您好,登錄后才能下訂單哦!
這篇文章主要介紹了Python代碼實(shí)現(xiàn)各種酷炫功能的示例分析,具有一定借鑒價(jià)值,感興趣的朋友可以參考下,希望大家閱讀完這篇文章之后大有收獲,下面讓小編帶著大家一起了解一下。
二維碼又稱二維條碼,常見的二維碼為QR Code,QR全稱Quick Response,是一個近幾年來移動設(shè)備上超流行的一種編碼方式,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,這里選用國內(nèi)的源下載:
pip install qrcode
安裝完成后我們就可以開始寫代碼了:
import qrcode text = input(輸入文字或URL:) # 設(shè)置URL必須添加http:// img =qrcode.make(text) img.save() #保存圖片至本地目錄,可以設(shè)定路徑 img.show()
我們執(zhí)行代碼后會在項(xiàng)目下生成一張二維碼。當(dāng)然我們還可以豐富二維碼:
我們先安裝MyQR模塊
pip install myqr def gakki_code(): version, level, qr_name = myqr.run( words=https://520mg.com/it/#/main/2, # 可以是字符串,也可以是網(wǎng)址(前面要加http(s)://) version=1, # 設(shè)置容錯率為最高 level='H', # 控制糾錯水平,范圍是L、M、Q、H,從左到右依次升高 picture=gakki.gif, # 將二維碼和圖片合成 colorized=True, # 彩色二維碼 contrast=1.0, # 用以調(diào)節(jié)圖片的對比度,1.0 表示原始圖片,更小的值表示更低對比度,更大反之。默認(rèn)為1.0 brightness=1.0, # 用來調(diào)節(jié)圖片的亮度,其余用法和取值同上 save_name=gakki_code.gif, # 保存文件的名字,格式可以是jpg,png,bmp,gif save_dir=os.getcwd() # 控制位置 ) gakki_code()
另外MyQR還支持動態(tài)圖片。
詞云又叫文字云,是對文本數(shù)據(jù)中出現(xiàn)頻率較高的“關(guān)鍵詞”在視覺上的突出呈現(xiàn),形成關(guān)鍵詞的渲染形成類似云一樣的彩色圖片,從而一眼就可以領(lǐng)略文本數(shù)據(jù)的主要表達(dá)意思。
但是作為一個老碼農(nóng),還是喜歡自己用代碼生成自己的詞云,復(fù)雜么?需要很長時(shí)間么?很多文字都介紹過各種的方法,但實(shí)際上只需要10行python代碼即可。
先安裝必要庫
pip install wordcloud pip install jieba pip install matplotlib
import matplotlib.pyplot as plt from wordcloud import WordCloud import jieba text_from_file_with_apath = open('/Users/linuxmi/linuxmi.txt').read() wordlist_after_jieba = jieba.cut(text_from_file_with_apath, cut_all = True) wl_space_split = .join(wordlist_after_jieba) my_wordcloud = WordCloud().generate(wl_space_split) plt.imshow(my_wordcloud) plt.axis(off) plt.show()
如此而已,生成的一個詞云是這樣的:
讀一下這10行代碼:
1~3 行,分別導(dǎo)入了畫圖的庫matplotlib,詞云生成庫wordcloud 和 jieba的分詞庫;
4 行,是讀取本地的文件
5~6 行,使用jieba進(jìn)行分詞,并對分詞的結(jié)果以空格隔開;
7行,對分詞后的文本生成詞云;
8~10行,用pyplot展示詞云圖。
這是我喜歡python的一個原因吧,簡潔明快。
摳圖的實(shí)現(xiàn)需要借助百度飛槳的深度學(xué)習(xí)工具paddlepaddle,我們需要安裝兩個模塊就可以很快的實(shí)現(xiàn)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
接下來我們只需要5行代碼就能實(shí)現(xiàn)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
在paddlepaddle
面前,自然語言處理也變得非常簡單。實(shí)現(xiàn)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(nèi)容。
然后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(zhǔn)備要識別的語句 '你真美', '你真丑', '我好難過', '我不開心', '這個游戲好好玩', '什么垃圾游戲', ] results = senta.sentiment_classify(data={text:sentence}) # 情緒識別 # 輸出識別結(jié)果 for result in results: print(result)
識別的結(jié)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': '你真丑', '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': '這個游戲好好玩', 'sentiment_label': 1, 'sentiment_key': 'positive', 'positive_probs': 0.9933, 'negative_probs': 0.0067}
{'text': '什么垃圾游戲', '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(xì)分析可以參見Python自然語言處理只需要5行代碼。
這里同樣是使用PaddlePaddle
的產(chǎn)品,我們按照上面步驟安裝好PaddlePaddle和Paddlehub
然后就開始寫代碼:
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(zhí)行上述程序后,項(xiàng)目下會生成detection_result
文件夾,識別結(jié)果都會在里面。
Python控制輸入設(shè)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(huán)操作來達(dá)到信息轟炸的效果,這里以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坐標(biāo):
from pynput import mouse # 創(chuàng)建一個鼠標(biāo) m_mouse = mouse.Controller() # 輸出鼠標(biāo)位置 print(m_mouse.position)
可能有更高效的方法,但是我不會。
獲取后我們就可以記錄這個坐標(biāo),消息窗口不要移動。然后我們執(zhí)行下列代碼并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(chuàng)建一個鼠標(biāo) m_keyboard = keyboard.Controller() # 創(chuàng)建一個鍵盤 m_mouse.position = (850, 670) # 將鼠標(biāo)移動到指定位置 m_mouse.click(mouse.Button.left) # 點(diǎn)擊鼠標(biāo)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) # 松開enter time.sleep(0.5) # 等待 0.5秒
我們可以通過Tesseract
來識別圖片中的文字,在Python中實(shí)現(xiàn)起來非常簡單,但是前期下載文件、配置環(huán)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(zhǔn)確率不滿意的話,還可以使用百度的通用文字接口。
從一些小例子入門感覺效率很高。
import random print(1-100數(shù)字猜謎游戲!) num = random.randint(1,100) guess =guess i = 0 while guess != num: i += 1 guess = int(input(請輸入你猜的數(shù)字:)) if guess == num: print(恭喜,你猜對了!) elif guess < num: print(你猜的數(shù)小了...) else: print(你猜的數(shù)大了...) print(你總共猜了%d %i + 次)
感謝你能夠認(rèn)真閱讀完這篇文章,希望小編分享的“Python代碼實(shí)現(xiàn)各種酷炫功能的示例分析”這篇文章對大家有幫助,同時(shí)也希望大家多多支持億速云,關(guān)注億速云行業(yè)資訊頻道,更多相關(guān)知識等著你來學(xué)習(xí)!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。