配置文件，就可以统一来管理Python工程的解释器、包管理工具等，使得打包任务更加完成、简单。
+
+### latexify_py
+
+**Star：1.2k**
+
+[latexify_py](https://github.com/google/latexify_py)是一款能够快速把Python中函数转换为LaTeX公式的工具包。
+
+在开发Python过程中，往往会涉及到一些公式计算。但是，编程语言的描述方式并不是很容易能够让人理解。我们比较熟悉的时从小到大接触的那些数学符号的描述方式。
+
+而latexify_py能够快速把Python函数转换为我们容易理解的数学公式。
+
+**示例**
+
+```python
+@latexify.with_latex
+def solve(a, b, c):
+  return (-b + math.sqrt(b**2 - 4*a*c)) / (2*a)
+
+print(solve(1, 4, 3))
+print(solve)
+print()
+solve
+```
+
+输出结果：
+
+```python
+-1.0
+\operatorname{solve}(a, b, c)\triangleq \frac{-b + \sqrt{b^{2} - 4ac}}{2a}
+```
+
+![image-20200821230035928](https://gitee.com/sharetech_lee/blogimg/raw/master/imgs/image-20200821230035928.png)
+
+只需要简单的使用装饰器，就可以把函数转换为公式。
+
+### Ciphey
+
+**Star：2.4k**
+
+[Cipyey](Ciphey/Ciphey)是一款应用了自然语言处理和人工智能的自动化解密工具，你只需要输入加密后的文本，它能够返回你解密结果。
+
+它具有如下特性：
+
+- 支持20+种解密方式
+- 多语言支持
+- 支持加密
+- 速度快
+
+**安装**
+
+```shell
+$ python3 -m pip install ciphey --upgrade
+```
+
+**使用**
+
+在命令行下很容易使用Ciphey，只需要执行如下命令即可：
+
+```shell
+$ ciphey -t "encrypted text here" -q
+```
+
+![3ways](https://gitee.com/sharetech_lee/blogimg/raw/master/imgs/3ways.gif)