Python 自动化脚本系列：第1集-CSDN博客

昨天写了一篇介绍如何使用Python实现自动化任务的，文章末尾介绍了一个简单的自动化脚本，因此今天编号从2开始。顺便附上昨天的文章链接：

欢迎关注博主，持续输出更多Python相关内容，一起学习进步。

2. 用 PyAutoGUI 自动化任务

PyAutoGUI 是一个 Python 库，允许你通过控制鼠标和键盘来自动化 GUI（图形用户界面）任务。它提供了一个简单直观的 API，用于模拟用户与图形用户界面的交互。利用 PyAutoGUI，你可以自动执行重复性任务，比如填写表单、点击按钮、输入文本和截屏。它支持跨平台自动化，兼容于 Windows、macOS 和 Linux。下面是一个使用 PyAutoGUI 自动执行简单任务的示例：


import pyautogui  
import time  
  
# 等待 2 秒钟，让用户切换到所需窗口  
time.sleep(2)  
# 打开文本编辑器（假设它在 macOS 的应用程序文件夹中）  
pyautogui.press('command')  
pyautogui.typewrite('space')  
pyautogui.typewrite('textedit')  
pyautogui.press('enter')  
# 等待文本编辑器打开  
time.sleep(2)  
# 输入消息  
pyautogui.typewrite('Hello, World!')  
# 保存文件  
pyautogui.hotkey('command', 's')  
pyautogui.typewrite('message.txt')  
pyautogui.press('enter')  
# 关闭文本编辑器  
pyautogui.hotkey('command', 'q')

PyAutoGUI 提供了许多鼠标和键盘控制的函数，包括移动鼠标、点击、拖拽、输入文本和按键。它还提供图像识别功能，允许你定位并与屏幕上的特定图形元素进行交互。PyAutoGUI 特别适用于自动化涉及与桌面应用程序交互或在多个软件工具之间执行重复操作的任务。

3. 使用 Pandas 自动化数据分析

Pandas 是一个功能强大的 Python 库，用于数据处理和分析。它提供了数据结构和函数，使得处理结构化数据（如电子表格或 SQL 数据库中的表格数据）变得简单。通过 Pandas，你可以自动执行各种数据分析任务，包括数据清洗、转换、筛选、聚合和可视化。它与其他 Python 库（如 NumPy 用于数值计算和 Matplotlib 用于数据可视化）结合良好。下面是一个使用 Pandas 自动分析包含销售数据的 CSV 文件的示例：


import pandas as pd  
  
# 读取 CSV 文件到 DataFrame  
df = pd.read_csv('sales_data.csv')  
# 显示 DataFrame 的前几行  
print(df.head())  
# 按产品类别计算总销售额  
sales_by_category = df.groupby('Category')['Sales'].sum()  
print(sales_by_category)  
# 过滤 DataFrame，只包括销售额高于一定阈值的行  
high_sales = df[df['Sales'] > 1000]  
print(high_sales)  
# 基于条件创建新列  
df['Discount'] = df['Price'].apply(lambda x: 0.1 if x > 50 else 0)  
print(df.head())  
# 将修改后的 DataFrame 保存到新的 CSV 文件  
df.to_csv('updated_sales_data.csv', index=False)

在这个示例中，使用 Pandas 将 CSV 文件读取到 DataFrame 中，DataFrame 是一个二维带标签的数据结构。然后我们可以对 DataFrame 执行各种操作，比如显示前几行、按产品类别计算总销售额、基于条件过滤行、创建新列，并将修改后的数据保存到新的 CSV 文件中。Pandas 提供了许多用于数据操作的函数，包括合并、