开发者:上海品职教育科技有限公司 隐私政策详情

应用版本:4.2.11(IOS)|3.2.5(安卓)APP下载

9款最佳Python脚本:让工作自动化起来!(下)

  • 原创 2023-10-30
  • 编程君

编程君已在上文提过了9款最佳Python脚本:让工作自动化起来!(上)


本文将继续为您探讨,可以帮助您自动化各种任务并提高工作效率。无论您是开发人员、数据分析师还是只是想简化工作流程的人,这些脚本都能满足您的需求。


Python是目前编程领域中最受欢迎的语言之一,为了帮助大家更好的学习Python,编程君准备了《Python编程入门到实践》一本在手,Python不愁!限时扫码免费领取。

扫码回复【入门到实践】
免费领取完整版pdf资料

(内部学员联系专属辅导员即可)



一、自动化Excel电子表格

1.读写Excel
# Python脚本用于读取和写入数据到Excel电子表格
import pandas as pd
def read_excel(file_path):
    df = pd.read_excel(file_path)
    return df
def write_to_excel(data, file_path):
    df = pd.DataFrame(data)
    df.to_excel(file_path, index=False)

此Python脚本使用pandas库从Excel电子表格中读取数据,并将数据写入新的Excel文件。


它使您能够以编程方式处理Excel文件,从而提高数据操作和分析效率。



2.数据分析和可视化

# 使用pandas和matplotlib进行数据分析和可视化的Python脚本
import pandas as pd
import matplotlib.pyplot as plt
def analyze_and_visualize_data(data):
    # 您的代码在这里用于数据分析和可视化
    pass

这个Python脚本使用pandas和matplotlib库进行数据分析和可视化。


它使您能够探索数据集,得出洞察,并创建数据的可视化表示。



3.合并多个工作表

# 将多个Excel表格合并成一个表格的Python脚本
import pandas as pd
def merge_sheets(file_path, output_file_path):
    xls = pd.ExcelFile(file_path)
    df = pd.DataFrame()
    for sheet_name in xls.sheet_names:
        sheet_df = pd.read_excel(xls, sheet_name)
        df = df.append(sheet_df)
        df.to_excel(output_file_path, index=False)

这个Python脚本将来自Excel文件中多个工作表的数据合并到一个工作表中。


当您的数据分散在不同的工作表中,但希望将它们整合以进行进一步分析时,这非常方便。



二、与数据库交互

1.连接到数据库

# Python脚本连接到数据库并执行查询
import sqlite3
def connect_to_database(database_path):
    connection = sqlite3.connect(database_path)
    return connection
def execute_query(connection, query):
    cursor = connection.cursor()
    cursor.execute(query)
    result = cursor.fetchall()
    return result

这个Python脚本允许您连接到SQLite数据库并执行查询。


您可以通过使用适当的Python数据库驱动程序将其调整为与其他数据库管理系统(如MySQL或PostgreSQL)一起使用。



2.执行SQL查询

# 在数据库上执行SQL查询的Python脚本
import sqlite3
def execute_query(connection, query):
    cursor = connection.cursor()
    cursor.execute(query)
    result = cursor.fetchall()
    return result

这个Python脚本是一个通用的函数,用于在数据库上执行SQL查询。


您可以将查询作为参数传递给该函数,并与数据库连接对象一起使用,它将返回查询的结果。



3.数据备份和恢复

import shutil
def backup_database(database_path, backup_directory):
    shutil.copy(database_path, backup_directory)
def restore_database(backup_path, database_directory):
    shutil.copy(backup_path, database_directory)

这个Python脚本允许您在需要时创建数据库备份并恢复它们。这是一项预防措施,用于保护您的宝贵数据免受意外丢失。



三、自动化图像编辑

1.图像调整大小和裁剪

# Python脚本用于调整大小和裁剪图像
from PIL import Image
def resize_image(input_path, output_path, width, height):
    image = Image.open(input_path)
    resized_image = image.resize((width, height), Image.ANTIALIAS)
    resized_image.save(output_path)
def crop_image(input_path, output_path, left, top, right, bottom):
    image = Image.open(input_path)
    cropped_image = image.crop((left, top, right, bottom))
    cropped_image.save(output_path)

此Python脚本使用Python Imaging Library(PIL)来调整大小和裁剪图像。


它可以帮助准备不同显示分辨率或特定用途的图像。



2.向图像添加水印

# Python脚本用于给图像添加水印
from PIL import Image
from PIL import ImageDraw
from PIL import ImageFont
def add_watermark(input_path, output_path, watermark_text):
    image = Image.open(input_path)
    draw = ImageDraw.Draw(image)
    font = ImageFont.truetype('arial.ttf', 36)
    draw.text((10, 10), watermark_text, fill=(255, 255, 255, 128), font=font)
    image.save(output_path)

这个Python脚本给图像添加水印。您可以自定义水印文本、字体和位置,以个性化您的图片。



3.创建图像缩略图

# Python脚本用于创建图像缩略图
from PIL import Image
def create_thumbnail(input_path, output_path, size=(128, 128)):
    image = Image.open(input_path)
    image.thumbnail(size)
    image.save(output_path)

这个Python脚本从原始图像创建缩略图,可以用于生成预览图像或减小图像大小以便在网站上更快加载。



四、数据清洗和转换

1.从数据中删除重复项

# Python脚本以从数据中删除重复项
import pandas as pd
def remove_duplicates(data_frame):
    cleaned_data = data_frame.drop_duplicates()
    return cleaned_data

这个Python脚本利用pandas从数据集中删除重复行。这是一种简单而有效的方法,可以确保数据完整性并改善数据分析。



2.数据规范化

# 数据归一化的Python脚本
import pandas as pd
def normalize_data(data_frame):
    normalized_data = (data_frame - data_frame.min()) / (data_frame.max() - data_frame.min())
    return normalized_data

这个Python脚本使用最小-最大归一化技术对数据进行规范化。


它将数据集中的值缩放到0和1之间的范围,使得比较不同特征更加容易。



3.处理缺失值

# 处理数据中缺失值的Python脚本
import pandas as pd
def handle_missing_values(data_frame):
    filled_data = data_frame.fillna(method='ffill')
    return filled_data

这个 Python 脚本使用 pandas 处理数据集中的缺失值。

它使用前向填充方法,将缺失值填充为前一个非缺失值。

五、自动化PDF操作

1.从PDF中提取文本

# 从PDF中提取文本的Python脚本
import PyPDF2
def extract_text_from_pdf(file_path):
    with open(file_path, 'rb') as f:
        pdf_reader = PyPDF2.PdfFileReader(f)
        text = ''
        for page_num in range(pdf_reader.numPages):
            page = pdf_reader.getPage(page_num)
            text += page.extractText()
        return text

这个Python脚本使用PyPDF2库从PDF文件中提取文本。


它读取PDF的每一页,并将提取的文本编译成一个字符串。

2.合并多个PDF文件

# 将多个PDF合并为一个PDF的Python脚本
import PyPDF2
def merge_pdfs(input_paths, output_path):
    pdf_merger = PyPDF2.PdfMerger()
    for path in input_paths:
        with open(path, 'rb') as f:
            pdf_merger.append(f)
    with open(output_path, 'wb') as f:
        pdf_merger.write(f)

这个Python脚本将多个PDF文件合并成一个单独的PDF文档。


它非常方便,可以将独立的PDF报告、演示文稿或其他文档合并为一个统一的文件。

3.添加密码保护

# Python脚本用于为PDF添加密码保护。
import PyPDF2
def add_password_protection(input_path, output_path, password):
    with open(input_path, 'rb') as f:
        pdf_reader = PyPDF2.PdfFileReader(f)
        pdf_writer = PyPDF2.PdfFileWriter()
        for page_num in range(pdf_reader.numPages):
            page = pdf_reader.getPage(page_num)
            pdf_writer.addPage(page)
            pdf_writer.encrypt(password)
    with open(output_path, 'wb') as output_file:
        pdf_writer.write(output_file)

此Python脚本为PDF文件添加密码保护。

它使用密码对PDF进行加密,确保只有拥有正确密码的人才能访问内容。


你是否想探索Python奥秘?你是否困惑难以系统性学习Python?你是否在学习Python过程中遇到疑惑却无人可请教?如果你有这些问题,那就快来免费参与Python快速入门课


扫描回复【课程】

0元获取课程及代码资料

↓ ↓ ↓ ↓

 

END



Python学习交流群


欢迎大家加入我们的Python学习交流群。除了有保姆级的包含Python学习、技能提升、工作各个环节的指导交流外,群内会定期分享行业资讯、实用工具资料包、书籍推荐、大咖分享会等等信息,Python干货信息不断发送!


扫描下方二维码快速加群

↓ ↓ ↓ ↓

(内部学员联系专属辅导员即可)