十行Python以內代碼能有什麼高端操作?

作者 | ZackSock

來源 | CSDN博客

Python憑藉其簡潔的代碼,贏得了許多開發者的喜愛。因此也就促使了更多開發者用Python開發新的模塊,從而形成良性循環,Python可以憑藉更加簡短的代碼實現許多有趣的操作。下面我們來看看,我們用不超過10行代碼能實現些什麼有趣的功能。


十行Python以內代碼能有什麼高端操作?


十行Python以內代碼能有什麼高端操作?

生成二維碼


十行Python以內代碼能有什麼高端操作?


二維碼作為一種信息傳遞的工具,在當今社會發揮了重要作用。而生成一個二維碼也非常簡單,在Python中我們可以通過MyQR模塊了生成二維碼,而生成一個二維碼我們只需要2行代碼,我們先安裝MyQR模塊,這裡選用國內的源下載:

<code>pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ myqr/<code>

安裝完成後我們就可以開始寫代碼了:

<code>from MyQR import myqr    # 注意大小寫
myqr.run(words='http://www.baidu.com')    # 如果為網站則會自動跳轉,文本直接顯示,不支持中文/<code>

我們執行代碼後會在項目下生成一張二維碼。當然我們還可以豐富二維碼:

<code>from MyQR import myqr
myqr.run(
    words='http://www.baidu.com',    # 包含信息
    picture='lbxx.jpg',            # 背景圖片
    colorized=True,            # 是否有顏色,如果為False則為黑白
    save_name='code.png'    # 輸出文件名
)/<code>

效果圖如下:

十行Python以內代碼能有什麼高端操作?

另外MyQR還支持動態圖片。


十行Python以內代碼能有什麼高端操作?

生成詞雲


詞雲是數據可視化的一種非常優美的方式,我們通過詞雲可以很直觀的看出一些詞語出現的頻率高低。使用Python我們可以通過wordcloud模塊生成詞雲,我們先安裝wordcloud模塊:

<code>pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ wordcloud/<code>

然後我們就可以寫代碼了:

<code>from wordcloud import WordCloud
wc = WordCloud()    # 創建詞雲對象
wc.generate('Do not go gentle into that good night')    # 生成詞雲
wc.to_file('wc.png')    # 保存詞雲/<code>

執行代碼後生成如下詞雲:

十行Python以內代碼能有什麼高端操作?

當然這只是最簡單的詞雲,詞雲更詳細的操作可以參見WordCloud生成卡卡西忍術詞雲[1]。


十行Python以內代碼能有什麼高端操作?

批量摳圖


摳圖的實現需要藉助百度飛槳的深度學習工具paddlepaddle,我們需要安裝兩個模塊就可以很快的實現批量摳圖了,第一個是PaddlePaddle:

<code>python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple/<code>

還有一個是paddlehub模型庫:

<code>pip install -i https://mirror.baidu.com/pypi/simple paddlehub/<code>

更詳細的安裝事項可以參見飛槳官網:https://www.paddlepaddle.org.cn/

接下來我們只需要5行代碼就能實現批量摳圖:

<code>import os, paddlehub as hub
humanseg = hub.Module(name='deeplabv3p_xception65_humanseg')        # 加載模型
path = 'D:/CodeField/Workplace/PythonWorkplace/GrapImage/'    # 文件目錄
files = [path + i for i in os.listdir(path)]    # 獲取文件列表
results = humanseg.segmentation(data={'image':files})    # 摳圖/<code>

摳圖效果如下:

十行Python以內代碼能有什麼高端操作?

其中左邊為原圖,右邊為摳圖後填充黃色背景圖。


十行Python以內代碼能有什麼高端操作?

文字情緒識別


在paddlepaddle面前,自然語言處理也變得非常簡單。實現文字情緒識別我們同樣需要安裝PaddlePaddle和Paddlehub,具體安裝參見三中內容。然後就是我們的代碼部分了:

<code>import paddlehub as hub        
senta = hub.Module(name='senta_lstm')        # 加載模型
sentence = [    # 準備要識別的語句
    '你真美', '你真醜', '我好難過', '我不開心', '這個遊戲好好玩', '什麼垃圾遊戲',
]
results = senta.sentiment_classify(data={"text":sentence})    # 情緒識別
# 輸出識別結果
for result in results:
    print(result)/<code>

識別的結果是一個字典列表:

<code>{'text': '你真美', 'sentiment_label': 1, 'sentiment_key': 'positive', 'positive_probs': 0.9602, 'negative_probs': 0.0398}
{'text': '你真醜', 'sentiment_label': 0, 'sentiment_key': 'negative', 'positive_probs': 0.0033, 'negative_probs': 0.9967}
{'text': '我好難過', 'sentiment_label': 1, 'sentiment_key': 'positive', 'positive_probs': 0.5324, 'negative_probs': 0.4676}
{'text': '我不開心', 'sentiment_label': 0, 'sentiment_key': 'negative', 'positive_probs': 0.1936, 'negative_probs': 0.8064}
{'text': '這個遊戲好好玩', 'sentiment_label': 1, 'sentiment_key': 'positive', 'positive_probs': 0.9933, 'negative_probs': 0.0067}
{'text': '什麼垃圾遊戲', 'sentiment_label': 0, 'sentiment_key': 'negative', 'positive_probs': 0.0108, 'negative_probs': 0.9892}/<code>

其中sentiment_key字段包含了情緒信息,詳細分析可以參見Python自然語言處理只需要5行代碼[2]。


十行Python以內代碼能有什麼高端操作?

識別是否帶了口罩


這裡同樣是使用PaddlePaddle的產品,我們按照上面步驟安裝好PaddlePaddle和Paddlehub,然後就開始寫代碼:

<code>import paddlehub as hub
# 加載模型
module = hub.Module(name='pyramidbox_lite_mobile_mask')
# 圖片列表
image_list = ['face.jpg']
# 獲取圖片字典
input_dict = {'image':image_list}
# 檢測是否帶了口罩
module.face_detection(data=input_dict)/<code>

執行上述程序後,項目下會生成detection_result文件夾,識別結果都會在裡面,識別效果如下:

十行Python以內代碼能有什麼高端操作?


十行Python以內代碼能有什麼高端操作?

簡易信息轟炸


Python控制輸入設備的方式有很多種,我們可以通過win32或者pynput模塊。我們可以通過簡單的循環操作來達到信息轟炸的效果,這裡以pynput為例,我們需要先安裝模塊:

<code>pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ pynput/<code>

在寫代碼之前我們需要手動獲取輸入框的座標:

<code>from pynput import mouse
# 創建一個鼠標
m_mouse = mouse.Controller()
# 輸出鼠標位置
print(m_mouse.position)/<code>

可能有更高效的方法,但是我不會。

獲取後我們就可以記錄這個座標,消息窗口不要移動。然後我們執行下列代碼並將窗口切換至消息頁面:

<code>import time
from pynput import mouse, keyboard
time.sleep(5)
m_mouse = mouse.Controller()    # 創建一個鼠標
m_keyboard = keyboard.Controller()  # 創建一個鍵盤
m_mouse.position = (850, 670)       # 將鼠標移動到指定位置
m_mouse.click(mouse.Button.left) # 點擊鼠標左鍵
while(True):
    m_keyboard.type('你好')        # 打字
    m_keyboard.press(keyboard.Key.enter)    # 按下enter
    m_keyboard.release(keyboard.Key.enter)    # 鬆開enter
    time.sleep(0.5)    # 等待 0.5秒/<code>

我承認,這個超過了10行代碼,而且也不高端。使用前QQ給小號發信息效果如下:

十行Python以內代碼能有什麼高端操作?


十行Python以內代碼能有什麼高端操作?

識別圖片中的文字


我們可以通過Tesseract來識別圖片中的文字,在Python中實現起來非常簡單,但是前期下載文件、配置環境變量等稍微有些繁瑣,所以本文只展示代碼:

<code>import pytesseract
from PIL import Image
img = Image.open('text.jpg')
text = pytesseract.image_to_string(img)
print(text)/<code>

其中text就是識別出來的文本。如果對準確率不滿意的話,還可以使用百度的通用文字接口。


十行Python以內代碼能有什麼高端操作?

繪製函數圖像


圖標是數據可視化的重要工具,在Python中matplotlib在數據可視化中發揮重要作用,下面我們來看看使用matplotlib如何繪製一個函數圖像:

<code>import numpy as np 
from matplotlib import pyplot as plt 

x = np.arange(1,11)     # x軸數據
y =  x * x +  5         # 函數關係
plt.title("y=x*x+5")     # 圖像標題
plt.xlabel("x")     # x軸標籤
plt.ylabel("y")     # y軸標籤
plt.plot(x,y)     # 生成圖像
plt.show()    # 顯示圖像/<code>

生成圖像如下:

十行Python以內代碼能有什麼高端操作?


十行Python以內代碼能有什麼高端操作?

人工智能


下面給大家介紹的是獨家的AI人工智能,一般不外傳的。這個人工智能可以回答許多問題,當然人工智能現在還在發展階段,想要理解人類的語言還差很多。廢話不多說,下面來看看我們的人工智能Fdj:

<code>while(True):
    question = input()
    answer = question.replace('嗎', '呢')
    answer = answer.replace('?', '!')
    print(answer)/<code>

下面我們來看看簡單的測試:

<code>你好嗎?
我好呢!
你吃飯了嗎?
我吃飯了呢!
你要睡了嗎?
我要睡了呢!/<code>

看來我們“小復”還是比較智能的。

[1] WordCloud生成卡卡西忍術詞雲: https://blog.csdn.net/ZackSock/article/details/103517841
[2] Python自然語言處理只需要5行代碼: https://blog.csdn.net/ZackSock/article/details/105057106


分享到:


相關文章: