6個Python辦公黑科技，助你提升工作效率
一、解析PDF（簡歷內(nèi)推）
應(yīng)用場景：簡歷內(nèi)推（解析內(nèi)容：包括不限于姓名、郵箱、電話號碼、學歷等信息）
輸入：要解析的文件路徑
輸出：需要解析的內(nèi)容（點我主頁，詳見歷史文章）
環(huán)境準備：python 3.6 、mac（下文中doc轉(zhuǎn)docx是mac寫法，windows更簡單，導入win32的包即可）
依賴包：
# encoding: utf-8 import os, sys from pdfminer.pdfparser import PDFParser from pdfminer.pdfdocument import PDFDocument from pdfminer.pdfpage import PDFPage from pdfminer.pdfinterp import PDFResourceManager from pdfminer.pdfinterp import PDFPageInterpreter from pdfminer.layout import LAParams from pdfminer.converter import PDFPageAggregator
二、發(fā)送郵件
有幾個模塊用于訪問互聯(lián)網(wǎng)以及處理網(wǎng)絡(luò)通信協(xié)議。其中最簡單的兩個是用于處理從 urls 接收的數(shù)據(jù)的 urllib.request 以及用于發(fā)送電子郵件的 smtplib:
import smtplib smtpObj = smtplib.SMTP( [host [, port [, local_hostname]]] )
參數(shù)說明：
host: SMTP 服務(wù)器主機。 你可以指定主機的ip地址或者域名如: runoob.com，這個是可選參數(shù)。
port: 如果你提供了 host 參數(shù), 你需要指定 SMTP 服務(wù)使用的端口號，一般情況下 SMTP 端口號為25。
local_hostname: 如果 SMTP 在你的本機上，你只需要指定服務(wù)器地址為 localhost 即可。
Python SMTP 對象使用 sendmail 方法發(fā)送郵件，語法如下：
SMTP.sendmail(from_addr, to_addrs, msg[, mail_options, rcpt_options])
參數(shù)說明：
- from_addr: 郵件發(fā)送者地址。
- to_addrs: 字符串列表，郵件發(fā)送地址。
- msg: 發(fā)送消息
案例：
#!/usr/bin/python# -*- coding: UTF-8 -*-
import smtplibfrom email.mime.text
import MIMETextfrom email.header
import Header sender = 'from@runoob.com'
# 西紅柿微：ZPYDWXYreceivers = ['1221121@qq.com']
# 接收郵件，可設(shè)置為你的QQ郵箱或者其他郵箱
# 三個參數(shù)：第一個為文本內(nèi)容，第二個 plain 設(shè)置文本格式，第三個 utf-8 設(shè)置編碼message = MIMEText('Python 郵件發(fā)送測試...', 'plain', 'utf-8')message['From'] = Header("不吃西紅柿", 'utf-8')
# 發(fā)送者message['To'] = Header("測試", 'utf-8')
# 接收者 subject = 'Python SMTP 郵件測試'message['Subject'] = Header(subject, 'utf-8')
try: smtpObj = smtplib.SMTP('localhost') smtpObj.sendmail(sender, receivers, message.as_string())
print "郵件發(fā)送成功"except smtplib.SMTPException:
print "Error: 無法發(fā)送郵件"
三、操作execl
1. 關(guān)聯(lián)公式:Vlookup
vlookup是excel幾乎最常用的公式，一般用于兩個表的關(guān)聯(lián)查詢等。所以我先把這張表分為兩個表。
#查看訂單明細號是否重復，結(jié)果是沒。 df1["訂單明細號"].duplicated().value_counts() df2["訂單明細號"].duplicated().value_counts() df_c=pd.merge(df1,df2,on="訂單明細號",how="left")
2. 數(shù)據(jù)透視表
需求：想知道每個地區(qū)的業(yè)務(wù)員分別賺取的利潤總和與利潤平均數(shù)。
pd.pivot_table(sale,index="地區(qū)名稱",columns="業(yè)務(wù)員名稱",values="利潤",aggfunc=[np.sum,np.mean])
3. 對比兩列差異
需求：比較訂單明細號與訂單明細號2的差異并顯示出來。
sale["訂單明細號2"]=sale["訂單明細號"] #在訂單明細號2里前10個都+1. sale["訂單明細號2"][1:10]=sale["訂單明細號2"][1:10]+1 #差異輸出 result=sale.loc[sale["訂單明細號"].isin(sale["訂單明細號2"])==False]
4. 去除重復值
需求：去除業(yè)務(wù)員編碼的重復值
sale.drop_duplicates("業(yè)務(wù)員編碼",inplace=True)
5. 缺失值處理
#用0填充缺失值 sale["客戶名稱"]=sale["客戶名稱"].fillna(0) #刪除有客戶編碼缺失值的行 sale.dropna(subset=["客戶編碼"])
6. 多條件篩選
需求：想知道業(yè)務(wù)員張愛，在北京區(qū)域賣的商品訂單金額大于6000的信息。
sale.loc[(sale["地區(qū)名稱"]=="北京")&(sale["業(yè)務(wù)員名稱"]=="張愛")&(sale["訂單金額"]>5000)]
7. 模糊篩選數(shù)據(jù)
需求:篩選存貨名稱含有"三星"或則含有"索尼"的信息。
sale.loc[sale["存貨名稱"].str.contains("三星|索尼")]
8. 分類匯總
需求: 北京區(qū)域各業(yè)務(wù)員的利潤總額。
sale.groupby(["地區(qū)名稱","業(yè)務(wù)員名稱"])["利潤"].sum()
9. 條件計算
需求：存貨名稱含“三星字眼”并且稅費高于1000的訂單有幾個？這些訂單的利潤總和和平均利潤是多少？（或者最小值，最大值，四分位數(shù)，標注差）
sale.loc[sale["存貨名稱"].str.contains("三星")&(sale["稅費"]>=1000)][["訂單明細號","利潤"]].describe()
10. 刪除數(shù)據(jù)間的空格
需求：刪除存貨名稱兩邊的空格。
sale["存貨名稱"].map(lambda s :s.strip(""))
四、畫圖分析
英雄聯(lián)盟防御力：
防御能力最低的英雄（1級）： 暗夜獵手,魔法貓咪,萬花通靈
防御能力最高的英雄（10級）： 正義巨像,披甲龍龜
安妮、卡爾瑪能力矩陣：
代碼示例：
# encoding: utf-8
import json
from pyecharts.charts import Pie
from pyecharts import options as opts
from pyecharts.charts import Radar
def draw_Radar():
from pyecharts.charts import Radar
radar = Radar()
# //由于雷達圖傳入的數(shù)據(jù)得為多維數(shù)據(jù)，所以這里需要做一下處理
radar_data = [[10, 10, 10, 10, 10]]
radar_data1 = [[2, 10, 3, 6, 3]]
radar_data2 = [[1, 8, 7, 5, 8]]
# //設(shè)置column的最大值，為了雷達圖更為直觀，這里的月份最大值設(shè)置有所不同
schema = [
("物理", 100), ("魔法", 10), ("防御", 10),("難度", 10),("喜好", 10)
]
# //傳入坐標
radar.add_schema(schema)
radar.add("滿分", radar_data)
# //一般默認為同一種顏色，這里為了便于區(qū)分，需要設(shè)置item的顏色
radar.add("安妮", radar_data1, color="#E37911")
radar.add("卡爾瑪", radar_data2, color="#1C86EE")
radar.render()
if __name__ == '__main__':
draw_Radar()
五、解析word（docx、doc）
依賴包：
# encoding: utf-8 import os, sys import docx
def word_reader(file):
try:
# docx 直接讀
if 'docx' in file:
res = ''
f = docx.Document(file)
for para in f.paragraphs:
res = res + '\n' +para.text
else:
# 先轉(zhuǎn)格式doc>docx
os.system("textutil -convert docx '%s'"%file)
word_reader(file+'x')
res = ''
f = docx.Document(file+'x')
for para in f.paragraphs:
res = res + '\n' +para.text
return res
except:
# print(file, 'read failed')
return ''
六、計算器
math模塊為浮點運算提供了對底層函數(shù)庫的訪問:
>>> import math >>> math.cos(math.pi / 4) 0.70710678118654757 >>> math.log(1024, 2) 10.0
總結(jié)
本篇文章就到這里了，希望能給你帶來幫助，也希望您能夠多多關(guān)注腳本之家的更多內(nèi)容！
相關(guān)文章
這篇文章主要介紹了Python中捕獲鍵盤的方式，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-03-03
python讀取文本中數(shù)據(jù)并轉(zhuǎn)化為DataFrame的實例
下面小編就為大家分享一篇python讀取文本中數(shù)據(jù)并轉(zhuǎn)化為DataFrame的實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-04-04
這篇文章主要介紹了python迭代器模塊itertools常用的方法，文章圍繞主題展開詳細的內(nèi)容介紹，具有一定的參考價值，需要的小伙伴可以參考一下2022-09-09
Python NumPy數(shù)組利器之np.zeros函數(shù)詳解與應(yīng)用實例
在Python的科學計算庫NumPy中,numpy.zeros()是一個非常重要的函數(shù),它用于創(chuàng)建一個指定形狀和數(shù)據(jù)類型的全零數(shù)組,這篇文章主要給大家介紹了關(guān)于Python NumPy數(shù)組利器之np.zeros函數(shù)詳解與應(yīng)用實例的相關(guān)資料,需要的朋友可以參考下2024-06-06
這篇文章主要介紹了關(guān)于Python代碼混淆和加密技術(shù),Python進行商業(yè)開發(fā)時, 需要有一定的安全意識, 為了不被輕易的逆向還原,混淆和加密就有所必要了,需要的朋友可以參考下2023-07-07
這篇文章主要介紹了Python裝飾器用法,結(jié)合實例形式分析了帶參數(shù)裝飾器、無參數(shù)裝飾器等相關(guān)實現(xiàn)與使用技巧,需要的朋友可以參考下2019-01-01
python學習——內(nèi)置函數(shù)、數(shù)據(jù)結(jié)構(gòu)、標準庫的技巧（推薦）
這篇文章主要介紹了python學習——內(nèi)置函數(shù)、數(shù)據(jù)結(jié)構(gòu)、標準庫的技巧，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-04-04
Android+OpenCv4實現(xiàn)邊緣檢測及輪廓繪制出圖像最大邊緣
最近工作需求，需要用opencv來先做一個demo，掃描照片進行邊緣檢測和最大邊緣，就整理出來介紹一下，感興趣的小伙伴們可以參考一下2021-05-05
這篇文章主要為大家詳細介紹了如何利用python實現(xiàn)獲取域名ssl證書信息和到期時間,文中的示例代碼講解詳細,感興趣的小伙伴可以跟隨小編一起了解一下2023-09-09
詳細解析Python中__init__()方法的高級應(yīng)用
這篇文章主要介紹了詳細解析Python中__init__()方法的高級應(yīng)用,包括在映射和elif序列等地方的更為復雜的用法,需要的朋友可以參考下2015-05-05