是不是经常被Matplotlib各种复杂的函数和颜色折腾地死去活来？
是不是在使用Matplotlib画图的时候，没有搜索引擎就走不动路？
其实，如果我们能把常用的函数和模块集中在一张图表上，工作效率会快许多。
国外有个牛人(Nicolas-Rougier)就这么做了，来看看他的笔记：
每一个代码块对应其右边的图形，非常简洁明了，根本不需要翻译！
比较进阶的使用，结合许多基本图形生成复杂的图形：
一些使用上的提醒和小技巧：
建议在你使用Matplotlib绘图时，开个小窗体将下面两张图放在旁边。
这样你就能清楚知道什么样的图形最符合你的需求、代码该怎么写、有没有其他style可选，非常方便。
我们的文章到此就结束啦，如果你喜欢今天的Python 实战教程，请持续关注Python实用宝典。
原创不易，希望你能在下面点个赞和在看支持我继续创作，谢谢！
Python实用宝典 (pythondict.com)
不只是一个宝典
欢迎关注公众号：Python实用宝典
Python作为胶水语言，真的是无所不能。这不，最近又出现一个基于Python3，目标是替代JavaScript的前端开发工具—Brython.
好用吗?咱今天来试试用它写一个计算器有多简单：
不过，我们首先要知道它作为Python的客户端Web编程工具，和JS有什么区别呢？
1.可轻易地在页面中内嵌Python终端进行测试
2.运行速度接近于CPyhon
3.写法方便，社区强大，可进行敏捷开发
我个人觉得相同的功能，用Python写起来可能会比JS快。
4.和JS一样，你不用安装任何东西就可以开始编写
下面就用Brython做一些简单的实验吧。
1.在页面上显示 Hello !：
<!doctype html>
<html>
<head>
<meta charset="utf-8">
<script type="text/javascript"
src="https://cdn.jsdelivr.net/npm/brython@3.8.9/brython.min.js">
</script>
</head>
<body onload="brython()">
<script type="text/python">
from browser import document
document <= "Hello !"
</script>
</body>
</html>将这份代码保存为index.html，双击在浏览器中打开，即可看到Hello !字样：
原理：
代码的head中，引入了一个Brython引擎附带的 brython.min.js 模块，用于使用Python控制页面。
而在<script type=”text/python”> 和</script>之间就是相应的Python代码。
可以看到，需要在document中显示文本，直接输入：
document <= “你所需要显示的文本”
即可，后续你将会看到用Brython使用标准化的DOM语法和页面交互的例子。
2.用HTML标签来做文本格式化：
如加粗文本：
from browser import document, html
document <= html.B("Hello !")部分加粗、部分不加粗：
from browser import document, html
document <= html.B("Hello, ") + "world !"I标签：
document <= html.UL(html.LI(i) for i in range(5))
超链接：
document <= html.A("Python实用宝典", href="https://pythondict.com")全部例子如下：
<!doctype html>
<html>
<head>
<meta charset="utf-8">
<script type="text/javascript"
src="https://cdn.jsdelivr.net/npm/brython@3.8.9/brython.min.js">
</script>
</head>
<body onload="brython()">
<script type="text/python">
from browser import document, html
document <= html.B("Hello !")
document <= html.UL(html.LI(i) for i in range(5))
document <= html.A("Python实用宝典", href="https://pythondict.com")
</script>
</body>
</html>效果：
3.写一个简单的计算器
先写好简单的图形架构，用th和tr标签即可：
from browser import document, html
calc = html.TABLE()
calc <= html.TR(html.TH(html.DIV("0", id="result"), colspan=3) +
html.TH("C", id="clear"))
lines = ["789/",
"456*",
"123-",
"0.=+"]
calc <= (html.TR(html.TD(x) for x in line) for line in lines)
document <= calc
然后加上一些css就可以把这个简单的图形架构变漂亮了：
<style>
*{
font-family: sans-serif;
font-weight: normal;
font-size: 1.1em;
}
td{
background-color: #ccc;
padding: 10px 30px 10px 30px;
border-radius: 0.2em;
text-align: center;
cursor: default;
}
#result{
border-color: #000;
border-width: 1px;
border-style: solid;
padding: 10px 30px 10px 30px;
text-align: right;
}
</style>
最后只需要做运算符的事件触发器即可，从下面这行代码：
calc <= (html.TR(html.TD(x) for x in line) for line in lines)
可以看出，所有的按钮都被创建为td标签，因此我们要获得所有这些按钮是否被点击，仅需要：
for button in document.select("td"):
button.bind("click", action)意思是，按钮被点击后便执行 action 操作，action操作定义如下：
def action(event):
"""Handles the "click" event on a button of the calculator."""
# The element the user clicked on is the attribute "target" of the
# event object
element = event.target
# The text printed on the button is the element's "text" attribute
value = element.text
if value not in "=C":
# update the result zone
if result.text in ["0", "error"]:
result.text = value
else:
result.text = result.text + value
elif value == "C":
# reset
result.text = "0"
elif value == "=":
# execute the formula in result zone
try:
result.text = eval(result.text)
except:
result.text = "error"如果不是=号或C号，则进行字符串拼接。
如果是C号，则清空result。
如果是=号，则需要计算出结果，直接对字符串用eval()函数即可完成目的。
这边是全部核心代码了，写起来真的极其方便。
你可以在 https://pythondict.com/calculator.html 中体验一下这个计算器。
完整源代码可在Python实用宝典公众号后台回复 brython计算器 下载。
对了，编程时如果有遇到任何问题，都欢迎加群提问，千万不要嫌麻烦，对于你学习Python上的帮助可能是巨大的：
文章示例来自于 brython.info 有做部分修改。
我们的文章到此就结束啦，如果你喜欢今天的Python 实战教程，请持续关注Python实用宝典。
原创不易，希望你能在下面点个赞和在看支持我继续创作，谢谢！
Python实用宝典 (pythondict.com)
不只是一个宝典
欢迎关注公众号：Python实用宝典
1.都说Go语言性能非常强大，那么到底比Python强多少？
为了比较Go语言和Python语言在单线程性能上的差距，我们可以做一个简单实验，从1亿减到1：
Python代码：
import time
def decrement(n):
while n > 0:
n -= 1
start = time.time()
decrement(100000000)
end = time.time()
print(f"{end - start}s.")结果如下：
大约需要4秒-5秒才能完成这项工作，那么Go语言呢？
package main
import "fmt"
import "time"
var c chan int
func decrement(n int) {
for n > 0 {
n -= 1
}
}
func main() {
start := time.Now()
decrement(100000000)
fmt.Println(time.Since(start))
}结果如下：
确实，两者差了不止100倍，看得出来Go是一个比较有前途的语言，具有强大的性能（除此之外，它还有简单易学、能轻松实现高并发的特点）。
不过，它的社区建设和Python相比还是有很大的差距，许多第三方库依然还没有支持Go语言。因此，它想要替代Python还有非常长的路要走。
2.Go性能强大、Python社区强大，两者能否结合起来？
我们试试看能否在Python中调用Go的方法，在Go中从1亿减到1。
首先，将刚刚go语言版的1亿减到1改为在一个函数中进行，并返回结果：
package main
import (
"C"
"time"
)
var c chan int
func decrement(n int) {
for n > 0 {
n -= 1
}
}
//export count_time
func count_time() *C.char {
start := time.Now()
decrement(100000000)
total_time := time.Since(start).String()
return C.CString(total_time)
}
func main() {}然后生成动态链接库以便Python调用Go里写的函数：
go build -buildmode=c-shared -o main.so count.go
这样会在当前文件夹中生成 main.so 和 main.h.
在Python中我们需要加载该生成的main.so动态链接库，并配置好输出变量的类型，最后调用方法得到结果：
import time
from ctypes import cdll, c_char_p
start = time.time()
# 加载动态链接库
lib = cdll.LoadLibrary('./main.so')
# 配置输出参数变量类型
lib.count_time.restype = c_char_p
# 调用方法
rest = lib.count_time()
end = time.time()
print(f"Go 内部执行时间：{rest}")
print(f"Python 整体执行时间: {end - start}s")结果如下：
可以看到，使用这个方案将Python和Go两者结合起来的性能依然非常高，但就是多了一个生成和调用动态链接库的过程，增加了代码的耦合性。
其实，这也是C+Python的开发方式，只不过我们将C换成了Go，因为Go开发起来实在是舒服多了。
如果以后你的Python代码中有某个部分计算特别复杂，你可以尝试将其改写成go，通过动态链接库的方式调用go写的代码，将能大大提高性能。
这样，既能安心享受Python带来的丰富社区资源，又能享受Go语言的性能优势，真的美滋滋。
我们的文章到此就结束啦，如果你喜欢我们今天的Python 实战教程，请持续关注我们，如果对你有帮助，麻烦在下面点一个赞/在看哦
Python实用宝典 (pythondict.com)
不只是一个宝典
欢迎关注公众号：Python实用宝典
你知道吗，用moviepy一行代码就能够快速剪辑视频中某个区间的片段：
clip = VideoFileClip("videoplayback.mp4").subclip(50,60)这一段代码，能够在3秒内将videoplayback.mp4的50秒-60秒的视频片段提取出来，非常方便。
不仅如此，moviepy还支持添加字幕、调整音量、片段链接等功能。下面看看详细的操作方法。
开始之前，你要确保Python和pip已经成功安装在电脑上噢，如果没有，请访问这篇文章：超详细Python安装指南 进行安装。如果你用Python的目的是数据分析，可以直接安装Anaconda：Python数据分析与挖掘好帮手—Anaconda
Windows环境下打开Cmd(开始—运行—CMD)，苹果系统环境下请打开Terminal(command+空格输入Terminal)，准备开始输入命令安装依赖。
当然，我更推荐大家用VSCode编辑器，把本文代码Copy下来，在编辑器下方的终端运行命令安装依赖模块，多舒服的一件事啊：Python 编程的最好搭档—VSCode 详细指南。
在终端输入以下命令安装我们所需要的依赖模块:
pip install moviepy
看到 Successfully installed xxx 则说明安装成功。
剪辑个视频，多大点事，比起下载PR，用Python 写3行代码，3秒剪辑不香吗？
from moviepy.editor import *
# 剪辑50-60秒的音乐 00:00:50 - 00:00:60
video = CompositeVideoClip([VideoFileClip("videoplayback.mp4").subclip(50,60)])
# 写入剪辑完成的音乐
video.write_videofile("done.mp4")“哦？Python？哼，那你肯定很难进行拼接工作吧，PR多方便，拖拽即可完成拼接。”
那你可真是太小看Python了，moviepy几行代码随随便便就能拼接许多片段：
from moviepy.editor import VideoFileClip, concatenate_videoclips
clip1 = VideoFileClip("myvideo.mp4")
# 结合剪辑，你甚至能够完全自动化剪辑拼接视频的操作
clip2 = VideoFileClip("myvideo2.mp4").subclip(50,60)
clip3 = VideoFileClip("myvideo3.mp4")
final_clip = concatenate_videoclips([clip1,clip2,clip3])
final_clip.write_videofile("my_concatenation.mp4")结合剪辑，你甚至能够完全自动化剪辑拼接视频的操作。
“那你能完成针对每一帧图像的快速图像处理吗？PR可是做得到的哦”
我擦，你简直是在侮辱Python，教你如何反转视频每一帧的绿色和蓝色通道：
from moviepy.editor import VideoFileClip
my_clip = VideoFileClip("videoplayback.mp4")
def scroll(get_frame, t):
"""
处理每一帧图像
"""
frame = get_frame(t)
frame_region = frame[:,:,[0,2,1]]
return frame_region
modifiedClip = my_clip.fl(scroll)
modifiedClip.write_videofile("test.mp4")哇，听起来好像挺牛逼的，那用来导出到GIF吗
当然可以：
from moviepy.editor import *
# 剪辑50-60秒的音乐 00:00:50 - 00:00:60
video = CompositeVideoClip([VideoFileClip("videoplayback.mp4").subclip(50,60)])
my_clip.write_gif('test.gif', fps=12)扫描下方二维码，可以加入我们的Python互助群哦：
我们的文章到此就结束啦，如果你喜欢我们今天的Python 实战教程，请持续关注我们，如果对你有帮助，麻烦在下面点一个赞/在看哦
Python实用宝典 (pythondict.com)
不只是一个宝典
欢迎关注公众号：Python实用宝典
OCR 是光学字符识别（英语：Optical Character Recognition，OCR）是指对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。
很早之前就有同学在公众号后台回复希望出一篇 OCR 相关的文章，今天尝试了一下cnocr和tesseract，给大家分别讲讲两个模块的使用方法和效果。
开始之前，你要确保Python和pip已经成功安装在电脑上，如果没有，请访问这篇文章：超详细Python安装指南 进行安装。
(可选1) 如果你用Python的目的是数据分析，可以直接安装Anaconda：Python数据分析与挖掘好帮手—Anaconda，它内置了Python和pip.
(可选2) 此外，推荐大家用VSCode编辑器来编写小型Python项目：Python 编程的最好搭档—VSCode 详细指南
Windows环境下打开Cmd(开始—运行—CMD)，苹果系统环境下请打开Terminal(command+空格输入Terminal)，输入命令安装依赖：
（选择一）安装 cnocr：
pip install cnocr
看到 Successfully installed xxx 则说明安装成功。
如果你只想对图片中的中文进行识别，那么 cnocr 是一个不错的选择，你只需要安装 cnocr 包即可。
但如果你想试试其他语言的OCR识别，Tesseract 是更好的选择。
（选择二）安装 pytesseract：
首先，无论是Windows还是macOS，你都需要安装 pytesseract:
pip install pytesseract
其次，还需要安装Tesseract.
（macOS）Tesseract 在macOS下可以使用brew安装：
brew install tesseract
非常方便，一条命令即可完成安装。
（Windows）安装Tesseract
需要先下载安装tesseract的程序，然后下载中文简体字预训练好的模型包（尽管本教程不会用tesseract，但还是给大家提供了）。
你可以在Python实用宝典公众号后台回复：tesseract 打包下载。
下载完成后，将 tesseract-ocr-setup-4.00.00dev.exe 安装到 Tesseract-OCR 指定目录下，复制该目录路径增加到Path中：
并将训练好的模型文件chi_sim.traineddata放入该目录中，这样安装就完成了。
cnocr 主要针对的是排版简单的印刷体文字图片，如截图图片，扫描件等。目前内置的文字检测和分行模块无法处理复杂的文字排版定位。
尽管它分别提供了单行识别函数和多行识别函数，但在本人实测下，单行识别函数的效果非常糟糕，或者说要求的条件十分苛刻，基本上连截图的文字都识别不出来。
不过多行识别函数还不错，使用该函数识别的代码如下：
from cnocr import CnOcr
ocr = CnOcr()
res = ocr.ocr('test.png')
print("Predicted Chars:", res)用于识别这个图片里的文字：
效果如下：
如果不是很吹毛求疵，这样的效果已经很不错了。
如果你的OCR目的不是中文而是英文，是需要别的模型的。这里给大家分享Tesseract-OCR，它是一款由HP实验室开发，由Google维护的开源OCR引擎。
Tesseract-OCR 可扩展性很强，你可以基于它训练属于自己的OCR模型。
现在给大家看看它分类英文的效果，代码如下：
import pytesseract
from PIL import Image
image = Image.open('test2.png')
code = pytesseract.image_to_string(image, lang='eng')
print(code)识别的图片：
效果如下：
英文效果真的很不错，当然官方预训练好的中文模型效果就比较一般了。
如果你想试试Tesseract识别中文，只需要将代码中的eng改为chi_sim即可。
我们的文章到此就结束啦，如果你喜欢我们今天的Python 实战教程，请持续关注我们，如果对你有帮助，麻烦在下面点一个赞/在看哦
Python实用宝典 (pythondict.com)
不只是一个宝典
欢迎关注公众号：Python实用宝典
8.瑞幸VS星巴克，谁的门店最多？Python实战教程告诉你
其实还有好多实战教程就不一一列出来了，毕竟Python实用宝典的原创数其实已经快300了。
大家可以在公众号历史页或者下方阅读原文访问Python实用宝典网。搜索自己想要阅读的关键词。
对了，如果你在实战的过程中有任何疑问，可以加我们的讨论群，里面有许多同学都能提供帮助：
我们的文章到此就结束啦，如果你喜欢我们今天的Python 实战教程，请持续关注我们，如果对你有帮助，麻烦在下面点一个赞/在看哦
Python实用宝典 (pythondict.com)
不只是一个宝典
欢迎关注公众号：Python实用宝典
最近问我问题的同学越来越多，平台越来越分散，很难进行管理，可能无意中漏了某些同学的问题，请见谅~
为了解决这个问题，我觉得还是搭建一个群，把大家都集中起来比较好。
这样做有几个好处：
一是交流容易、反馈容易，文章有问题大家可以直接@我，这样我就能进行快速的修改。
二是文章发布能被大家及时看到，现在我一般都在早上发布文章，文章有几率会被大家的公众号信息流覆盖掉。
三是更能帮助大家学习Python，有任何问题都能在群里问，我或者其他群友都会尽可能帮你。
四是沟通交流对于我们的学习非常重要，集思广益，各抒己见，人人都尽其所能，你知道我所不知道的，我知道你所不知道的，这样问题就变得容易解决。
群二维码：
另外，再提供一个微信个人号，有什么问题可以直接加我微信问我，有时间的话我会耐心解答的。
如果群二维码过期了，大家也可以直接加我微信，密我“进群”，然后我会拉你进群的。
最后，希望大家能开开心心学Python，学会用Python处理生活中的事~
Django是一个相对容易学习的框架，并且已经发展了许多年，拥有相对活跃的开源环境。像豆瓣、Instagram，Spotify，YouTube等官方网站都是基于Django搭建的，今天我们来学着用它搭建一个商城网站。
Python实用宝典 曾经发表过Django的实战教程：
不过，这三篇文章是基于原生Django开发的。
今天我们来尝试使用他人搭建好的框架 Django-oscar，开发一个商城网站。
开始之前，你要确保Python和pip已经成功安装在电脑上噢，如果没有，请访问这篇文章：超详细Python安装指南 进行安装。如果你用Python的目的是数据分析，可以直接安装Anaconda：Python数据分析与挖掘好帮手—Anaconda
Windows环境下打开Cmd(开始—运行—CMD)，苹果系统环境下请打开Terminal(command+空格输入Terminal)，准备开始第2步操作。
当然，我更推荐大家用VSCode编辑器，在编辑器下方的终端运行命令安装依赖模块，多舒服的一件事啊：Python 编程的最好搭档—VSCode 详细指南。
为了防止不同环境下的Python包互相影响，在开始之前你应该先构建虚拟环境：
使用conda:
conda create -n mywebsite python=3.6
或使用virtualenv:
virtualenv --no-site-packages mywebsite
如果是使用conda创建的虚拟环境，这样进入虚拟环境中：
Windows:
activate mywebsite
Mac/Linux:
source activate mywebsite
使用virtualenv的话，一般虚拟环境会被安装到命令当前的目录下，使用以下方式进入虚拟环境：
Windows:
source mywebsite/scripts/activate
Mac/Linux:
source mywebsite/bin/activate
最后，在终端输入以下命令安装我们所需要的依赖模块:
pip install django-oscar
看到 Successfully installed xxx 则说明安装成功，注意这里并不需要先安装Django, 因为Django-oscar中附有依赖的Django版本。
成功安装依赖后，运行以下命令安装Django项目，我起名为easyshop：
django-admin startproject easyshop
然后进入项目中：
cd easyshop
编辑easyshop.easyshop.settings.py文件，将以下代码复制到settings.py的顶部
from oscar.defaults import * from oscar import INSTALLED_APPS as OSCAR_APPS # Path helper location = lambda x: os.path.join(os.path.dirname(os.path.realpath(__file__)), x)
然后修改TEMPLATES变量以添加模板配置：
TEMPLATES = [
{
'BACKEND':'django.template.backends.django.DjangoTemplates',
'DIRS': [
os.path.join(BASE_DIR, 'templates'),
OSCAR_MAIN_TEMPLATE_DIR
],
'APP_DIRS': True,
'OPTIONS': {
'context_processors': [
'django.template.context_processors.debug',
'django.template.context_processors.request',
'django.contrib.auth.context_processors.auth',
'django.template.context_processors.i18n',
'django.contrib.messages.context_processors.messages',
'oscar.apps.search.context_processors.search_form',
'oscar.apps.checkout.context_processors.checkout',
'oscar.apps.customer.notifications.context_processors.notifications',
'oscar.core.context_processors.metadata',
],
},
},
]然后在INSTALLED_APPS变量中添加：
django.contrib.sites
django.contrib.flatpages
widget_tweaks
并增加一个SITE_ID变量以便oscar框架识别：
# 此处可能会有重复，因此转化一遍
INSTALLED_APPS = list(set([
'django.contrib.admin',
'django.contrib.auth',
'django.contrib.contenttypes',
'django.contrib.sessions',
'django.contrib.messages',
'django.contrib.staticfiles',
'django.contrib.sites',
'django.contrib.flatpages',
'widget_tweaks',
] + OSCAR_APPS))
SITE_ID = 1再添加两个中间件到中间件MIDDLEWARE变量：
'oscar.apps.basket.middleware.BasketMiddleware', 'django.contrib.flatpages.middleware.FlatpageFallbackMiddleware',
最后添加身份验证和搜索引擎：
AUTHENTICATION_BACKENDS = (
'oscar.apps.customer.auth_backends.EmailBackend',
'django.contrib.auth.backends.ModelBackend',
)
HAYSTACK_CONNECTIONS = {
'default': {
'ENGINE': 'haystack.backends.simple_backend.SimpleEngine',
},
}为了能正常访问oscar框架提供的后台，还需要配置一下 easyshop.easyshop.urls.py 文件：
from django.apps import apps
from django.contrib import admin
from django.urls import include, path
urlpatterns = [
path('admin/', admin.site.urls),
path('', include(apps.get_app_config('oscar').urls[0])),
]
执行以下命令来运行项目：
python manage.py migrate python manage.py createsuperuser python manage.py runserver
然后访问网址：http://127.0.0.1:8000/dashboard/
会出现一个用户登录框，输入刚createsuperuser时创建的超管用户即可：
进去后，就是网站的后台了：
这个框架给定的功能其实蛮全的，但对于我们中文站来说，你还需要做翻译，因为实质上该框架的国际化并不是很完善。
此外还需要补充微信支付和支付宝支付，这两个需要有商家权限才能开通。你可以从微信的官方SDK中导入相应代码，并结合到框架中。
总而言之，这是一个很不错的Django商城项目，有兴趣的话可以拿它来开发一个简单的商城。更多功能请关注官方文档：
https://django-oscar.readthedocs.io/en/latest/internals/getting_started.html
我们的文章到此就结束啦，如果你喜欢我们今天的Python 教程，请持续关注我们，如果对你有帮助，麻烦在下面点一个赞/在看哦
Python实用宝典 (pythondict.com)
不只是一个宝典
欢迎关注公众号：Python实用宝典
作者：Ryoko
来源：凹凸数据
不久前，一个同事有个项目要向领导交差，其中一部分工作是根据 excel 表中的每日数据，按格式整理成日报写入 word。
好家伙！足足 178 天的量要补，如果要靠复制粘贴，岂不是肝到吐血，（你给我自己解决啊！）
好吧ojbk，是时候祭出 Python 办公自动化了。
首先让我们来看看数据样本和输出文档的需求（敏感数据已做和谐处理）：原始 excel 文件中有 n 个子表，每个子表为一天的数据，存在无记录和有记录（部门数 ≥ 1，每个部门记录数 ≥ 1）两种情况，需分别整理成两种日报，一为纯文本描述，二为附带表格的文档。
撸起袖子，开骂！
哦不，开始写代码！
先将子表合成一个，便于统一观察每日数据记录的规律，也方便后期处理。使用 xlrd 库读表，获取工作簿中的活动表名，再使用 pandas 库遍历子表以合并，dataframe 格式的数据对 excel 表的相性绝佳。
def merge_sheet(filepath): # 合并多个同表头的子表
wb = xlrd.open_workbook(filepath)
sheets = wb.sheet_names()
df_total = pd.DataFrame()
for name in sheets:
df = pd.read_excel(filepath, sheet_name=name)
df_total = df_total.append(df)
df_total.to_excel("merge.xlsx", index=False)
根据需要输出的日报样式，输出无记录的日报只需读取【日期】列和【填报部门】列，将【填报部门】列为无的日期段按每日输出即可。观察原表数据，直接筛选无填报记录的数据丢到命名为“无”的子表里。
这里也可以利用 .groupby() 对【填报部门】列分组，取“无”的那一组，可是要注意一点：虽然 Python 很强大，但不需要将所有事情都交给 Python 做。
导入库和模块如下：
import pandas as pd
import xlrd
from docx import Document
from docx.shared import Pt
from docx.shared import Inches
from docx.oxml.ns import qn
from docx.enum.text import WD_PARAGRAPH_ALIGNMENT
from docx.enum.section import WD_ORIENTATION
基本流程很简单，读入无填报记录的数据，按日期输出 word 文档。
def wu_to_word(filepath):
df = pd.read_excel(filepath, sheet_name="无")
date_list = list(df['日期'])
for d in date_list:
filename = wordname+str(d)+"）.docx" # 输出的word文件名
title = "("+str(d)[:4]+"."+str(d)[4:6]+"."+str(d)[6:8]+")" # 副标题日期XXXX.XX.XX
word = str(d)[:4]+"年"+str(d)[4:6]+"月"+str(d)[6:8]+"日" # 开头、落款日期XXXX年XX月XX日
wu_doc(title, word, filename)
print(f"文件：{filename},{title},{word} 已保存")
每份文档都会用到的同样的内容也可以先设定好。
wordname = “XX公司业务数据表（日报”
all_title = ” XX公司业务报告”
生成 word 内容，不加表格的情况下还是比较容易实现的，注意调整好格式。
def wu_doc(title,word,filename): # 传入副标题日期，文段开头及落款的日期，文件名
doc = Document() # 创建文档对象
section = doc.sections[0] # 获取页面节点
section.orientation = WD_ORIENTATION.LANDSCAPE # 页面方向设为横版
new_width, new_height = section.page_height, section.page_width # 将原始长宽互换，实现将竖版页面变为横版
section.page_width = new_width
section.page_height = new_height
# 段落的全局设置
doc.styles['Normal'].font.name = u'宋体' # 字体
doc.styles['Normal']._element.rPr.rFonts.set(qn('w:eastAsia'), u'宋体') # 中文字体需再添加这个设置
doc.styles['Normal'].font.size = Pt(14) # 字号 四号对应14
t1 = doc.add_paragraph() # 添加一个段落
t1.paragraph_format.alignment = WD_PARAGRAPH_ALIGNMENT.CENTER # 居中
_t1 = t1.add_run(all_title) # 添加段落内容（大标题）
_t1.bold = True # 加粗
_t1.font.size = Pt(22)
t2 = doc.add_paragraph() # 再添加一个段落
t2.paragraph_format.alignment = WD_PARAGRAPH_ALIGNMENT.CENTER # 居中
_t2 = t2.add_run(title + "\n") # 添加段落内容（副标题）
_t2.bold = True
doc.add_paragraph(word + "无记录。\n\n").paragraph_format.first_line_indent = Inches(0.35) # 添加段落同时添加内容，并设置首行缩进
doc.add_paragraph(word).paragraph_format.alignment = WD_PARAGRAPH_ALIGNMENT.RIGHT # 落款日期右对齐
doc.save(dir+filename) # 按路径+文件名保存
执行！104 份无填报记录的日报就写好啦，干脆就这样交差吧，剩下的不想研究了哈哈哈。
有报送记录的数据处理起来相对复杂一点，先看一下原始数据。
比如 X 年 X 月 X 日，有 N 个部门填报了数据，根据文档样例，文段描述部分需要整理成如下格式：
部门 A：“报送内容1” X条记录；“报送内容2” Y条记录；部门 B：……；部门 C：……；
而附件表格部分需整理成如下格式，可以预想把每一行需要的数据整理一个 list，按行写入表格：
| 一级指标 | 二级指标 | 三级指标 | 四级指标 | 各部门报送情况 | 备注 |
|---|---|---|---|---|---|
| lalala | hahaha | balabala | 若为空则沿用上级 | 部门A：报送内容1 | 有记录未上传，没报，系统崩了 |
| aaa | bbb | ccc | ddd | 部门A：报送内容2 | 已上传，报的好 |
| … | … | … | … | 部门B：报送内容1 | … |
基本流程类似，读表后先按日期分组，每一组含一天中的一个或多个部门数据，再生成某一天的附件需要的表格，接着整理文段描述，最后按日期输出每一天的 word 文档。
def what_to_word(filepath):
df = pd.read_excel(filepath, sheet_name="有")
df.fillna('', inplace=True) # 替换nan值为空字符
dates = [] # 日期列表
df_total = [] # 分日期存的所有df
list_total = [] # 每一份word中需要的表数据合集
for d in df.groupby('日期'):
dates.append(d[0])
df_total.append(d[1])
for index,date in enumerate(dates):
list_oneday = [] # 某一个word所需的表数据
for row in range(len(df_total[index])):
list_row = get_table_data(df_total, index, row) # 其中一行数据
list_oneday.append(list_row)
list_total.append(list_oneday)
for index, date in enumerate(dates):
filename = wordname+str(date)+"）.docx" # 输出的word文件名
title = "("+str(date)[:4]+"."+str(date)[4:6]+"."+str(date)[6:8]+")" # 副标题日期XXXX.XX.XX
word = str(date)[:4]+"年"+str(date)[4:6]+"月"+str(date)[6:8]+"日" # 开头、落款日期XXXX年XX月XX日
sentence = get_sentence(df_total, index) # 某一天的文段描述
what_doc(title, word, sentence, list_total[index], filename) #传入需要的内容后输出文档
print(f"文件：{filename} 已保存")
下面让我们分别看看整理表格、整理文段、输出文档是如何实现的。
获取 excel 表中的一行数据（说明：df_total[df_index] 为一个 dataframe，其 values 为一个二维的 numpy 数组），整理各级指标、各部门报送情况和备注，返回一个列表。
def get_table_data(df_total, df_index, table_row):
list1 = df_total[df_index].values[table_row] # excel表中的一行
list2 = list1[3:7] # 一至四级指标
for i in range(len(list2)): # 当前指标为空则沿用上级指标
if list2[i] == '空' and i != 0:
list2[i] = list2[i - 1]
content = list1[2] + ":\n" + list1[-4] # 报送内容
if '否' in list1[-2]: # 备注
remark = '有记录未上传，' + str(list1[-1])
else:
remark = '已上传'
list3 = list2.tolist() # 需填入word中的表数据，由numpy数组转为list列表
list3.append(str(content))
list3.append(str(remark))
return list3
对当日数据中的【填报部门】列中的唯一值计数，得知有 N 个部门填报了数据。对部门分组，获取其相关信息，组合成 [（报送内容，记录数，是否上报，备注）] 的格式，再整理出形如 “有N个部门报送了数据：部门X：“ 报送内容XXX ” X条记录；… …” 的描述串。
def get_sentence(df_total, df_index):
df_oneday = df_total[df_index]
num = df_oneday['填报部门'].nunique() # 部门的数量
group = [] # 部门名称
detail = [] # 组合某个部门的数据，其中元素为元组格式(, , , )
info = '' # 报送情况描述
for item in df_oneday.groupby('填报部门'):
group.append(item[0])
detail.append(
list(
zip(
list(item[1]['报送内容']),
list(item[1]['记录数']),
list(item[1]['是否上报']),
list(item[1]['备注'])
)
)
)
for index, g in enumerate(group): # 整理每个部门的填报情况
mes = str(g)+'：' # 部门开头
for i in range(len(detail[index])):
_mes = detail[index][i]
if int(_mes[1])>0:
mes = mes + f'“{_mes[0]}”{_mes[1]}条记录；'
info = info + mes
info = info[:-1]+"。" #将最后一个分号替换成句号
sentence = f"有{num}个部门报送了数据：{info}"
return sentence
（耐心警告！）调整 word 中的文本和表格样式的操作比较繁琐，需一步一步设置，预设表头如下：
table_title = [‘一级指标’, ‘二级指标’, ‘三级指标’, ‘四级指标’, ‘各部门报送情况’, ‘备注’]
其他详见代码注释。
def what_doc(title, word, sentence, table, filename): # 传入副标题日期，开头/落款日期，文段，表数据，文件名
doc = Document()
section = doc.sections[0]
new_width, new_height = section.page_height, section.page_width
section.orientation = WD_ORIENTATION.LANDSCAPE
section.page_width = new_width
section.page_height = new_height
# 段落的全局设置
doc.styles['Normal'].font.name = u'宋体' # 字体
doc.styles['Normal']._element.rPr.rFonts.set(qn('w:eastAsia'), u'宋体') # 中文字体需再添加这个设置
doc.styles['Normal'].font.size = Pt(14) # 字号 四号对应14
t1 = doc.add_paragraph() # 大标题
t1.paragraph_format.alignment = WD_PARAGRAPH_ALIGNMENT.CENTER # 居中
_t1 = t1.add_run(all_title)
_t1.bold = True
_t1.font.size = Pt(22)
t2 = doc.add_paragraph() # 副标题
t2.paragraph_format.alignment = WD_PARAGRAPH_ALIGNMENT.CENTER # 居中
_t2 = t2.add_run(title + "\n")
_t2.bold = True
doc.add_paragraph(word + sentence +"\n\n").paragraph_format.first_line_indent = Inches(0.35) # 首行缩进
doc.add_paragraph(word).paragraph_format.alignment = WD_PARAGRAPH_ALIGNMENT.RIGHT # 右对齐
doc.add_paragraph("各部门具体报送情况见附件：")
doc.add_page_break() # 分页---------------------------------------------------------------
fujian = doc.add_paragraph().add_run("\n附件")
fujian.bold = True
fujian.font.size = Pt(16)
t3 = doc.add_paragraph() # 附件大标题
t3.paragraph_format.alignment = WD_PARAGRAPH_ALIGNMENT.CENTER # 居中
_t3 = t3.add_run("XX公司业务数据表")
_t3.bold = True
_t3.font.size = Pt(22)
rows = len(table)+1
word_table = doc.add_table(rows=rows, cols=6, style='Table Grid') # 创建rows行、6列的表格
word_table.autofit=True # 添加框线
table = [table_title] + table # 固定的表头+表数据
for row in range(rows): # 写入表格
cells = word_table.rows[row].cells
for col in range(6):
cells[col].text = str(table[row][col])
for i in range(len(word_table.rows)): # 遍历行列，逐格修改样式
for j in range(len(word_table.columns)):
for par in word_table.cell(i, j).paragraphs: # 修改字号
for run in par.runs:
run.font.size = Pt(10.5)
for par in word_table.cell(0, j).paragraphs: # 第一行加粗
for run in par.runs:
run.bold = True
doc.save(dir+filename)
执行！74份有记录的日报也写好啦，一共178份。
一顿操作猛如虎，总算是批量生成了日报，盒饭该加个鸡腿子了吧… …
我们的文章到此就结束啦，如果你喜欢今天的 Python 教程，请持续关注Python实用宝典。
有任何问题，可以在公众号后台回复：加群，回答相应验证信息，进入互助群询问。
原创不易，希望你能在下面点个赞和在看支持我继续创作，谢谢！
Python实用宝典 ( pythondict.com )
不只是一个宝典
欢迎关注公众号：Python实用宝典
Pydub是一个基于ffmpeg的Python音频处理模块，封装了许多ffmpeg底层接口，因此用它来做音乐歌曲文件格式转换会非常方便，如果你阅读过我们之前的文章：Python 超方便超快速剪辑音乐 你就知道它有多么强大了。
今天给大家介绍它的音乐文件格式转换功能，几乎支持所有音乐音频格式，非常强大。
安装Pydub前需要先安装ffmpeg:
Mac (打开终端(Terminal), 用 homebrew 安装):
brew install ffmpeg --with-libvorbis --with-sdl2 --with-theora
Linux:
apt-get install ffmpeg libavcodec-extra
Windows:
1. 进入 http://ffmpeg.org/download.html#build-windows，点击 windows 对应的图标，进入下载界面点击 download 下载按钮，
2. 解压下载好的zip文件到指定目录
3. 将解压后的文件目录中 bin 目录（包含 ffmpeg.exe ）添加进 path 环境变量中
上述ffmpeg安装成功后就可以打开命令提示符(cmd)，安装pydub:
pip install pydub
将单个mp3音频文件转化为wav音频格式：
from pydub import AudioSegment
def trans_mp3_to_wav(filepath):
"""
将mp3文件转化为wav格式
Args:
filepath (str): 文件路径
"""
song = AudioSegment.from_mp3(filepath)
filename = filepath.split(".")[0]
song.export(f"{filename}.wav", format="wav")可以继续封装该函数，将单个mp3文件转化为任意其他音乐音频格式：
from pydub import AudioSegment
def trans_mp3_to_any_audio(filepath, audio_type):
"""
将mp3文件转化为任意音频文件格式
Args:
filepath (str): 文件路径
audio_type(str): 文件格式
"""
song = AudioSegment.from_mp3(filepath)
filename = filepath.split(".")[0]
song.export(f"{filename}.{audio_type}", format=f"{audio_type}")如ogg格式：
trans_mp3_to_any_audio("Alone.mp3", "ogg")只要是ffmpeg支持的音乐音频格式，它都可以转换，支持的格式长达几十个，我简单列一些：
| wav | avi | mp4 | flv |
| ogg | flac | ape | mp2 |
| aiff | voc | au |
刚刚是mp3转任意音频格式，我希望把它写成任意音频格式转任意音频格式：
from pydub import AudioSegment
def trans_any_audio_types(filepath, input_audio_type, output_audio_type):
"""
将任意音频文件格式转化为任意音频文件格式
Args:
filepath (str): 文件路径
input_audio_type(str): 输入音频文件格式
output_audio_type(str): 输出音频文件格式
"""
song = AudioSegment.from_file(filepath, input_audio_type)
filename = filepath.split(".")[0]
song.export(f"{filename}.{output_audio_type}", format=f"{output_audio_type}")比如将ogg音乐音频格式转化为flv音乐音频格式：
trans_any_audio_types("Alone.ogg", "ogg", "flv")或者MP4格式，总之，一般而言你需要的格式它都能满足。
trans_any_audio_types("Alone.ogg", "ogg", "mp4")现在，尝试将一个文件夹下的所有非mp3音频格式的文件转化为mp3音频格式：
def trans_all_file(files_path, target="mp3"):
"""
批量转化音频音乐格式
Args:
files_path (str): 文件夹路径
target (str, optional): 目标音乐格式. Defaults to "mp3".
"""
for filepath in os.listdir(files_path):
# 路径处理
modpath = os.path.dirname(os.path.abspath(sys.argv[0]))
datapath = os.path.join(modpath, files_path + filepath)
# 分割为文件名字和后缀并载入文件
input_audio = os.path.splitext(datapath)
song = AudioSegment.from_file(datapath, input_audio[-1].split(".")[-1])
# 导出
song.export(f"{input_audio[0]}.{target}", format=target)只要输入文件夹名称，即可全部转化该文件夹下的音乐文件格式为mp3格式：
trans_all_file("F:\\push\\20200607\\music\\")我们的文章到此就结束啦，如果你喜欢我们今天的Python 教程，请持续关注我们，如果对你有帮助，麻烦在下面点一个赞/在看哦
Python实用宝典 (pythondict.com)
不只是一个宝典
欢迎关注公众号：Python实用宝典