使用Python對(duì)微信好友進(jìn)行數(shù)據(jù)分析
1、準(zhǔn)備工作
1.1 庫(kù)介紹
只有登錄微信才能獲取到微信好友的信息，本文采用wxpy該第三方庫(kù)進(jìn)行微信的登錄以及信息的獲取。
wxpy 在 itchat 的基礎(chǔ)上，通過(guò)大量接口優(yōu)化提升了模塊的易用性，并進(jìn)行豐富的功能擴(kuò)展。
wxpy一些常見(jiàn)的場(chǎng)景：
•控制路由器、智能家居等具有開(kāi)放接口的玩意兒
•運(yùn)行腳本時(shí)自動(dòng)把日志發(fā)送到你的微信
•加群主為好友，自動(dòng)拉進(jìn)群中
•跨號(hào)或跨群轉(zhuǎn)發(fā)消息
•自動(dòng)陪人聊天
•逗人玩
總而言之，可用來(lái)實(shí)現(xiàn)各種微信個(gè)人號(hào)的自動(dòng)化操作。
1.2 wxpy庫(kù)安裝
wxpy 支持 Python 3.4-3.6，以及 2.7 版本
將下方命令中的 “pip” 替換為 “pip3” 或 “pip2”，可確保安裝到對(duì)應(yīng)的 Python 版本中
1.從 PYPI 官方源下載安裝 (在國(guó)內(nèi)可能比較慢或不穩(wěn)定):
pip install -U wxpy1
1.從豆瓣 PYPI 鏡像源下載安裝 (推薦國(guó)內(nèi)用戶選用):
1.3 登錄微信
wxpy中有一個(gè)機(jī)器人對(duì)象，機(jī)器人 Bot 對(duì)象可被理解為一個(gè) Web 微信客戶端。Bot 在初始化時(shí)便會(huì)執(zhí)行登陸操作，需要手機(jī)掃描登陸。
通過(guò)機(jī)器人對(duì)象 Bot 的 chats(), friends()，groups(), mps() 方法, 可分別獲取到當(dāng)前機(jī)器人的 所有聊天對(duì)象、好友、群聊，以及公眾號(hào)列表。
本文主要通過(guò)friends()獲取到所有好友信息，然后進(jìn)行數(shù)據(jù)的處理。
from wxpy import * # 初始化機(jī)器人，掃碼登陸 bot = Bot() # 獲取所有好友 my_friends = bot.friends() print(type(my_friends))
以下為輸出消息：
Getting uuid of QR code.
Downloading QR code.
Please scan the QR code to log in.
Please press confirm on your phone.
Loading the contact, this may take a little while.
<Login successfully as 王強(qiáng)?>
<class 'wxpy.api.chats.chats.Chats'>
wxpy.api.chats.chats.Chats對(duì)象是多個(gè)聊天對(duì)象的合集，可用于搜索或統(tǒng)計(jì)，可以搜索和統(tǒng)計(jì)的信息包括sex(性別)、province(省份)、city(城市)和signature(個(gè)性簽名)等。
2、微信好友男女比例
2.1 數(shù)據(jù)統(tǒng)計(jì)
使用一個(gè)字典sex_dict來(lái)統(tǒng)計(jì)好友中男性和女性的數(shù)量。
# 使用一個(gè)字典統(tǒng)計(jì)好友男性和女性的數(shù)量
sex_dict = {'male': 0, 'female': 0}
for friend in my_friends:
# 統(tǒng)計(jì)性別
if friend.sex == 1:
sex_dict['male'] += 1
elif friend.sex == 2:
sex_dict['female'] += 1
print(sex_dict)
以下為輸出結(jié)果：
{'male': 255, 'female': 104}
2.2 數(shù)據(jù)呈現(xiàn)
本文采用 ECharts餅圖 進(jìn)行數(shù)據(jù)的呈現(xiàn)，打開(kāi)鏈接http://echarts.baidu.com/echarts2/doc/example/pie1.html，可以看到如下內(nèi)容：
1、echarts餅圖原始內(nèi)容
從圖中可以看到左側(cè)為數(shù)據(jù)，右側(cè)為呈現(xiàn)的數(shù)據(jù)圖，其他的形式的圖也是這種左右結(jié)構(gòu)?？匆幌伦筮叺臄?shù)據(jù)：
option = {
title : {
text: '某站點(diǎn)用戶訪問(wèn)來(lái)源',
subtext: '純屬虛構(gòu)',
x:'center'
},
tooltip : {
trigger: 'item',
formatter: "{a} <br/> : {c} (wuhzn77%)"
},
legend: {
orient : 'vertical',
x : 'left',
data:['直接訪問(wèn)','郵件營(yíng)銷','聯(lián)盟廣告','視頻廣告','搜索引擎']
},
toolbox: {
show : true,
feature : {
mark : {show: true},
dataView : {show: true, readOnly: false},
magicType : {
show: true,
type: ['pie', 'funnel'],
option: {
funnel: {
x: '25%',
width: '50%',
funnelAlign: 'left',
max: 1548
}
}
},
restore : {show: true},
saveAsImage : {show: true}
}
},
calculable : true,
series : [
{
name:'訪問(wèn)來(lái)源',
type:'pie',
radius : '55%',
center: ['50%', '60%'],
data:[
{value:335, name:'直接訪問(wèn)'},
{value:310, name:'郵件營(yíng)銷'},
{value:234, name:'聯(lián)盟廣告'},
{value:135, name:'視頻廣告'},
{value:1548, name:'搜索引擎'}
]
}
]
};
可以看到option =后面的大括號(hào)里是JSON格式的數(shù)據(jù)，接下來(lái)分析一下各項(xiàng)數(shù)據(jù)：
•title：標(biāo)題
•text：標(biāo)題內(nèi)容
•subtext：子標(biāo)題
•x：標(biāo)題位置
•tooltip：提示，將鼠標(biāo)放到餅狀圖上就可以看到提示
•legend：圖例
•orient：方向
•x：圖例位置
•data：圖例內(nèi)容
•toolbox：工具箱，在餅狀圖右上方橫向排列的圖標(biāo)
•mark：輔助線開(kāi)關(guān)
•dataView：數(shù)據(jù)視圖，點(diǎn)擊可以查看餅狀圖數(shù)據(jù)
•magicType：餅圖(pie)切換和漏斗圖(funnel)切換
•restore：還原
•saveAsImage：保存為圖片
•calculable：暫時(shí)不知道它有什么用
•series：主要數(shù)據(jù)
•data：呈現(xiàn)的數(shù)據(jù)
其它類型的圖數(shù)據(jù)格式類似，后面不再詳細(xì)分析。只需要修改data、l**egend->data**、series->data即可，修改后的數(shù)據(jù)為：
option = {
title : {
text: '微信好友性別比例',
subtext: '真實(shí)數(shù)據(jù)',
x:'center'
},
tooltip : {
trigger: 'item',
formatter: "{a} <br/> : {c} (8s2ln7g%)"
},
legend: {
orient : 'vertical',
x : 'left',
data:['男性','女性']
},
toolbox: {
show : true,
feature : {
mark : {show: true},
dataView : {show: true, readOnly: false},
magicType : {
show: true,
type: ['pie', 'funnel'],
option: {
funnel: {
x: '25%',
width: '50%',
funnelAlign: 'left',
max: 1548
}
}
},
restore : {show: true},
saveAsImage : {show: true}
}
},
calculable : true,
series : [
{
name:'訪問(wèn)來(lái)源',
type:'pie',
radius : '55%',
center: ['50%', '60%'],
data:[
{value:255, name:'男性'},
{value:104, name:'女性'}
]
}
]
};
數(shù)據(jù)修改完成后，點(diǎn)擊頁(yè)面中綠色的刷新按鈕，可以得到餅圖如下（可以根據(jù)自己的喜好修改主題）：
2、好友性別比例
將鼠標(biāo)放到餅圖上可以看到詳細(xì)數(shù)據(jù)：
3、好友性別比例查看數(shù)據(jù)
3、微信好友全國(guó)分布圖
3.1 數(shù)據(jù)統(tǒng)計(jì)
# 使用一個(gè)字典統(tǒng)計(jì)各省好友數(shù)量
province_dict = {'北京': 0, '上海': 0, '天津': 0, '重慶': 0,
'河北': 0, '山西': 0, '吉林': 0, '遼寧': 0, '黑龍江': 0,
'陜西': 0, '甘肅': 0, '青海': 0, '山東': 0, '福建': 0,
'浙江': 0, '臺(tái)灣': 0, '河南': 0, '湖北': 0, '湖南': 0,
'江西': 0, '江蘇': 0, '安徽': 0, '廣東': 0, '海南': 0,
'四川': 0, '貴州': 0, '云南': 0,
'內(nèi)蒙古': 0, '新疆': 0, '寧夏': 0, '廣西': 0, '西藏': 0,
'香港': 0, '澳門(mén)': 0}
# 統(tǒng)計(jì)省份
for friend in my_friends:
if friend.province in province_dict.keys():
province_dict[friend.province] += 1
# 為了方便數(shù)據(jù)的呈現(xiàn)，生成JSON Array格式數(shù)據(jù)
data = []
for key, value in province_dict.items():
data.append({'name': key, 'value': value})
print(data)
以下為輸出結(jié)果：
[{'name': '北京', 'value': 91}, {'name': '上海', 'value': 12}, {'name': '天津', 'value': 15}, {'name': '重慶', 'value': 1}, {'name': '河北', 'value': 53}, {'name': '山西', 'value': 2}, {'name': '吉林', 'value': 1}, {'name': '遼寧', 'value': 1}, {'name': '黑龍江', 'value': 2}, {'name': '陜西', 'value': 3}, {'name': '甘肅', 'value': 0}, {'name': '青海', 'value': 0}, {'name': '山東', 'value': 7}, {'name': '福建', 'value': 3}, {'name': '浙江', 'value': 4}, {'name': '臺(tái)灣', 'value': 0}, {'name': '河南', 'value': 1}, {'name': '湖北', 'value': 4}, {'name': '湖南', 'value': 4}, {'name': '江西', 'value': 4}, {'name': '江蘇', 'value': 9}, {'name': '安徽', 'value': 2}, {'name': '廣東', 'value': 63}, {'name': '海南', 'value': 0}, {'name': '四川', 'value': 2}, {'name': '貴州', 'value': 0}, {'name': '云南', 'value': 1}, {'name': '內(nèi)蒙古', 'value': 0}, {'name': '新疆', 'value': 2}, {'name': '寧夏', 'value': 0}, {'name': '廣西', 'value': 1}, {'name': '西藏', 'value': 0}, {'name': '香港', 'value': 0}, {'name': '澳門(mén)', 'value': 0}]
可以看出，好友最多的省份為北京。那么問(wèn)題來(lái)了：為什么要把數(shù)據(jù)重組成這種格式？因?yàn)镋Charts的地圖需要這種格式的數(shù)據(jù)。
3.2 數(shù)據(jù)呈現(xiàn)
采用ECharts地圖 來(lái)進(jìn)行好友分布的數(shù)據(jù)呈現(xiàn)。打開(kāi)該網(wǎng)址，將左側(cè)數(shù)據(jù)修改為：
option = {
title : {
text: '微信好友全國(guó)分布圖',
subtext: '真實(shí)數(shù)據(jù)',
x:'center'
},
tooltip : {
trigger: 'item'
},
legend: {
orient: 'vertical',
x:'left',
data:['好友數(shù)量']
},
dataRange: {
min: 0,
max: 100,
x: 'left',
y: 'bottom',
text:['高','低'], // 文本，默認(rèn)為數(shù)值文本
calculable : true
},
toolbox: {
show: true,
orient : 'vertical',
x: 'right',
y: 'center',
feature : {
mark : {show: true},
dataView : {show: true, readOnly: false},
restore : {show: true},
saveAsImage : {show: true}
}
},
roamController: {
show: true,
x: 'right',
mapTypeControl: {
'china': true
}
},
series : [
{
name: '好友數(shù)量',
type: 'map',
mapType: 'china',
roam: false,
itemStyle:{
normal:{label:{show:true}},
emphasis:{label:{show:true}}
},
data:[
{'name': '北京', 'value': 91},
{'name': '上海', 'value': 12},
{'name': '天津', 'value': 15},
{'name': '重慶', 'value': 1},
{'name': '河北', 'value': 53},
{'name': '山西', 'value': 2},
{'name': '吉林', 'value': 1},
{'name': '遼寧', 'value': 1},
{'name': '黑龍江', 'value': 2},
{'name': '陜西', 'value': 3},
{'name': '甘肅', 'value': 0},
{'name': '青海', 'value': 0},
{'name': '山東', 'value': 7},
{'name': '福建', 'value': 3},
{'name': '浙江', 'value': 4},
{'name': '臺(tái)灣', 'value': 0},
{'name': '河南', 'value': 1},
{'name': '湖北', 'value': 4},
{'name': '湖南', 'value': 4},
{'name': '江西', 'value': 4},
{'name': '江蘇', 'value': 9},
{'name': '安徽', 'value': 2},
{'name': '廣東', 'value': 63},
{'name': '海南', 'value': 0},
{'name': '四川', 'value': 2},
{'name': '貴州', 'value': 0},
{'name': '云南', 'value': 1},
{'name': '內(nèi)蒙古', 'value': 0},
{'name': '新疆', 'value': 2},
{'name': '寧夏', 'value': 0},
{'name': '廣西', 'value': 1},
{'name': '西藏', 'value': 0},
{'name': '香港', 'value': 0},
{'name': '澳門(mén)', 'value': 0}
]
}
]
};
注意兩點(diǎn)：
•dataRange->max 根據(jù)統(tǒng)計(jì)數(shù)據(jù)適當(dāng)調(diào)整
•series->data 的數(shù)據(jù)格式
點(diǎn)擊刷新按鈕后，可以生成如下地圖：
4、好友全國(guó)分布圖
從圖中可以看出我的好友主要分布在北京、河北和廣東。
有趣的是，地圖左邊有一個(gè)滑塊，代表地圖數(shù)據(jù)的范圍，我們將上邊的滑塊拉到最下面可以看到?jīng)]有微信好友分布的省份：
5、沒(méi)有微信好友的省份
按照這個(gè)思路，我們可以在地圖上看到確切數(shù)量好友分布的省份，讀者可以動(dòng)手試試。
4、好友簽名統(tǒng)計(jì)
4.1 數(shù)據(jù)統(tǒng)計(jì)
def write_txt_file(path, txt):
'''
寫(xiě)入txt文本
'''
with open(path, 'a', encoding='gb18030', newline='') as f:
f.write(txt)
# 統(tǒng)計(jì)簽名
for friend in my_friends:
# 對(duì)數(shù)據(jù)進(jìn)行清洗，將標(biāo)點(diǎn)符號(hào)等對(duì)詞頻統(tǒng)計(jì)造成影響的因素剔除
pattern = re.compile(r'[一-龥](méi)+')
filterdata = re.findall(pattern, friend.signature)
write_txt_file('signatures.txt', ''.join(filterdata))
上面代碼實(shí)現(xiàn)了對(duì)好友簽名進(jìn)行清洗以及保存的功能，執(zhí)行完成之后會(huì)在當(dāng)前目錄生成signatures.txt文件。
4.2 數(shù)據(jù)呈現(xiàn)
數(shù)據(jù)呈現(xiàn)采用詞頻統(tǒng)計(jì)和詞云展示，通過(guò)詞頻可以了解到微信好友的生活態(tài)度。
詞頻統(tǒng)計(jì)用到了 jieba、numpy、pandas、scipy、wordcloud庫(kù)。如果電腦上沒(méi)有這幾個(gè)庫(kù)，執(zhí)行安裝指令：
•pip install jieba
•pip install pandas
•pip install numpy
•pip install scipy
•pip install wordcloud
4.2.1 讀取txt文件
前面已經(jīng)將好友簽名保存到txt文件里了，現(xiàn)在我們將其讀出：
def read_txt_file(path): ''' 讀取txt文本 ''' with open(path, 'r', encoding='gb18030', newline='') as f: return f.read()
4.2.2 stop word
下面引入一個(gè)概念：stop word， 在網(wǎng)站里面存在大量的常用詞比如：“在”、“里面”、“也”、“的”、“它”、“為”這些詞都是停止詞。這些詞因?yàn)槭褂妙l率過(guò)高，幾乎每個(gè)網(wǎng)頁(yè)上都存在，所以搜索引擎開(kāi)發(fā)人員都將這一類詞語(yǔ)全部忽略掉。如果我們的網(wǎng)站上存在大量這樣的詞語(yǔ)，那么相當(dāng)于浪費(fèi)了很多資源。
在百度搜索stpowords.txt進(jìn)行下載，放到py文件同級(jí)目錄。
content = read_txt_file(txt_filename)
segment = jieba.lcut(content)
words_df=pd.DataFrame({'segment':segment})
stopwords=pd.read_csv("stopwords.txt",index_col=False,quoting=3,sep=" ",names=['stopword'],encoding='utf-8')
words_df=words_df[~words_df.segment.isin(stopwords.stopword)]
4.2.3 詞頻統(tǒng)計(jì)
重頭戲來(lái)了，詞頻統(tǒng)計(jì)使用numpy：
import numpy
words_stat = words_df.groupby(by=['segment'])['segment'].agg({"計(jì)數(shù)":numpy.size})
words_stat = words_stat.reset_index().sort_values(by=["計(jì)數(shù)"],ascending=False)
4.2.4 詞頻可視化：詞云
詞頻統(tǒng)計(jì)雖然出來(lái)了，可以看出排名，但是不完美，接下來(lái)我們將它可視化。使用到wordcloud庫(kù)，詳細(xì)介紹見(jiàn) github 。
from scipy.misc import imread
from wordcloud import WordCloud, ImageColorGenerator
# 設(shè)置詞云屬性
color_mask = imread('background.jfif')
wordcloud = WordCloud(font_path="simhei.ttf", # 設(shè)置字體可以顯示中文
background_color="white", # 背景顏色
max_words=100, # 詞云顯示的最大詞數(shù)
mask=color_mask, # 設(shè)置背景圖片
max_font_size=100, # 字體最大值
random_state=42,
width=1000, height=860, margin=2,# 設(shè)置圖片默認(rèn)的大小,但是如果使用背景圖片的話, # 那么保存的圖片大小將會(huì)按照其大小保存,margin為詞語(yǔ)邊緣距離
)
# 生成詞云, 可以用generate輸入全部文本,也可以我們計(jì)算好詞頻后使用generate_from_frequencies函數(shù)
word_frequence = {x[0]:x[1]for x in words_stat.head(100).values}
print(word_frequence)
word_frequence_dict = {}
for key in word_frequence:
word_frequence_dict[key] = word_frequence[key]
wordcloud.generate_from_frequencies(word_frequence_dict)
# 從背景圖片生成顏色值
image_colors = ImageColorGenerator(color_mask)
# 重新上色
wordcloud.recolor(color_func=image_colors)
# 保存圖片
wordcloud.to_file('output.png')
plt.imshow(wordcloud)
plt.axis("off")
plt.show()
運(yùn)行效果圖如下（左圖為背景圖，右圖為生成詞云圖片）：
6、背景圖和詞云圖對(duì)比
從詞云圖可以分析好友特點(diǎn)：
•做——————–行動(dòng)派
•人生、生活——–熱愛(ài)生活
•快樂(lè)—————–樂(lè)觀
•選擇—————–決斷
•專業(yè)—————–專業(yè)
•愛(ài)——————–愛(ài)
5、總結(jié)
至此，微信好友的分析工作已經(jīng)完成，wxpy的功能還有很多，比如聊天、查看公眾號(hào)信息等，有意的讀者請(qǐng)自行查閱官方文檔。
6、完整代碼
上面的代碼比較松散，下面展示的完整代碼我將各功能模塊封裝成函數(shù)：
#-*- coding: utf-8 -*-
import re
from wxpy import *
import jieba
import numpy
import pandas as pd
import matplotlib.pyplot as plt
from scipy.misc import imread
from wordcloud import WordCloud, ImageColorGenerator
def write_txt_file(path, txt):
'''
寫(xiě)入txt文本
'''
with open(path, 'a', encoding='gb18030', newline='') as f:
f.write(txt)
def read_txt_file(path):
'''
讀取txt文本
'''
with open(path, 'r', encoding='gb18030', newline='') as f:
return f.read()
def login():
# 初始化機(jī)器人，掃碼登陸
bot = Bot()
# 獲取所有好友
my_friends = bot.friends()
print(type(my_friends))
return my_friends
def show_sex_ratio(friends):
# 使用一個(gè)字典統(tǒng)計(jì)好友男性和女性的數(shù)量
sex_dict = {'male': 0, 'female': 0}
for friend in friends:
# 統(tǒng)計(jì)性別
if friend.sex == 1:
sex_dict['male'] += 1
elif friend.sex == 2:
sex_dict['female'] += 1
print(sex_dict)
def show_area_distribution(friends):
# 使用一個(gè)字典統(tǒng)計(jì)各省好友數(shù)量
province_dict = {'北京': 0, '上海': 0, '天津': 0, '重慶': 0,
'河北': 0, '山西': 0, '吉林': 0, '遼寧': 0, '黑龍江': 0,
'陜西': 0, '甘肅': 0, '青海': 0, '山東': 0, '福建': 0,
'浙江': 0, '臺(tái)灣': 0, '河南': 0, '湖北': 0, '湖南': 0,
'江西': 0, '江蘇': 0, '安徽': 0, '廣東': 0, '海南': 0,
'四川': 0, '貴州': 0, '云南': 0,
'內(nèi)蒙古': 0, '新疆': 0, '寧夏': 0, '廣西': 0, '西藏': 0,
'香港': 0, '澳門(mén)': 0}
# 統(tǒng)計(jì)省份
for friend in friends:
if friend.province in province_dict.keys():
province_dict[friend.province] += 1
# 為了方便數(shù)據(jù)的呈現(xiàn)，生成JSON Array格式數(shù)據(jù)
data = []
for key, value in province_dict.items():
data.append({'name': key, 'value': value})
print(data)
def show_signature(friends):
# 統(tǒng)計(jì)簽名
for friend in friends:
# 對(duì)數(shù)據(jù)進(jìn)行清洗，將標(biāo)點(diǎn)符號(hào)等對(duì)詞頻統(tǒng)計(jì)造成影響的因素剔除
pattern = re.compile(r'[一-龥](méi)+')
filterdata = re.findall(pattern, friend.signature)
write_txt_file('signatures.txt', ''.join(filterdata))
# 讀取文件
content = read_txt_file('signatures.txt')
segment = jieba.lcut(content)
words_df = pd.DataFrame({'segment':segment})
# 讀取stopwords
stopwords = pd.read_csv("stopwords.txt",index_col=False,quoting=3,sep=" ",names=['stopword'],encoding='utf-8')
words_df = words_df[~words_df.segment.isin(stopwords.stopword)]
print(words_df)
words_stat = words_df.groupby(by=['segment'])['segment'].agg({"計(jì)數(shù)":numpy.size})
words_stat = words_stat.reset_index().sort_values(by=["計(jì)數(shù)"],ascending=False)
# 設(shè)置詞云屬性
color_mask = imread('background.jfif')
wordcloud = WordCloud(font_path="simhei.ttf", # 設(shè)置字體可以顯示中文
background_color="white", # 背景顏色
max_words=100, # 詞云顯示的最大詞數(shù)
mask=color_mask, # 設(shè)置背景圖片
max_font_size=100, # 字體最大值
random_state=42,
width=1000, height=860, margin=2,# 設(shè)置圖片默認(rèn)的大小,但是如果使用背景圖片的話, # 那么保存的圖片大小將會(huì)按照其大小保存,margin為詞語(yǔ)邊緣距離
)
# 生成詞云, 可以用generate輸入全部文本,也可以我們計(jì)算好詞頻后使用generate_from_frequencies函數(shù)
word_frequence = {x[0]:x[1]for x in words_stat.head(100).values}
print(word_frequence)
word_frequence_dict = {}
for key in word_frequence:
word_frequence_dict[key] = word_frequence[key]
wordcloud.generate_from_frequencies(word_frequence_dict)
# 從背景圖片生成顏色值
image_colors = ImageColorGenerator(color_mask)
# 重新上色
wordcloud.recolor(color_func=image_colors)
# 保存圖片
wordcloud.to_file('output.png')
plt.imshow(wordcloud)
plt.axis("off")
plt.show()
def main():
friends = login()
show_sex_ratio(friends)
show_area_distribution(friends)
show_signature(friends)
if __name__ == '__main__':
main()
總結(jié)
以上所述是小編給大家介紹的使用Python對(duì)微信好友進(jìn)行數(shù)據(jù)分析，希望對(duì)大家有所幫助，如果大家有任何疑問(wèn)請(qǐng)給我留言，小編會(huì)及時(shí)回復(fù)大家的。在此也非常感謝大家對(duì)腳本之家網(wǎng)站的支持！
相關(guān)文章
Python實(shí)現(xiàn)翻轉(zhuǎn)數(shù)組功能示例
這篇文章主要介紹了Python實(shí)現(xiàn)翻轉(zhuǎn)數(shù)組功能,涉及Python針對(duì)數(shù)組的遍歷、判斷、排序等相關(guān)操作技巧,需要的朋友可以參考下2018-01-01
這篇文章主要給大家總結(jié)介紹了Python中判斷子串存在的性能比較及分析的相關(guān)資料，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家學(xué)習(xí)或者使用Python具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-06-06
python使用turtle庫(kù)繪制奧運(yùn)五環(huán)
turtle也叫海龜，是turtle繪圖體系的python實(shí)現(xiàn)，這篇文章主要介紹了python使用turtle庫(kù)繪制奧運(yùn)五環(huán)，本文通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì),需要的朋友可以參考下2020-02-02
忘記ftp密碼了怎么辦？下面介紹一個(gè)使用python ftplib庫(kù)的方法,大家參考使用吧2014-01-01
python之lambda表達(dá)式與sort函數(shù)中的key用法
這篇文章主要介紹了python之lambda表達(dá)式與sort函數(shù)中的key用法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-08-08
Python實(shí)現(xiàn)樹(shù)莓派攝像頭持續(xù)錄像并傳送到主機(jī)的步驟
這篇文章主要介紹了Python實(shí)現(xiàn)樹(shù)莓派攝像頭持續(xù)錄像并傳送到主機(jī)的步驟，幫助大家更好的理解和學(xué)習(xí)python，感興趣的朋友可以了解下2020-11-11
OpenCV 表盤(pán)指針自動(dòng)讀數(shù)的示例代碼
這篇文章主要介紹了OpenCV 表盤(pán)指針自動(dòng)讀數(shù)的示例代碼，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-04-04
python-圖片流傳輸?shù)乃悸芳笆纠?url轉(zhuǎn)換二維碼)
這篇文章主要介紹了python-圖片流傳輸?shù)乃悸芳笆纠?url轉(zhuǎn)換二維碼)，幫助大家更好的理解和使用python，感興趣的朋友可以了解下2020-12-12
Python利用networkx畫(huà)圖繪制Les?Misérables人物關(guān)系
這篇文章主要為大家介紹了Python利用networkx畫(huà)圖處理繪制Les?Misérables悲慘世界里的人物關(guān)系圖，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-05-05
這篇文章主要介紹了Python輸入若干整數(shù)求和方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-08-08