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。
生成二維碼
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：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ myqr
安裝完成後我們就可以開始寫代碼了：
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
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：
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
)
效果圖如下：
另外MyQR還支持動態圖片。
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：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ wordcloud
然後我們就可以寫代碼了：
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
執行代碼後生成如下詞雲：
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]。
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：
python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple
還有一個是paddlehub模型庫：
pip install -i https://mirror.baidu.com/pypi/simple paddlehub
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：
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
摳圖效果如下：
其中左邊為原圖，右邊為摳圖後填充黃色背景圖。
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：
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)
識別的結果是一個字典列表：
{'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}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]。
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：
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)
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：
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：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ pynput
在寫代碼之前我們需要手動獲取輸入框的座標：
from pynput import mouse
# 創建一個鼠標
m_mouse = mouse.Controller
# 輸出鼠標位置
print(m_mouse.position)
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：
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
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：
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：
import pytesseract
from PIL import Image
img = Image.open('text.jpg')
text = pytesseract.image_to_string(img)
print(text)
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。
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：
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
生成圖像如下：
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：
while(True):
question = input
answer = question.replace('嗎', '呢')
answer = answer.replace('？', '！')
print(answer)
下面我們來看看簡單的測試：
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！
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
原文：https://blog.csdn.net/ZackSock/article/details/105193651
☞數字化轉型太太太難？AI、IoT重拳出擊！
☞堪稱奇蹟！8天誕生一個產品，這家創業公司做到了
☞循環智能楊植麟：“人機耦合”將是對話語義應用的新趨勢！
☞曾遭周鴻禕全網封殺的360猛將：草根打工到36歲身家上億的逆襲！
☞詳Kubernetes在邊緣計算領域的發展
☞原來疫情發生後，全球加密社區為了抗擊冠狀病毒做了這麼多事情！
☞一文讀懂“情感計算”在零售中的應用發展
閱讀更多 CSDN 的文章
