推荐收藏：这几段祖传的 Python 代码拿来就用

url = i[“url”]

row = ‘{},{},{},{}’.format(title,extra,time,url)

f.write(row)

f.write(‘\n’)

带背景颜色的 Pyecharts

---

Pyecharts 作为 Echarts 的优秀 Python 实现，受到众多开发者的青睐，用 Pyecharts 作图时，使用一个舒服的背景也会给我们的图表增色不少

以饼图为例，通过添加 JavaScript 代码来改变背景颜色

def pie_rosetype(data) -> Pie:

background_color_js = (

"new echarts.graphic.LinearGradient(0, 0, 0, 1, "

“[{offset: 0, color: ‘#c86589’}, {offset: 1, color: ‘#06a7ff’}], false)”

)

c = (

Pie(init_opts=opts.InitOpts(bg_color=JsCode(background_color_js)))

.add(

“”,

data,

radius=[“30%”, “75%”],

center=[“45%”, “50%”],

rosetype=“radius”,

label_opts=opts.LabelOpts(formatter=“{b}: {c}”),

)

.set_global_opts(title_opts=opts.TitleOpts(title=“”),

)

)

return c

requests 库调用

---

据统计，requests 库是 Python 家族里被引用的最多的第三方库，足见其江湖地位之高大！

发送 GET 请求

import requests

headers = {

‘user-agent’: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.110 Safari/537.36’,

‘cookie’: ‘some_cookie’

}

response = requests.request(“GET”, url, headers=headers)

发送 POST 请求

import requests

payload={}

files=[]

headers = {

‘user-agent’: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.110 Safari/537.36’,

‘cookie’: ‘some_cookie’

}

response = requests.request(“POST”, url, headers=headers, data=payload, files=files)

根据某些条件循环请求，比如根据生成的日期

def get_data(mydate):

date_list = create_assist_date(mydate)

url = “https://test.test”

files=[]

headers = {

‘user-agent’: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.110 Safari/537.36’,

‘cookie’: ‘’

}

for d in date_list:

payload={‘p’: ‘10’,

‘day’: d,

‘nodeid’: ‘1’,

‘t’: ‘itemsbydate’,

‘c’: ‘node’}

for i in range(1, 100):

payload[‘p’] = str(i)

print(“get data of %s in page %s” % (d, str(i)))

response = requests.request(“POST”, url, headers=headers, data=payload, files=files)

items = response.json()[‘data’][‘items’]

if items:

save_data(items, d)

else:

break

Python 操作各种数据库

---

操作 Redis

连接 Redis

import redis

def redis_conn_pool():

pool = redis.ConnectionPool(host=‘localhost’, port=6379, decode_responses=True)

rd = redis.Redis(connection_pool=pool)

return rd

写入 Redis

from redis_conn import redis_conn_pool

rd = redis_conn_pool()

rd.set(‘test_data’, ‘mytest’)

操作 MongoDB

连接 MongoDB

from pymongo import MongoClient

conn = MongoClient(“mongodb://%s:%s@ipaddress:49974/mydb” % (‘username’, ‘password’))

db = conn.mydb

mongo_collection = db.mydata

批量插入数据

res = requests.get(url, params=query).json()

commentList = res[‘data’][‘commentList’]

mongo_collection.insert_many(commentList)

操作 MySQL

连接 MySQL

import MySQLdb

打开数据库连接

db = MySQLdb.connect(“localhost”, “testuser”, “test123”, “TESTDB”, charset=‘utf8’ )

使用cursor()方法获取操作游标

cursor = db.cursor()

执行 SQL 语句

使用 execute 方法执行 SQL 语句

cursor.execute(“SELECT VERSION()”)

使用 fetchone() 方法获取一条数据

data = cursor.fetchone()

print "Database version : %s " % data

关闭数据库连接

db.close()

Output:

Database version : 5.0.45

本地文件整理

---

整理文件涉及需求的比较多，这里分享的是将本地多个 CSV 文件整合成一个文件

import pandas as pd

import os

df_list = []

for i in os.listdir():

if “csv” in i:

day = i.split(‘.’)[0].split(‘_’)[-1]

df = pd.read_csv(i)

df[‘day’] = day

df_list.append(df)

df = pd.concat(df_list, axis=0)

df.to_csv(“total.txt”, index=0)

多线程代码

---

多线程也有很多实现方式，我们选择自己最为熟悉顺手的方式即可

import threading

import time

exitFlag = 0

class myThread (threading.Thread):

def init(self, threadID, name, delay):

threading.Thread.init(self)

self.threadID = threadID

self.name = name

self.delay = delay

def run(self):

print (“开始线程：” + self.name)

print_time(self.name, self.delay, 5)

print (“退出线程：” + self.name)

def print_time(threadName, delay, counter):

while counter:

if exitFlag:

threadName.exit()

time.sleep(delay)

print (“%s: %s” % (threadName, time.ctime(time.time())))

counter -= 1

创建新线程

thread1 = myThread(1, “Thread-1”, 1)

thread2 = myThread(2, “Thread-2”, 2)

开启新线程

thread1.start()

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注：Python）

图片转存中…(img-SG01gt3D-1713788922400)]

[外链图片转存中…(img-1O1L2wEP-1713788922400)]

[外链图片转存中…(img-D9K8azVr-1713788922401)]

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注：Python）