Python示例项目学习

原文地址：http://www.360doc.com/showweb/0/0/874025604.aspx

「 Python3 实现火车票查询工具 」

 

相信很多人学Python都是冲着它强大的爬虫功能去的，下面的两门课程都和爬虫有关。它们都相当实用，一个关乎出行，一个关乎你的幸福......

「 Python实现火车票查询工具 」很适合用来入门爬虫。你将学习到爬虫最重要的两个步骤——数据的爬取和数据可视化。完成项目后，你只需要敲一行命令就能获得你想要的车票信息，墙裂推荐各位小伙伴学习。

效果如图：

课程简介：

当你想查询一下火车票信息的时候，你还在上 12306 官网吗？或是打开你手机里的 APP？

下面让我们来用 Python 写一个命令行版的火车票查看器， 只要在命令行敲一行命令就能获得你想要的火车票信息！如果你刚掌握了 Python 基础，这将是个不错的小练习。

知识点：

• Python 基础知识的综合运用

• docopt、requests、colorama 及 prettytable 库的使用

• setuptools 的使用

链接：https://www.shiyanlou.com/courses/623

 

「 Python3 实现淘女郎照片爬虫 」

每一个老司机都和这门课相见恨晚。它的标题可能吸引不了你，但请直接看效果：

这是一个很普通的页面，你可以把它换成任何网站。

完成爬取后，效果如下：

8个多G的美女图片，按文件夹、姓名、地点整整齐齐地排列在那，不喜不悲......整个过程20分钟完成，在你自己的环境中会更快。

好了，相信我已经不用再介绍什么了。

课程简介：

本项目通过使用 Python 实现一个淘女郎图片收集爬虫，学习并实践 BeautifulSoup、Selenium Webdriver 及正则表达式等知识。在项目开发过程中采用瀑布流开发模型。

知识点：

• Python3 编程

• 使用 BeautifulSoup 解析 HTML 页面

• 使用 Selenium Webdriver 爬取 Web 页面

• 使用正则表达式提取所需的关键信息

链接：https://www.shiyanlou.com/courses/595

 

「 Python共现提取《釜山行》人物关系 」

这个课比较简单，通过Python分析「 釜山行 」的剧本，绘制出一份人物关系图。你将学到如何用Python分析和提取数据、用Gephi软件使提取的数据可视化。

最终效果图如下：

当然，毕竟是电影，人物关系较少。嫌不过瘾的同学，请下课后拿「 冰与火之歌 」练手。

课程简介：

《釜山行》是一部丧尸灾难片，其人物少、关系简单，非常适合我们学习文本处理。这个项目将介绍共现在关系中的提取，使用python编写代码实现对《釜山行》文本的人物关系提取，最终利用Gephi软件对提取的人物关系绘制人物关系图。

知识点：

• 共现网络的基本原理

• Python代码对《釜山行》中人物关系提取的具体实现

• jieba库的基本使用

• Gephi软件的基本使用

链接：https://www.shiyanlou.com/courses/677

「 Python 图片转字符画 」

这门课非常可怕，在实验楼已经有21879人学过......它非常简单，但效果却十分炫酷，装逼指数爆棚。你将学习到如何用Python的图形处理库，将一张图片转化为字符画。

最终效果图如下：

效果图中的字符为蓝色，你还可以通过调整，增加更多的颜色，使字符画更像原图。

课程简介：

本课程讲述怎样使用 Python 将图片转为字符画。

知识点：

• Linux 命令行操作

• Python 基础

• pillow 库的使用

• argparse 库的使用（参考教程 https://blog.ixxoo.me/argparse.html）

链接：https://www.shiyanlou.com/courses/370

「 Python3 图片隐写术 」

上面的课程教你把图片变得炫酷，这个课程就教你把图片里的信息隐藏。

隐写术到底是什么，这里给大家讲个故事吧：

2012年大众点评和食神网的竞争非常激烈，后者开始大规模地爬取前者的数据，主要是图片。大众点评没有走中国的司法流程，而是直接向APP STORE提交了证据，使食神的APP下架2次。这些证据就是食神爬取的图片，图片中用隐写术嵌入了大众点评的版权信息！

这是如何实现的呢？

下面有一张lenna的图片:

提取该图片的绿色分量：

取绿色分量的最低位，如果是1就设置图片为绿,是0设为黑。

你将看到隐藏的信息:'Steganography'。 大众点评正是利用了这些信息向苹果公司证明了图片的来源，最终保护了公司的利益。

6不6？想不想学？这是课程的效果图：

可以看到这两个蓝胖子几乎一模一样，但有一只却真实隐藏了数据在里面。

课程简介：

用Python实现图片隐写术。

知识点：

• Pillow 模块

• 最低有效位

• lambda 表达式递归

• UTF-8 编码

链接：https://www.shiyanlou.com/courses/651

 

「 神经网络实现人脸识别任务 」

作为一名程序员，你不可能没听过大数据、人工智能、人脸识别这些名词。这个项目将告诉你，这些名词离你都并不遥远，通过Python，你可以零距离地完成一个人脸识别的项目。

课程简介：

本次课程我们将利用在 基于无监督学习的自编码器实现 课程中介绍过的自编码器，实现对耶鲁大学人脸数据库B+中的人脸图片数据进行降维，再利用降维后的人脸数据进行有监督神经网络学习进行分类器训练，最终达到人脸识别的目的。

知识点：

• 人脸识别

• 人脸数据库

• 数据降维

链接：https://www.shiyanlou.com/courses/707

 

「 Python 破解验证码 」

 

大家用爬虫爬取数据时，验证码都是绕不过去的一关。这个项目将带你用Python破解验证码的玄机！

效果如图：

课程简介：

生活中，我们在登录微博，邮箱的时候，常常会碰到验证码。在工作时，如果想要爬取一些数据，也会碰到验证码的阻碍。本次试验将带领大家认识验证码的一些特性，并利用 Python 中的 pillow 库完成对验证码的破解。

知识点：

• Python基本知识

• PIL模块的使用

链接：https://www.shiyanlou.com/courses/364

 

「 高德API+Python解决租房问题 」

这个课程来自一段租房血泪史(夸张)……

事情是这样的，笔者是接着念大四准备考研，而室友是应届毕业在找工作，说白了就是都没有钱，于是打算合租。因为穷所以不可能找有门店的的中介，只能看看赶集、58、和一些租房APP。

我们需要考虑两个人的通勤范围来选地段，由于对交通的不熟悉，只有选择自己附近的较贵的地段，花了很多时间阅览赶集或者58里的个人房源信息，然而个人房源信息中仍充斥着大量中介，抱着一点希望打了几个电话，得到的回答都是这个价位根本租不到，再高点也租不到（大都与发布的房源信息不符）。

最后终于还是在宿舍关闭前一个星期租到一个性价比还可以的隔断。毕竟隔断还是不方便的，所以打算在室友找到工作后换一个新地方，于是就有了这个租房脚本和课程。

本课程将解决的问题：

• 学习了技术，增长了知识，就能找到好工作，找到好工作就能有钱。

• 这次选的房源信息来自58的品牌公寓馆，所以没有那种小中介，价位就我和我室友来说可以接受。其实可以做个分类器过滤赶集上的中介来找低价个人房源的，有需要的同学可以试一下。

• 通勤范围在地图上圈出，解决了对交通路线不熟悉的问题

• 本课程是单人版的，但代码中只要删掉一个语句就能当多人用了（但是路径规划的功能是只能给一个人用）。如果是直接拿来多人用的话，还是开多个页面比较好。

效果如下：

课程简介：

在本课程中，我们将编写Python脚本爬取某租房网站的房源信息，利用高德的 js API 在地图上标出房源地点，划出距离工作地点1小时内可到达的范围，附上公交路径规划功能查看不同路径的用时。

知识点：

• requests、BeautifulSoup、csv 等库的简单使用

• 高德地图 Javascript API 的使用

链接：https://www.shiyanlou.com/courses/599

「 Python3 色情图片识别 」

本实验将使用 Python3 去识别图片是否为色情图片，我们会使用到 PIL 这个图像处理库，会编写算法来划分图像的皮肤区域。其中涉及到Python 3 基础知识，肤色像素检测与皮肤区域划分算法，Pillow及argparse的使用。

最终效果图如下：

课程简介：

本实验将使用 Python3 去识别图片是否为色情图片，我们会使用到 PIL 这个图像处理库，会编写算法来划分图像的皮肤区域。

知识点：

• Python 3 的模块的安装

• Python 3 基础知识

• 肤色像素检测与皮肤区域划分算法

• Pillow 模块的使用

• argparse 模块的使用

链接：https://www.shiyanlou.com/courses/589

 

「 NBA常规赛结果预测——

利用Python进行比赛数据分析 」

不知道你是否朋友圈被刷屏过nba的某场比赛进度或者结果？或者你就是一个nba狂热粉，比赛中的每个进球，抢断或是逆转压哨球都能让你热血沸腾。除去观赏精彩的比赛过程，我们也同样好奇比赛的结果会是如何。因此本节课程，将给同学们展示如何使用nba比赛的以往统计数据，判断每个球队的战斗力，及预测某场比赛中的结果。

我们将基于2015-2016年的NBA常规赛及季后赛的比赛统计数据，预测在当下正在进行的2016-2017常规赛每场赛事的结果。

最终效果图如下：

课程简介：

本课程将利用NBA在2015~2016年的比赛统计数据进行回归模型建立，最终在今年2016~2017的常规赛中预测每场比赛的输赢情况。

知识点：

• nba球队的Elo score计算

• 特征向量

• 逻辑回归

链接：https://www.shiyanlou.com/courses/782

「 pygame开发打飞机游戏 」

使用Python快速开发一款PC端玩耍的微信打飞机游戏，基于pygame实现。本课程源自Kill-Console博客：http://www.cnblogs.com/dukeleo/p/3339780.html。本课程难度中等，属于python中等的项目课程，需要有 pygame 和 Python 基础。可以在之前的课程当中先学习一些基础的 pygame 知识然后再学习本课程。

最终效果图如下：

课程简介：

使用Python快速开发一款PC端玩耍的微信打飞机游戏，基于pygame实现。

知识点：

本实验中将介绍在 Linux 桌面环境下使用 Python 及 pygame 快速开发小游戏的方式。可以通过这个游戏入门 pygame 游戏开发。

链接：https://www.shiyanlou.com/courses/49

 

「 “k-近邻”算法实现手写数字识别系统

——《机器学习实战 》」

本课程将会从电影题材分类的例子入手，详细讲述“k-近邻”算法的原理。在这之后，我们将会使用该算法实现手写数字识别系统，书籍教程配套实验练习，帮助您更好得实战。本课程源自图灵教育的《机器学习实战》第2章，感谢图灵教育授权实验楼发布。

最终效果图如下：

课程简介：

本实验将会从电影题材分类的例子入手，详细讲述k-近邻算法的原理。在这之后，我们将会使用该算法实现手写数字识别系统。

知识点：

• k近邻分类算法

• 从文本文件中解析和导入数据

• 使用Matplotlib创建扩散图

• 归一化数值

链接：https://www.shiyanlou.com/courses/777