哪些 Python 库让你相见恨晚?

简介: 哪些 Python 库让你相见恨晚?可能有些人见过这个问题,其实这就是知乎上的一个提问,问题链接为:https://www.zhihu.com/question/24590883,相见恨晚意思是遗憾相识太晚,也就是哪些 Python 让你遗憾相识太晚?这个问题对每个人及每个人的不同阶段可能都会有所不同,所以大家也不用纠结于别人与自己看法是否相同的问题,本文选取自己之前回答中几个有特点的库向大家介绍一下。

face-mask

face-mask 实现了给照片带口罩以及检测是否戴口罩的功能,使用之前需执行 pip install face-mask 装一下。

举一个我之前实现的示例,因当时在播电视剧《猎狐》,所以就选了猎狐 F4 的照片为原型,原图如下:

49.jpg

实现给照片带口罩,执行命令 face-mask x.PNG --red,效果如下:

52.jpg


检测照片是否带口罩,执行命令 python pytorch_infer.py --img-path C:\Users\admin\Desktop\xx.PNG,效果如下:

53.jpg

myqr

通过使用 myqr,我们只需几行 Python 代码即可生成炫酷的动态二维码,使用之前需执行 pip install myqr 装一下,看一下我之前实现的示例,效果如下:

54.gif


如果不了解具体实现,可以看一下我之前写的这篇:用 Python 生成炫酷二维码及解析

cutecharts

与 Matplotlib 、pyecharts 等常见的图表不同,使用 cutecharts 可以生成手绘风格的各种图表,实现之前需执行 pip install cutecharts 装一下,看一下相应效果:

55.jpg


项目地址为:https://github.com/cutecharts/cutecharts.py,如果感觉兴趣的话,可以去看一下,具体使用里面也有相应介绍,这里不再多说。

you-get

you-get 可以说是一个神器,一行命令即可下载很多网站视频,使用之前需执行 pip install you-get 装一下,当时《后浪》视频刷爆 B 站,所以就以下载《后浪》做了示例,如图所示:


56.jpg


colorama

colorama 可以跨多终端,显示字体不同的颜色和背景,使用之前需执行 pip install colorama 装一下。

举一个我之前实现的示例,效果如下:

57.gif


实现代码如下:

import time, colorama
from random import randint
colorama.init(convert=True)
RED = colorama.Fore.RED + colorama.Style.BRIGHT
CYAN = colorama.Fore.CYAN + colorama.Style.BRIGHT
GREEN = colorama.Fore.GREEN + colorama.Style.BRIGHT
YELLOW = colorama.Fore.YELLOW + colorama.Style.BRIGHT
MAGENTA = colorama.Fore.MAGENTA + colorama.Style.BRIGHT
# 打印抬头
for i in range(1, 35):
    print('')
# *的位置
heartStars = [2, 4, 8, 10, 14, 20, 26, 28, 40, 44, 52, 60, 64, 76]
# 空格的位置
heartBreakLines = [13, 27, 41, 55, 69, 77]
# 玫瑰的空列位置
flowerBreakLines = [7, 15, 23, 31, 39, 46]
# 添加空列
def addSpaces(a):
    count = a
    while count > 0:
        print(' ', end='')
        count -= 1
# 添加空行
def newLineWithSleep():
    time.sleep(0.3)
    print('\n', end='')
play = 0
while play == 0:
    Left_Spaces = randint(8, 80)
    addSpaces(Left_Spaces)
    # 画心
    for i in range(0, 78):
        if i in heartBreakLines:
            newLineWithSleep()
            addSpaces(Left_Spaces)
        elif i in heartStars:
            print(RED + '*', end='')
        elif i in (32, 36):
            print(GREEN + 'M', end='')
        elif i == 34:
            print(GREEN + 'O', end='')
        else:
            print(' ', end='')
    newLineWithSleep()
    addSpaces(randint(8, 80))
    print(CYAN + '祝天下母亲节日快乐!', end='')
    newLineWithSleep()
    newLineWithSleep()
    Left_Spaces = randint(8, 80)
    addSpaces(Left_Spaces)
    # 画花
    for i in range(0, 47):
        if i in flowerBreakLines:
            newLineWithSleep()
            addSpaces(Left_Spaces)
        elif i in (2, 8, 12, 18):
            print(MAGENTA + '{', end='')
        elif i in (3, 9, 13, 19):
            print(MAGENTA + '_', end='')
        elif i in (4, 10, 14, 20):
            print(MAGENTA + '}', end='')
        elif i in (27, 35, 43):
            print(GREEN + '|', end='')
        elif i in (34, 44):
            print(GREEN + '~', end='')
        elif i == 11:
            print(YELLOW + 'o', end='')
        else:
            print(' ', end='')
    print('\n', end='')

总结

本文选取了自己之前回答中个人认为有一些特点的库,大家如果对这个问题感兴趣的话,可以到问题下面看看其他回答,看看能不能发现让自己相见恨晚的 Python 库。

目录
相关文章
|
10天前
|
调度 开发者 Python
Python中的异步编程:理解asyncio库
在Python的世界里,异步编程是一种高效处理I/O密集型任务的方法。本文将深入探讨Python的asyncio库,它是实现异步编程的核心。我们将从asyncio的基本概念出发,逐步解析事件循环、协程、任务和期货的概念,并通过实例展示如何使用asyncio来编写异步代码。不同于传统的同步编程,异步编程能够让程序在等待I/O操作完成时释放资源去处理其他任务,从而提高程序的整体效率和响应速度。
|
13天前
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
41 0
|
7天前
|
数据库 Python
异步编程不再难!Python asyncio库实战,让你的代码流畅如丝!
在编程中,随着应用复杂度的提升,对并发和异步处理的需求日益增长。Python的asyncio库通过async和await关键字,简化了异步编程,使其变得流畅高效。本文将通过实战示例,介绍异步编程的基本概念、如何使用asyncio编写异步代码以及处理多个异步任务的方法,帮助你掌握异步编程技巧,提高代码性能。
20 4
|
7天前
|
API 数据处理 Python
探秘Python并发新世界:asyncio库,让你的代码并发更优雅!
在Python编程中,随着网络应用和数据处理需求的增长,并发编程变得愈发重要。asyncio库作为Python 3.4及以上版本的标准库,以其简洁的API和强大的异步编程能力,成为提升性能和优化资源利用的关键工具。本文介绍了asyncio的基本概念、异步函数的定义与使用、并发控制和资源管理等核心功能,通过具体示例展示了如何高效地编写并发代码。
16 2
|
12天前
|
数据采集 JSON 测试技术
Python爬虫神器requests库的使用
在现代编程中,网络请求是必不可少的部分。本文详细介绍 Python 的 requests 库,一个功能强大且易用的 HTTP 请求库。内容涵盖安装、基本功能(如发送 GET 和 POST 请求、设置请求头、处理响应)、高级功能(如会话管理和文件上传)以及实际应用场景。通过本文,你将全面掌握 requests 库的使用方法。🚀🌟
33 7
|
28天前
|
网络协议 数据库连接 Python
python知识点100篇系列(17)-替换requests的python库httpx
【10月更文挑战第4天】Requests 是基于 Python 开发的 HTTP 库,使用简单,功能强大。然而,随着 Python 3.6 的发布,出现了 Requests 的替代品 —— httpx。httpx 继承了 Requests 的所有特性,并增加了对异步请求的支持,支持 HTTP/1.1 和 HTTP/2,能够发送同步和异步请求,适用于 WSGI 和 ASGI 应用。安装使用 httpx 需要 Python 3.6 及以上版本,异步请求则需要 Python 3.8 及以上。httpx 提供了 Client 和 AsyncClient,分别用于优化同步和异步请求的性能。
python知识点100篇系列(17)-替换requests的python库httpx
|
13天前
|
机器学习/深度学习 数据采集 算法
Python机器学习:Scikit-learn库的高效使用技巧
【10月更文挑战第28天】Scikit-learn 是 Python 中最受欢迎的机器学习库之一,以其简洁的 API、丰富的算法和良好的文档支持而受到开发者喜爱。本文介绍了 Scikit-learn 的高效使用技巧,包括数据预处理(如使用 Pipeline 和 ColumnTransformer)、模型选择与评估(如交叉验证和 GridSearchCV)以及模型持久化(如使用 joblib)。通过这些技巧,你可以在机器学习项目中事半功倍。
20 3
|
16天前
|
数据采集 数据可视化 数据处理
如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`)
本文介绍了如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`),加载历史数据,计算均线和其他技术指标,实现交易逻辑,记录和可视化交易结果。示例代码展示了如何根据均线交叉和价格条件进行开仓、止损和止盈操作。实际应用时需注意数据质量、交易成本和风险管理。
35 5
|
14天前
|
存储 数据挖掘 数据处理
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第26天】Python 是数据分析领域的热门语言,Pandas 库以其高效的数据处理功能成为数据科学家的利器。本文介绍 Pandas 在数据读取、筛选、分组、转换和合并等方面的高效技巧,并通过示例代码展示其实际应用。
29 2
|
24天前
|
数据可视化 数据挖掘 Python
Seaborn 库创建吸引人的统计图表
【10月更文挑战第11天】本文介绍了如何使用 Seaborn 库创建多种统计图表,包括散点图、箱线图、直方图、线性回归图、热力图等。通过具体示例和代码,展示了 Seaborn 在数据可视化中的强大功能和灵活性,帮助读者更好地理解和应用这一工具。
36 3