分享五个方便好用的Python自动化脚本
“”" Photo Sketching Using Python “”"import cv2img = cv2.imread(“elon.jpg”)gray_image = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)inverted_gray_image = 255-gray_imageblurred_inverted_gray_image = cv2.Gaussia
“”" Photo Sketching Using Python “”"
import cv2
img = cv2.imread(“elon.jpg”)
Image to Gray Image
gray_image = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
Gray Image to Inverted Gray Image
inverted_gray_image = 255-gray_image
Blurring The Inverted Gray Image
blurred_inverted_gray_image = cv2.GaussianBlur(inverted_gray_image, (19,19),0)
Inverting the blurred image
inverted_blurred_image = 255-blurred_inverted_gray_image
Preparing Photo sketching
sketck = cv2.divide(gray_image, inverted_blurred_image,scale= 256.0)
cv2.imshow(“Original Image”,img)
cv2.imshow(“Pencil Sketch”, sketck)
cv2.waitKey(0)

3、自动发送多封邮件
这个脚本可以帮助我们批量定时发送邮件,邮件内容、附件也可以自定义调整,非常的实用。
相比较邮件客户端,Python脚本的优点在于可以智能、批量、高定制化地部署邮件服务。
需要的第三方库:
Email - 用于管理电子邮件消息
Smtlib - 向SMTP服务器发送电子邮件,它定义了一个 SMTP 客户端会话对象,该对象可将邮件发送到互联网上任何带有 SMTP 或 ESMTP 监听程序的计算机
Pandas - 用于数据分析清洗地工具
import smtplib
from email.message import EmailMessage
import pandas as pd
def send_email(remail, rsubject, rcontent):
email = EmailMessage() ## Creating a object for EmailMessage
email[‘from’] = ‘The Pythoneer Here’ ## Person who is sending
email[‘to’] = remail ## Whom we are sending
email[‘subject’] = rsubject ## Subject of email
email.set_content(rcontent) ## content of email
with smtplib.SMTP(host=‘smtp.gmail.com’,port=587)as smtp:
smtp.ehlo() ## server object
smtp.starttls() ## used to send data between server and client
smtp.login(“deltadelta371@gmail.com”,“delta@371”) ## login id and password of gmail
smtp.send_message(email) ## Sending email
print("email send to ",remail) ## Printing success message
if name == ‘main’:
df = pd.read_excel(‘list.xlsx’)
length = len(df)+1
for index, item in df.iterrows():
email = item[0]
subject = item[1]
content = item[2]
send_email(email,subject,content)
4、自动化数据探索
数据探索是数据科学项目的第一步,你需要了解数据的基本信息才能进一步分析更深的价值。
一般我们会用pandas、matplotlib等工具来探索数据,但需要自己编写大量代码,如果想提高效率,Dtale是个不错的选择。
Dtale特点是用一行代码生成自动化分析报告,它结合了Flask后端和React前端,为我们提供了一种查看和分析Pandas数据结构的简便方法。
我们可以在Jupyter上实用Dtale。
需要的第三方库:
Dtale - 自动生成分析报告
Importing Seaborn Library For Some Datasets
import seaborn as sns
Printing Inbuilt Datasets of Seaborn Library
print(sns.get_dataset_names())
Loading Titanic Dataset
df=sns.load_dataset(‘titanic’)
Importing The Library
import dtale
Generating Quick Summary
dtale.show(df)

5、自动桌面提示
这个脚本会自动触发windows桌面通知,提示重要事项,比如说:您已工作两小时,该休息了
我们可以设定固定时间提示,比如隔10分钟、1小时等
用到的第三方库:
win10toast - 用于发送桌面通知的工具
from win10toast import ToastNotifier
import time
toaster = ToastNotifier()
header = input(“What You Want Me To Remember\n”)
text = input(“Releated Message\n”)
time_min=float(input(“In how many minutes?\n”))
time_min = time_min * 60
print(“Setting up reminder…”)
time.sleep(2)
print(“all set!”)
time.sleep(time_min)
toaster.show_toast(f"{header}“, f”{text}", duration=10, threaded=True)
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。






既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注:Python)
dnimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注:Python)

更多推荐


所有评论(0)