10行Python代码能做出哪些有趣的事情？

公众号后台回复“图书“，了解更多号主新书内容

     作者：周萝卜

     来源：萝卜大杂烩

Python 凭借语法的易学性，代码的简洁性以及类库的丰富性，赢得了众多开发者的喜爱。下面我们来看看，用不超过10行代码能实现些什么有趣的功能

百度飞桨

百度飞桨 paddlepaddle 是百度开源的深度学习工具，其功能强大，基于该工具我们可以实现很既有趣又有用的功能

在使用之前，我们肯定要先安装喽

pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple
pip install paddlehub -i https://mirror.baidu.com/pypi/simple

安装完成后，我们来体验几个有趣的项目

批量抠图

批量获取指定目录下的图片，然后通过 paddlehub 训练好的模型进行批量抠图处理

import os
import paddlehub as hub

# 加载模型
humanseg = hub.Module(name='deeplabv3p_xception65_humanseg')  
path = './heben/'    # 文件目录
# 获取文件列表
files = [path + i for i in os.listdir(path)]  
# 抠图
results = humanseg.segmentation(data={'image': files})  
for result in results:
    print(result)

Output:

我们可以看到，经过处理之后的图片自动保存在目录 humanseg_output 下面

我们可以对比下处理前后图片的差异

整体来看，抠图效果还是非常棒的！

注意：如果执行代码没有生成对应的 out 文件夹，可以重新手动安装模型再尝试

hub install deeplabv3p_xception65_humanseg==1.0.0

自然语言处理

飞桨同样有很强的自然语言处理能力，在处理文字情绪识别方面也非常突出

senta = hub.Module(name='senta_lstm')        # 加载模型
sentence = [    # 准备要识别的语句
    '你好漂亮', '你真难看呀', '他好难过', '我不开心', '这是一款什么游戏，真垃圾', '这个游戏太好玩了',
]
results = senta.sentiment_classify(data={'text':sentence})    # 情绪识别
# 输出识别结果
for result in results:
    print(result)

Output:

可以看出，文字情绪的识别还是非常准确的，当然我们这里语料比较少，在大语料、更复杂的语言环境下，飞浆的表现如何还有待验证

人脸识别

当今社会人脸识别可以说是随处可见，而在疫情肆虐的今天，口罩似乎也成为我们日常出现必备的条件，飞浆工具也增加了口罩识别功能，我们来看看

# 加载模型
module = hub.Module(name='pyramidbox_lite_mobile_mask')
# 图片列表
image_list = ['face2.jpg']
# 获取图片字典
input_dict = {'image':image_list}
# 检测是否带了口罩
module.face_detection(data=input_dict)

face.jpg 如下

Output:

[{'data': [{'label': 'NO MASK',
    'confidence': 0.9995137453079224,
    'top': 478,
    'bottom': 775,
    'left': 1894,
    'right': 2126},
   {'label': 'NO MASK',
    'confidence': 0.9903278946876526,
    'top': 512,
    'bottom': 810,
    'left': 1754,
    'right': 1998},
   {'label': 'NO MASK',
    'confidence': 0.9997405409812927,
    'top': 697,
    'bottom': 985,
    'left': 1857,
    'right': 2131},
   {'label': 'NO MASK',
    'confidence': 0.943692147731781,
    'top': 575,
    'bottom': 888,
    'left': 1954,
    'right': 2216}],
  'path': 'face2.jpg'}]

可以看出，已经判断出超过99%的概率，该张图片是没有佩戴口罩的

人脸关键点检测

人脸关键点检测是人脸识别和分析领域中的关键一步，它是诸如自动人脸识别、表情分析、三维人脸重建及三维动画等其它人脸相关问题的前提和突破口

我们以如下这张图片作为待检测图片

代码如下

face_landmark = hub.Module(name="face_landmark_localization")

image = 'face.jpg'
result = face_landmark.keypoint_detection(images=[cv2.imread(image)],visualization=True)
print(result)

Output:

可以看到人脸关键点已经标注出来，并且把检测后的图片自动存储在 face_landmark_output 目录下

OpenCV

OpenCV 作为最为著名的计算机视觉工具，基于它我们也可以做很多有趣的事情 首先我们安装好 OpenCV 库

pip install opencv-python

猫脸识别

在当今社会，谁还没有一个两个猫主子呢，高冷的猫咪往往会得到人们特殊的爱戴！

我们也习惯了人脸识别，今天就通过几行代码来看看猫脸识别是怎么的呢

首先我们到安装目录下提取锚链识别 XML 分类器，具体目录如下

C:\Python3\Lib\site-packages\cv2\data

可以看到有如下很多分类器

我们复制 haarcascade_frontalcatface.xml 到自己的项目下即可

# 待检测的图片路径
ImagePath = './cat/cat.jpg'

# 读取图片
image = cv2.imread(ImagePath)
# 把图片转换为灰度模式
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 探测图片中的猫脸
# 获取训练好的猫脸的参数数据,进行猫脸检测
face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalcatface.xml')
faces = face_cascade.detectMultiScale(gray,scaleFactor=1.15,minNeighbors=5,minSize=(3, 3))

search_info = "Find %d face."%len(faces) if len(faces) <= 1 else "Find %d faces."%len(faces)

# 绘制猫脸的矩形区域(红色边框)
for (x, y, w, h) in faces:
    cv2.rectangle(image, (x,y), (x+w,y+h), (0,0,255), 2)

# 显示图片
# cv2.imshow('Find faces!', image)
# cv2.waitKey(0)
cv2.imwrite("./cat/cat2.jpg", image)

Output:

获取摄像头人脸

我们编写一个获取实时动态视频流的代码，实时获取当中的人脸信息

detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
cap = cv2.VideoCapture(0)

while True:
    ret, img = cap.read()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = detector.detectMultiScale(gray, 1.3, 5)
    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)

    cv2.imshow('frame', img)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

注意这里使用的分类器是 haarcascade_frontalface_default.xml，可不要用错哦

Output:

自行在自己的电脑上尝试下哦~

快速生成动图

在很多时候，尤其是在线聊天时，输了什么也不能输掉斗图啊，下面的代码可以快速生成动图，在和朋友的斗图当中，得胜的把握又增加了

import imageio


image_list = ['image/1.jpg','image/2.jpg', 'image/3.jpg', 'image/4.jpg']
gif_name = "dongtu.gif"
duration = 1
frames = []
for image_name in image_list:
    frames.append(imageio.imread(image_name))
imageio.mimsave(gif_name, frames, "GIF", duration=duration)

Output:

扫一下有惊喜~

ftp 服务器

可能很多人不知道，通过 Python 几行简单代码，我们可以快速实现一个简易的 ftp 服务器，这样在局域网内进行文件传输不再发愁啦！

代码非常简单，直接运行 Python 自带的 http 服务器即可

python -m http.server 8090

Output:

接下来我们访问本地 IP + 端口8090

很强大，很简单，很好用！

字符画

字符画是一系列字符的组合，我们可以把字符看作是比较大块的像素，一个字符能表现一种颜色，字符的种类越多，可以表现的颜色也越多，图片也会更有层次感

我们只需要短短几行代码，就可以完成字符画的制作

我们使用的图片如下

代码如下

IMG = "3.jpg"
WIDTH = 80
HEIGHT = 40
OUTPUT = "./ascii/ascii.txt"

ascii_char = list("$@B%8&WM#*oahkbdpqwmZO0QLCJUYXzcvunxrjft/\|()1{}[]?-_+~<>i!lI;:,\"^`'. ")

# 将256灰度映射到70个字符上
def get_char(r,g,b,alpha = 256):
    if alpha == 0:
        return ' '
    length = len(ascii_char)
    gray = int(0.2126 * r + 0.7152 * g + 0.0722 * b)

    unit = (256.0 + 1)/length
    return ascii_char[int(gray/unit)]

im = Image.open(IMG)
im = im.resize((WIDTH,HEIGHT), Image.NEAREST)

txt = ""

for i in range(HEIGHT):
    for j in range(WIDTH):
        txt += get_char(*im.getpixel((j,i)))
    txt += '\n'

print(txt)

#字符画输出到文件
with open(OUTPUT,'w') as f:
    f.write(txt)

Output:

◆ ◆ ◆  ◆ ◆
麟哥新书已经在当当上架了，我写了本书：《拿下Offer-数据分析师求职面试指南》，目前当当正在举行活动，大家可以用相当于原价5折的预购价格购买，还是非常划算的：

数据森麟公众号的交流群已经建立，许多小伙伴已经加入其中，感谢大家的支持。大家可以在群里交流关于数据分析&数据挖掘的相关内容，还没有加入的小伙伴可以扫描下方管理员二维码，进群前一定要关注公众号奥，关注后让管理员帮忙拉进群，期待大家的加入。

管理员二维码：