送给她最最浪漫的表白(Python代码实现)

简介: 送给她最最浪漫的表白(Python代码实现)

目录


I 最美的浪漫


II 昨日浪漫的表白


III 关于“美”的哲思


IV Python代码实现


I 最美的浪漫


网络异常,图片无法展示
|


II 昨日浪漫的表白

她问:有一个问题,我只问一遍,为什么是我?


我微微一笑答道:笞案很长,我要用一生来回答。


我:图书馆旁边的星空真美,还有更美的,你去照镜子。


我想要带你一起看雨、假山边看蚂蚁,看蝴蝶恋爱,看蜘蛛结网,看水,看船,看云,看瀑布,看立姿甜甜地睡觉。


我:任凭弱水三干,我只取一瓢饮。


我:草在结它的种子,风在摇它的叶子。我们站着,不说话,就十分美好。


我:“最好的那个天使,我最熟悉的字是你的名字,我们会有大大的房子,你会送我一首小诗。”为你亲手搭建一所房子,大概是最美的誓言了。把所有的细节都照顾到,任谁收到这样的一份礼物,都会感动的吧。送你一所梦的房子,陪伴,是最长情的告白,承诺,不是说说而已。


ad923ffc74f3282ef2d3daf3d09350e2.gif


其实这些都是一开始记在脑袋中的,想面对面告诉她,一见面我就想着了魔,声音突然颤抖了,一句话也说不出来,脑袋一片空白,也许是第一次的原因吧(不说了,想想都害羞......)


然后我匆忙的点了爱心蜡烛,拍了一张她在爱心中的图片:



b9b97582a825613c3ce3e365a81b7939.jpg


III 关于“美”的哲思

画家齐白石说,“美“的意境全在似与不似之间。“似”则流于眉俗,“不似“又流于欺世。可这两者之间如何度量,又如何让人立足呢?看来,“美”实在是一种恼人的迷恋,它越是扑朔迷离就越显得美,由此造成了不可企及的无限追求——是困顿,还是陶醉?是明白,还是迷茫?是收获,还是失却?是欣赏还是占有?


此乃永恒的两难,又是无尽的焦灼。所以培根说,形体之美胜于颜色之美,而优雅之美又胜于形体之美。那是由于颜色之美尽在眼前,形体之美已有些难于描述,而优雅之美纯属精神化的幻觉,因而它美不胜收。


也所以,最深刻的三位大哲,即柏拉图、康德和黑格尔都要把美的渊源归于“理念”,那是由于客观的东西你尽可信手拈来,获得的瞬间便丢失了美感,唯有其画为意蕴,涵蓄心田,美的芬芳才会弥漫开来。


以上是我对“美”的思考。


IV Python代码实现

I wlz520

#~~~~~导入相关库~~~~~
import os
import argparse
from PIL import Image
#~~~~~一些超参~~~~
CELLSIZE = 64
#~~~~~~图片读取~~~~
def readImage(img_path, target_size=(64, 64)):
  img = Image.open(img_path)
  img = img.resize(target_size)
  return img
#~~~~图片生成器~~~~~
def yieldImage(target_dir, idx, target_size):
  img_paths = sorted([os.path.join(target_dir, imgname) for imgname in os.listdir(target_dir)])
  idx = (idx + 1) % len(img_paths)
  return readImage(img_paths[idx], target_size), idx
#~~~~解析模板~~~~~~
def parseTemplate(template_path):
  template = []
  with open(template_path, 'r') as f:
    for line in f.readlines():
      if line.startswith('#'):
        continue
      template.append(line.strip('\n').split(','))
  return template
#~~~~~主函数~~~~~
def main(pictures_dir, template_path):
  template = parseTemplate(template_path)
  w = len(template[0])
  h = len(template)
  image_new = Image.new('RGBA', (CELLSIZE*w, CELLSIZE*h))
  img_idx = -1
  for y in range(h):
    for x in range(w):
      if template[y][x] == '1':
        img, img_idx = yieldImage(pictures_dir, img_idx, (CELLSIZE, CELLSIZE))
        image_new.paste(img, (x*CELLSIZE, y*CELLSIZE))
  image_new.show()
  image_new.save('520wlz.png')
#~~~~~运行~~~~~
if __name__ == '__main__':
  parser = argparse.ArgumentParser(description="Picture Wall Generator.")
  parser.add_argument('-t', dest='template_path', help='Template path.', default='templates/1.tmp')
  parser.add_argument('-p', dest='pictures_dir', help='Pictures dir.', default='wlz')
  args = parser.parse_args()
  template_path = args.template_path
  pictures_dir = args.pictures_dir
  main(pictures_dir, template_path)


II rename

import os
target_path = 'wlz'
for idx, each in enumerate(os.listdir(target_path)):
  os.rename(os.path.join(target_path, each), os.path.join(target_path, '%s.jpg' % idx))


8edea863ec92f0387c647dc4d5b213fb.png

相关文章
|
26天前
|
时间序列异常检测:MSET-SPRT组合方法的原理和Python代码实现
MSET-SPRT是一种结合多元状态估计技术(MSET)与序贯概率比检验(SPRT)的混合框架,专为高维度、强关联数据流的异常检测设计。MSET通过历史数据建模估计系统预期状态,SPRT基于统计推断判定偏差显著性,二者协同实现精准高效的异常识别。本文以Python为例,展示其在模拟数据中的应用,证明其在工业监控、设备健康管理及网络安全等领域的可靠性与有效性。
565 13
时间序列异常检测:MSET-SPRT组合方法的原理和Python代码实现
【Azure Developer】分享两段Python代码处理表格(CSV格式)数据 : 根据每列的内容生成SQL语句
本文介绍了使用Python Pandas处理数据收集任务中格式不统一的问题。针对两种情况:服务名对应多人拥有状态(1/0表示),以及服务名与人名重复列的情况,分别采用双层for循环和字典数据结构实现数据转换,最终生成Name对应的Services列表(逗号分隔)。此方法高效解决大量数据的人工处理难题,减少错误并提升效率。文中附带代码示例及执行结果截图,便于理解和实践。
实战指南:通过1688开放平台API获取商品详情数据(附Python代码及避坑指南)
1688作为国内最大的B2B供应链平台,其API为企业提供合法合规的JSON数据源,直接获取批发价、SKU库存等核心数据。相比爬虫方案,官方API避免了反爬严格、数据缺失和法律风险等问题。企业接入1688商品API需完成资质认证、创建应用、签名机制解析及调用接口四步。应用场景包括智能采购系统、供应商评估模型和跨境选品分析。提供高频问题解决方案及安全合规实践,确保数据安全与合法使用。立即访问1688开放平台,解锁B2B数据宝藏!
【Azure Developer】编写Python SDK代码实现从China Azure中VM Disk中创建磁盘快照Snapshot
本文介绍如何使用Python SDK为中国区微软云(China Azure)中的虚拟机磁盘创建快照。通过Azure Python SDK的Snapshot Class,指定`location`和`creation_data`参数,使用`Copy`选项从现有磁盘创建快照。代码示例展示了如何配置Default Azure Credential,并设置特定于中国区Azure的`base_url`和`credential_scopes`。参考资料包括官方文档和相关API说明。
|
3月前
|
Python高性能编程:五种核心优化技术的原理与Python代码
Python在高性能应用场景中常因执行速度不及C、C++等编译型语言而受质疑,但通过合理利用标准库的优化特性,如`__slots__`机制、列表推导式、`@lru_cache`装饰器和生成器等,可以显著提升代码效率。本文详细介绍了这些实用的性能优化技术,帮助开发者在不牺牲代码质量的前提下提高程序性能。实验数据表明,这些优化方法能在内存使用和计算效率方面带来显著改进,适用于大规模数据处理、递归计算等场景。
103 5
Python高性能编程:五种核心优化技术的原理与Python代码
|
4月前
|
课程设计项目之基于Python实现围棋游戏代码
游戏进去默认为九路玩法,当然也可以选择十三路或是十九路玩法 使用pycharam打开项目,pip安装模块并引用,然后运行即可, 代码每行都有详细的注释,可以做课程设计或者毕业设计项目参考
100 33
【Azure Developer】Python代码调用Graph API将外部用户添加到组,结果无效,也无错误信息
根据Graph API文档,在单个请求中将多个成员添加到组时,Python代码示例中的`members@odata.bind`被错误写为`members@odata_bind`,导致用户未成功添加。
70 10
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
通过这些思维导图和分析说明表,您可以更直观地理解和选择适合的数据可视化图表类型,帮助更有效地展示和分析数据。
166 8
深入理解Python装饰器:提升代码重用与可读性
本文旨在为中高级Python开发者提供一份关于装饰器的深度解析。通过探讨装饰器的基本原理、类型以及在实际项目中的应用案例,帮助读者更好地理解并运用这一强大的语言特性。不同于常规摘要,本文将以一个实际的软件开发场景引入,逐步揭示装饰器如何优化代码结构,提高开发效率和代码质量。
97 6
探索Python中的装饰器:简化代码,增强功能
在Python的世界里,装饰器就像是给函数穿上了一件神奇的外套,让它们拥有了超能力。本文将通过浅显易懂的语言和生动的比喻,带你了解装饰器的基本概念、使用方法以及它们如何让你的代码变得更加简洁高效。让我们一起揭开装饰器的神秘面纱,看看它是如何在不改变函数核心逻辑的情况下,为函数增添新功能的吧!

热门文章

最新文章