你用 Python 写过哪些有趣的脚本？ - 网站源码_资源分享

食腐、总貌、打卡，常规性的我都干过，事是办全了，但算不上有意思，直至我偶然间辨认出了这个，才或者说地关上了中国地产的正门。

用Python做JAVA是两件较为俗的事，归根结底，是借助录于标识符来化解一些繁杂繁杂的难题，好让人留出天数去干其它事。

作为一位圈内，提高工作效率都是小难题，如果得出市场需求情景，他们稍稍把方法论理呵呵，录于标识符就能化解了，偶而还能给李珊珊开两个JAVA，赚点小介科羽，但这种单纯的快感的确满足用户没法他们。

无可奈何下，根本无法去Github发发脾气，居然还吗被我上到许多短序，粗略估计了呵呵，上百个JAVA的确是有的是。

被我发掘出的小东西，那大自然是不能放走的，第三天数就来chan撷取给我们，JAVA全面覆盖应用领域非常多，主要包括算法、音频、视听、食腐、web合作开发、文档处置、建模、控制系统…他们待会来单纯挑两个看一看。

译者致力打造出Python经典之作小范例和JAVA，是为的是挥别乏味，嗯，和我想一块去了。

25天前更新，说明里面的内容时效性有保证，每个项目还对应着难度系数，适合小白在入门的时候进行练习，提高编程能力。

其实这些案例都有得出源码，但有的是人老是复制粘贴，单纯地为的是化解难题而化解难题，不知道里面几十行标识符的架构和方法论是什么。

我一直给新入门的小伙伴强调，不要把别人的小东西生搬硬套，拿到一个源码时，先去看对方为的是化解什么难题，用了哪种架构，在语法的表达上选择了哪一种，在确定译者的思路后，你能不能以自己的架构来重建，从而实现相同的功能。

与其望洋兴叹，不如自己动手试试，实践才能出真知。

撷取两个小案例：

批量压缩文档

import zipfile # 导入zipfile,这个是用来做压缩和解压的Python模块；import osimport timedef batch_zip(start_dir): start_dir = start_dir # 要压缩的文档夹路径 file_news = start_dir + .zip # 压缩后文档夹的名字 z = zipfile.ZipFile(file_news, w, zipfile.ZIP_DEFLATED) for dir_path, dir_names, file_names in os.walk(start_dir): # 这一句很重要，不replace的话，就从根目录开始复制 f_path = dir_path.replace(start_dir, ) f_path = f_path and f_path + os.sep # 实现当前文档夹以及包含的所有文档的压缩 for filename in file_names: z.write(os.path.join(dir_path, filename), f_path + filename) z.close() return file_newsbatch_zip(./data/ziptest)

自动群发邮件

import smtplibfrom email import (header)from email.mime import (text, application, multipart)import timedef sender_mail(): smt_p = smtplib.SMTP() smt_p.connect(host=smtp.qq.com, port=25) sender, password = [email protected], “**************” smt_p.login(sender, password) receiver_addresses, count_num = [ [email protected], [email protected]], 1 for email_address in receiver_addresses: try: msg = multipart.MIMEMultipart() msg[From] = “zhenguo” msg[To] = email_address msg[subject] = header.Headr, email_address, msg.as_string()) time.sleep(10) print(第%d次发送给%s % (count_num, email_address)) count_num = count_num + 1 except Exception as e: print(第%d次给%s发送邮件异常 % (count_num, email_address)) continuesmt_p.quit()sender_mail()

注意：发送邮箱是qq邮箱，所以要在qq邮箱中设置开启SMTP服务，设置完成时会生成一个授权码，将这个授权码赋值给文中的password变量

melt透视数据小技巧

melt 方法固定某列为一个维度，组合其他列名为另一个维度，实现宽表融化为长表：

zip_code factory warehouse retail0 12345 100 200 11 56789 400 300 22 101112 500 400 33 131415 600 500 4

固定列zip_code，组合factory，warehouse，retail三个列名为一个维度，按照这种方法凑齐两个维度后，数据一定变长。

pandas 的 melt 方法演示如下：

In [49]: df = df.melt(id_vars = “zip_code”)

若melt方法，参数value_vars不赋值，默认剩余所有列都是value_vars，所以结果如下：

zip_code variable value0 12345 factory 1001 56789 factory 4002 101112 factory 5003 131415 factory 6004 12345 warehouse 2005 56789 warehouse 3006 101112 warehouse 4007 131415 warehouse 5008 12345 retail 19 56789 retail 210 101112 retail 311 131415 retail 4

若只想查看 factory 和 retail，则value_vars 赋值为它们即可：

In [62]: df_melt2 = df.melt(id_vars = “zip_code”,value_vars=[factory,reta …: il])

结果：

zip_code variable value0 12345 factory 1001 56789 factory 4002 101112 factory 5003 131415 factory 6004 12345 retail 15 56789 retail 26 101112 retail 37 131415 retail 4

melt 透视数据后，因为组合多个列为1列，所以数据一定变长。

方法还很多，我就不一一列举了，感兴趣的朋友们可以自己去Github上面翻翻，说不定就有意外惊喜。

入门小白不需要灰心，在你print出Hello World的那一刻，你已经踏出了编程的第三步，后面的每一步都会因为你第三步的惯性，越走越顺，坚持看完一本书，一套教程，好好跟着案例敲标识符，进行理解，编程没有你想的这么难。