🔥 Полезные библиотеки Python

💰 Binance Futures Trading Bot - торговый бот для криптовалютной биржи Binance с мультистратегиями.

Фичи:
🌵 Быстрый запуск и простота использования
🌵 Обработка нескольких стратегий одновременно
🌵 Нет сложностей с использованием баз данных
🌵 Легок для изменений и настройки
🌵 Открытый код для чтения в образовательных целях
🌵 Вы можете получать уведомления с помощью сообщений в Telegram

⚙️ GitHub/Инструкция

#python #soft #github

@github_code

😎 Находим местоположение человека по фото

imago-forensics - Python утилита, которая извлекает различные метаданные, включая широту и долготу из изображений если в формате JPEG присутствуют координаты GPS.

Далее программа преобразовывает полученные данные в градусы, и позволяет получить соответствующую информацию, такую как город, страну и почтовый индекс.

Установка:
$ pip install imago

Использование:
$ imago -i /home/solvent/cases/c23/DCIM/ -o /home/solvent/cases/c23/ -x -s -t jpeg -d all

Обозначение флагов:
-i path: is the base directory, where imago will search for file
-o path: the output directory where imago will save the CSV file, with the extracted metadata
-x : imago will extract EXIF metadata.
-s: the temporary SQLite database will not be deleted after the processing.
-t jpeg: imago will search only for jpeg images.
-d all: imago will calculate md5, sha256, sha512 for the jpeg images.

⚠️ Информация предоставлена исключительно с целью ознакомления. И побуждает обратить внимание на проблемы в безопасности.

⚙️ GitHub/Инструкция

#osint #github #soft #python

@github_code

Bashplotlib - библиотека Python, позволяющая визуализировать отображение данных, т.е строить графики прямо в командной строке.

Установка:
pip install bashplotlib

Воспользуемся Numpy, чтобы сформировать несколько случайных массивов:
import numpy as np
from bashplotlib.histogram import plot_hist
arr = np.random.normal(size=1000, loc=0, scale=1)

plot_hist - это функция bashplotlib, предназначенная для нанесения данных на одномерную гистограмму, как это делает plt.hist в Matplotlib. Затем используем сформированные Numpy случайные массивы из 1,000 нормально распределённых чисел.

Теперь мы легко можем отобразить эти данные следующим образом:

plot_hist(arr, bincount=50)

#python #doc

@github_code