Hola a todos, para mejorar la eficiencia, a menudo usamos algunas herramientas de eficiencia de Python en nuestro trabajo diario. Como un lenguaje de programación más antiguo, Python puede realizar varias automatizaciones del trabajo diario.
Para facilitar el desarrollo de proyectos, aquí hay algunas herramientas de eficiencia de Python recomendadas para usted. Me gusta recordar recopilar, dar me gusta y seguir.
1. Pandas - para análisis de datos
Pandas es un potente conjunto de herramientas para el análisis de datos estructurados, su uso se basa en Numpy (que proporciona operaciones matriciales de alto rendimiento), se utiliza para la minería y el análisis de datos, y también proporciona funciones de limpieza de datos.
# 1、安装包
$ pip install pandas
# 2、进入python的交互式界面
$ python -i
# 3、使用Pandas>>> import pandas as pd>>> df = pd.DataFrame() >>> print(df)
# 4、输出结果
Empty DataFrame
Columns: []
Index: []
2. Selenio: pruebas automatizadas
Selenium es una herramienta para la prueba de aplicaciones web para probar aplicaciones desde la perspectiva del usuario final. Las incompatibilidades del navegador son más fáciles de detectar ejecutando pruebas en diferentes navegadores. Y funciona con muchos navegadores.
Se puede hacer una prueba simple abriendo un navegador y visitando la página de inicio de Google:
from selenium import webdriver
import time
browser = webdriver.Chrome(executable_path ="C:\Program Files (x86)\Google\Chrome\chromedriver.exe")
website_URL ="https://www.google.co.in/"
brower.get(website_URL)
refreshrate = int(3) #每3秒刷新一次Google主页。
# 它会一直运行,直到你停掉编译器。
while True:
time.sleep(refreshrate)
browser.refresh()
3. Frasco - Micro Web Framework
Flask es un marco personalizable liviano, escrito en Python, que es más flexible, liviano, seguro y fácil de usar que otros marcos del mismo tipo. Flask es actualmente un marco web muy popular. Los desarrolladores pueden usar el lenguaje Python para implementar rápidamente un sitio web o un servicio web.
from flask import Flask
app = Flask(__name__)
@app.route('/')
def hello_world():
return 'Hello, World!'
4, Scrapy - rastreo de página
Scrapy puede brindarle un soporte poderoso, lo que le permite extraer información con precisión de los sitios web. es muy practico
Ahora, básicamente, la mayoría de los desarrolladores usan herramientas de rastreo para automatizar el trabajo de rastreo. Entonces puede usar este Scrapy al escribir código de rastreo.
Iniciar Scrapy Shell también es muy simple:
scrapy shell
Podemos intentar extraer el valor del botón de búsqueda en la página de inicio de Baidu. Primero, necesitamos encontrar la clase utilizada por el botón. Un elemento de inspección muestra que la clase es "bt1".
Específicamente haz lo siguiente:
response = fetch("https://baidu.com")
response.css(".bt1::text").extract_first()
==> "Search"
5. Solicitudes: realizar llamadas a la API
Requests es una poderosa biblioteca HTTP. Con él puedes enviar solicitudes fácilmente. No es necesario agregar manualmente cadenas de consulta a las URL. Además de esto, hay muchas funciones, como el procesamiento de autorizaciones, el análisis JSON/XML, el procesamiento de sesiones, etc.
Ejemplo oficial:
>>> r = requests.get('https://api.github.com/user', auth=('user', 'pass'))
>>> r.status_code
200
>>> r.headers['content-type']
'application/json; charset=utf8'
>>> r.encoding
'utf-8'
>>> r.text
'{"type":"User"...'
>>> r.json()
{
'private_gists': 419, 'total_private_repos': 77, ...}
6. Faker: para crear datos falsos
Faker es un paquete de Python que genera datos falsos para ti. Ya sea que necesite iniciar una base de datos, crear buenos documentos XML, completar su persistencia para realizar pruebas de estrés u obtener datos del mismo nombre de un servicio de producción, Faker es para usted
Con él, puede generar nombres, direcciones, descripciones, etc.
Instalar:
pip install Faker
from faker import Faker
fake = Faker()
fake.name()
fake.address()
fake.text()
7. Almohada - procesamiento de imágenes
Herramientas de procesamiento de imágenes de Python: Pillow tiene funciones de procesamiento de imágenes bastante potentes. Se puede usar cuando necesita procesar imágenes en tiempos normales.Después de todo, como desarrollador, debe elegir una herramienta de procesamiento de imágenes más potente.
Ejemplo sencillo:
from PIL import Image, ImageFilter
try:
original = Image.open("Lenna.png")
blurred = original.filter(ImageFilter.BLUR)
original.show()
blurred.show()
blurred.save("blurred.png")
except:
print "Unable to load image"
Las herramientas efectivas pueden ayudarnos a completar tareas más rápidamente, por lo que compartiré con ustedes algunas herramientas que creo que son fáciles de usar y espero que estas 7 herramientas eficientes en Python puedan ayudarlos.
artículo recomendado
-
El curso de mandarín "Aprendizaje automático" de Li Hongyi (2022) ya está aquí
-
Alguien hizo una versión china del aprendizaje automático y el aprendizaje profundo del Sr. Wu Enda
-
Soy adicto, y recientemente le di a la compañía una gran pantalla visual (con código fuente)
-
Tan elegantes, los artefactos de análisis de datos automáticos de 4 Python son realmente fragantes
-
Es muy fragante y se han organizado 20 plantillas visuales de pantalla grande
Intercambio de Tecnología
¡Bienvenido a reimprimir, coleccionar, dar me gusta y apoyar!
En la actualidad, se ha abierto un grupo de intercambio técnico y el grupo tiene más de 2000 miembros . La mejor manera de comentar al agregar es: fuente + dirección de interés, que es conveniente para encontrar amigos de ideas afines.
- Método 1. Envíe la siguiente imagen a WeChat, mantenga presionada para identificarla y responda en segundo plano: agregar grupo;
- Método ②, agregar microseñal: dkl88191 , nota: de CSDN
- Método ③, cuenta pública de búsqueda de WeChat: aprendizaje de Python y extracción de datos , respuesta en segundo plano: agregar grupo