Python语法及常用用法（4）

Python语法及常用用法（4）

81. 使用 concurrent.futures 模块进行并发编程：

# 使用 concurrent.futures 模块进行并发编程
from concurrent.futures import ThreadPoolExecutor

def my_function(value):
    return value * 2

# 创建线程池
with ThreadPoolExecutor() as executor:
    # 提交任务并获取结果
    result = executor.submit(my_function, 5)
    print(result.result())

82. 使用 os 模块进行文件和目录操作：

# 使用 os 模块进行文件和目录操作
import os

# 获取当前工作目录
current_directory = os.getcwd()
print(current_directory)

# 创建目录
new_directory = "my_new_directory"
os.makedirs(new_directory)

# 列出目录中的文件
files = os.listdir(current_directory)
print(files)

83. 使用 unittest.mock 进行单元测试的模拟：

# 使用 unittest.mock 进行单元测试的模拟
from unittest.mock import Mock

# 创建模拟对象
mock_obj = Mock()

# 模拟方法调用
mock_obj.method(42)
mock_obj.method.assert_called_once_with(42)

84. 使用 PyQt 或 Tkinter 创建图形用户界面（GUI）：

# 使用 PyQt 或 Tkinter 创建图形用户界面（GUI）
import tkinter as tk

# 创建主窗口
root = tk.Tk()
root.title("My GUI")

# 添加标签
label = tk.Label(root, text="Hello, Tkinter!")
label.pack()

# 启动事件循环
root.mainloop()

85. 使用 subprocess 模块执行外部命令：

# 使用 subprocess 模块执行外部命令
import subprocess

result = subprocess.run(["ls", "-l"], capture_output=True, text=True)
print(result.stdout)

86. 使用 contextlib.redirect_stdout 改变标准输出：

# 使用 contextlib.redirect_stdout 改变标准输出
from contextlib import redirect_stdout

with open('output.txt', 'w') as f:
    with redirect_stdout(f):
        print("This will be written to output.txt")

87. 使用 shutil 模块进行文件和目录操作：

# 使用 shutil 模块进行文件和目录操作
import shutil

# 复制文件
shutil.copy('source.txt', 'destination.txt')

# 复制整个目录
shutil.copytree('source_directory', 'destination_directory')

88. 使用 jsonpickle 序列化/反序列化复杂对象：

# 使用 jsonpickle 序列化/反序列化复杂对象
import jsonpickle

class Person:
    def __init__(self, name, age):
        self.name = name
        self.age = age

# 创建对象
person = Person("Alice", 30)

# 对象序列化为 JSON 字符串
json_str = jsonpickle.encode(person)
print(json_str)

# JSON 字符串反序列化为对象
decoded_person = jsonpickle.decode(json_str)
print(decoded_person.name, decoded_person.age)

89. 使用 logging.config 配置日志记录：

# 使用 logging.config 配置日志记录
import logging
import logging.config

log_config = {
    'version': 1,
    'handlers': {
        'file_handler': {
            'class': 'logging.FileHandler',
            'filename': 'app.log',
            'level': 'DEBUG',
        },
    },
    'root': {
        'handlers': ['file_handler'],
        'level': 'DEBUG',
    },
}

logging.config.dictConfig(log_config)

# 记录日志
logging.debug('This is a debug message')

90. 使用 time 模块进行时间操作：

# 使用 time 模块进行时间操作
import time

# 获取当前时间戳
timestamp = time.time()
print(timestamp)

# 将时间戳转换为日期时间
current_time = time.ctime(timestamp)
print(current_time)

# 休眠一秒
time.sleep(1)

91. 使用 xml.etree.ElementTree 处理 XML 数据：

# 使用 xml.etree.ElementTree 处理 XML 数据
import xml.etree.ElementTree as ET

# 创建 XML 元素
root = ET.Element('root')
child = ET.SubElement(root, 'child')
child.text = 'Hello, XML!'

# 将 XML 元素写入文件
tree = ET.ElementTree(root)
tree.write('example.xml')

92. 使用 zipfile 模块处理 ZIP 文件：

# 使用 zipfile 模块处理 ZIP 文件
import zipfile

# 创建 ZIP 文件
with zipfile.ZipFile('my_archive.zip', 'w') as archive:
    archive.write('file1.txt')
    archive.write('file2.txt')

# 解压 ZIP 文件
with zipfile.ZipFile('my_archive.zip', 'r') as archive:
    archive.extractall('extracted_files')

93. 使用 struct 模块处理二进制数据：

# 使用 struct 模块处理二进制数据
import struct

# 将整数打包为字节数据
packed_data = struct.pack('I', 42)
print(packed_data)

# 将字节数据解包为整数
unpacked_data = struct.unpack('I', packed_data)
print(unpacked_data[0])

94. 使用 logging.handlers 模块进行日志处理：

# 使用 logging.handlers 模块进行日志处理
import logging
import logging.handlers

# 创建循环日志处理程序
handler = logging.handlers.RotatingFileHandler('my_log.log', maxBytes=1000, backupCount=3)

# 配置日志记录
logging.basicConfig(level=logging.DEBUG, handlers=[handler])

# 记录日志
logging.debug('This is a debug message')

95. 使用 Pandas 处理和分析数据：

# 使用 Pandas 处理和分析数据
import pandas as pd

# 创建 DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
        'Age': [25, 30, 35],
        'City': ['New York', 'San Francisco', 'Los Angeles']}
df = pd.DataFrame(data)

# 打印 DataFrame
print(df)

96. 使用 Matplotlib 绘制图表：

# 使用 Matplotlib 绘制图表
import matplotlib.pyplot as plt

# 创建数据
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

# 绘制折线图
plt.plot(x, y, label='Line')

# 添加标题和标签
plt.title('Simple Line Chart')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 添加图例
plt.legend()

# 显示图表
plt.show()

97. 使用 NumPy 进行数值计算：

# 使用 NumPy 进行数值计算
import numpy as np

# 创建数组
array = np.array([1, 2, 3, 4, 5])

# 计算平均值和标准差
mean_value = np.mean(array)
std_dev = np.std(array)

print(f"Mean: {mean_value}, Standard Deviation: {std_dev}")

98. 使用 requests 发送 HTTP 请求：

# 使用 requests 发送 HTTP 请求
import requests

# 发送 GET 请求
response = requests.get('https://www.example.com')

# 打印响应内容
print(response.text)

99. 使用 Django 构建 Web 应用：

# 使用 Django 构建 Web 应用
# 安装 Django：pip install Django

# 创建 Django 项目
# django-admin startproject myproject

# 创建 Django 应用
# cd myproject
# python manage.py startapp myapp

100. 使用 Flask 构建轻量级 Web 应用：

# 使用 Flask 构建轻量级 Web 应用
from flask import Flask

app = Flask(__name__)

@app.route('/')
def hello_world():
    return 'Hello, World!'

if __name__ == '__main__':
    app.run()

101. 使用 pytz 处理时区：

# 使用 pytz 处理时区
from datetime import datetime
import pytz

# 获取当前时间
local_time = datetime.now()
print("Local Time:", local_time)

# 设置时区
tz = pytz.timezone('America/New_York')
new_york_time = local_time.astimezone(tz)
print("New York Time:", new_york_time)

102. 使用 Pillow 处理图像：

# 使用 Pillow 处理图像
# 安装 Pillow：pip install Pillow
from PIL import Image

# 打开图像文件
image = Image.open('example.jpg')

# 显示图像
image.show()

103. 使用 pyinstaller 将 Python 脚本打包成可执行文件：

# 使用 pyinstaller 将 Python 脚本打包成可执行文件
# 安装 pyinstaller：pip install pyinstaller

# 打包脚本
# pyinstaller myscript.py

104. 使用 cryptography 模块进行加密操作：

# 使用 cryptography 模块进行加密操作
# 安装 cryptography：pip install cryptography
from cryptography.fernet import Fernet

# 生成密钥
key = Fernet.generate_key()

# 创建加密器和解密器
cipher = Fernet(key)

# 加密文本
text = b"Hello, cryptography!"
encrypted_text = cipher.encrypt(text)

print("Encrypted Text:", encrypted_text)

# 解密文本
decrypted_text = cipher.decrypt(encrypted_text)
print("Decrypted Text:", decrypted_text.decode())

105. 使用 pydantic 进行数据验证和设置：

# 使用 pydantic 进行数据验证和设置
# 安装 pydantic：pip install pydantic
from pydantic import BaseModel

# 定义数据模型
class Person(BaseModel):
    name: str
    age: int

# 创建实例
person_data = {"name": "Alice", "age": 30}
person = Person(**person_data)

# 打印验证后的数据
print(person.dict())

106. 使用 graphql 进行 API 查询：

# 使用 graphql 进行 API 查询
# 安装 graphql：pip install graphql
from graphql import GraphQLError, build_ast_schema, parse, execute

# 定义 GraphQL 查询
schema_definition = '''
    type Query {
        hello: String
    }
'''

# 构建模式
schema = build_ast_schema(parse(schema_definition))

# 定义查询解析器
def resolve_hello(root, info):
    return "Hello, GraphQL!"

# 执行查询
query = '''
    {
        hello
    }
'''

result = execute(schema, parse(query), root=None, context=None, variables=None, operation_name=None, field_resolver=None, type_resolver=None, middleware=None)

# 打印查询结果
print(result.data['hello'])

107. 使用 APScheduler 进行定时任务调度：

# 使用 APScheduler 进行定时任务调度
# 安装 APScheduler：pip install apscheduler
from apscheduler.schedulers.blocking import BlockingScheduler

# 定义任务函数
def my_job():
    print("Scheduled job executed!")

# 创建调度器
scheduler = BlockingScheduler()

# 添加定时任务
scheduler.add_job(my_job, 'interval', seconds=5)

# 启动调度器
scheduler.start()

108. 使用 fastapi 创建快速的 API：

# 使用 fastapi 创建快速的 API
# 安装 fastapi：pip install fastapi
from fastapi import FastAPI

app = FastAPI()

# 定义 API 路由
@app.get("/")
def read_root():
    return {"message": "Hello, FastAPI!"}

109. 使用 pymongo 连接 MongoDB 数据库：

# 使用 pymongo 连接 MongoDB 数据库
# 安装 pymongo：pip install pymongo
from pymongo import MongoClient

# 连接 MongoDB 数据库
client = MongoClient("mongodb://localhost:27017/")

# 选择数据库和集合
db = client["mydatabase"]
collection = db["mycollection"]

# 插入文档
document = {"name": "Alice", "age": 30}
insert_result = collection.insert_one(document)

print("Inserted Document ID:", insert_result.inserted_id)

110. 使用 pydantic 进行数据验证：

# 使用 pydantic 进行数据验证
# 安装 pydantic：pip install pydantic
from pydantic import BaseModel

# 创建数据模型
class User(BaseModel):
    username: str
    email: str
    age: int

# 使用数据模型进行验证
user_data = {'username': 'john_doe', 'email': 'john@example.com', 'age': 25}
user = User(**user_data)
print(user)