用Python编程基础提升工作效率

简介: 一、文件处理整明白了,少加两小时班(敲暖气管子)领导让整理100个Excel表?手都干抽筋儿了?Python就跟铲雪车似的,哗哗给你整利索!

一、文件处理整明白了,少加两小时班
(敲暖气管子)领导让整理100个Excel表?手都干抽筋儿了?Python就跟铲雪车似的,哗哗给你整利索!

招式一:批量改文件名 把"销售报告2023-垃圾版本.docx"都改成"2023_销售报告_final版.docx"

import os


for 老文件名 in os.listdir("文档"):
    if "垃圾版本" in 老文件名:
        新名 = 老文件名.replace("垃圾版本", "final版").replace("-", "_")
        os.rename(f"文档/{老文件名}", f"文档/{新名}")
        print(f"【{老文件名}】改名叫【{新名}】妥了!")

招式二:自动合并Excel (拍胸脯)这可比手粘复印纸带劲儿多了!

import pandas as pd


所有表 = []
for 文件 in os.listdir("销售数据"):
    if 文件.endswith(".xlsx"):
        数据 = pd.read_excel(f"销售数据/{文件}")
        所有表.append(数据)


合并表 = pd.concat(所有表)
合并表.to_excel("全年总销售表.xlsx", index=False)
print("合并完成!总共攒了{}行数据!".format(len(合并表)))

二、办公自动化整起来,跟机械劳动说拜拜
(掏裤兜)天天给客户发邮件?Python比新来的实习生还好使!

自动发邮件模板

import smtplib
from email.mime.text import MIMEText


def 发邮件(收件人, 内容):
    账号 = "你邮箱"
    密码 = "别直接写这儿啊!用环境变量!"


    邮件 = MIMEText(内容, 'plain', 'utf-8')
    邮件['Subject'] = "【自动发送】月度对账单"
    邮件['From'] = 账号
    邮件['To'] = 收件人


    with smtplib.SMTP_SSL('smtp.qq.com', 465) as 服务器:
        服务器.login(账号, 密码)
        服务器.sendmail(账号, 收件人, 邮件.as_string())
    print(f"给【{收件人}】发邮件成功!")


# 从Excel读取客户名单
客户名单 = pd.read_excel("客户名单.xlsx")
for 行 in 客户名单.itertuples():
    发邮件(行.邮箱, f"{行.姓名}大哥您好!您本月消费{行.金额}元!")

三、数据清洗跟玩泥巴似的
(扒蒜)领导给的破数据净是窟窿?Python就是你的强力吸尘器!

处理脏数据三板斧

1.

去重(跟挑黄豆里的石子儿似的)

脏数据 = pd.read_csv("客户信息.csv")
干净数据 = 脏数据.drop_duplicates(subset=["手机号"])

2.

补缺(跟糊墙缝似的)

# 手机号空的填"未知"
干净数据["手机号"].fillna("未知", inplace=True)
# 年龄用平均数补
平均年龄 = int(干净数据["年龄"].mean())
干净数据["年龄"].fillna(平均年龄, inplace=True)

3.

格式统一(跟切酸菜丝儿似的)

# 把乱七八糟的日期格式统一成YYYY-MM-DD
干净数据["注册日期"] = pd.to_datetime(干净数据["注册日期"], errors='coerce').dt.strftime('%Y-%m-%d')

四、定时任务整得像闹钟
(瞅挂钟)每月1号自动生成报表?Python比你家大公鸡还准时!

用schedule库整活

import schedule
import time


def 生成日报表():
    # 这里放你的处理代码
    print("【凌晨3点】日报表生成完毕,发领导邮箱了!")


# 每天凌晨3点执行
schedule.every().day.at("03:00").do(生成日报表)


while True:
    schedule.run_pending()
    time.sleep(60)  # 每分钟检查一次

五、键盘鼠标自动操作,手都不用动
(甩手腕子)系统非得在破网页上操作?Python给你当替身!

用pyautogui模拟人工操作

import pyautogui as 机器人
import time


# 第一步:打开系统登录页
机器人.hotkey('win', 'r')
机器人.typewrite('chrome.exe\n', interval=0.1)
time.sleep(3)
机器人.typewrite('https://www.91chuli.com/')


# 第二步:输入账号密码
time.sleep(5)
机器人.click(x=100, y=200)  # 点击账号框
机器人.typewrite('zhangsan', interval=0.2)
机器人.press('tab')
机器人.typewrite('mima123', interval=0.2)
机器人.press('enter')
print("自动登录成功!")

六、实战:自动备份重要文件
(拍U盘)电脑中病毒全白干?整个自动备份脚本!

import shutil
from datetime import datetime


def 备份文件():
    今天 = datetime.now().strftime("%Y%m%d")
    备份文件夹 = f"D:/备份/{今天}"


    # 要备份的目录
    重要资料 = [
        "C:/工作文档",
        "C:/照片",
        "C:/学习资料/考研数学"
    ]


    # 创建备份目录
    if not os.path.exists(备份文件夹):
        os.makedirs(备份文件夹)


    # 开始拷贝
    for 目录 in 重要资料:
        文件夹名 = os.path.basename(目录)
        目标路径 = os.path.join(备份文件夹, 文件夹名)
        shutil.copytree(目录, 目标路径)
        print(f"【{文件夹名}】备份到{目标文件夹}成功!")


# 每周五下午5点自动备份
schedule.every().friday.at("17:00").do(备份文件)
目录
相关文章
|
3月前
|
机器学习/深度学习 存储 设计模式
Python 高级编程与实战:深入理解性能优化与调试技巧
本文深入探讨了Python的性能优化与调试技巧,涵盖profiling、caching、Cython等优化工具,以及pdb、logging、assert等调试方法。通过实战项目,如优化斐波那契数列计算和调试Web应用,帮助读者掌握这些技术,提升编程效率。附有进一步学习资源,助力读者深入学习。
|
3月前
|
人工智能 Java 数据安全/隐私保护
[oeasy]python081_ai编程最佳实践_ai辅助编程_提出要求_解决问题
本文介绍了如何利用AI辅助编程解决实际问题,以猫屎咖啡的购买为例,逐步实现将购买斤数换算成人民币金额的功能。文章强调了与AI协作时的三个要点:1) 去除无关信息,聚焦目标;2) 将复杂任务拆解为小步骤,逐步完成;3) 巩固已有成果后再推进。最终代码实现了输入验证、单位转换和价格计算,并保留两位小数。总结指出,在AI时代,人类负责明确目标、拆分任务和确认结果,AI则负责生成代码、解释含义和提供优化建议,编程不会被取代,而是会更广泛地融入各领域。
133 28
|
3月前
|
机器学习/深度学习 数据可视化 TensorFlow
Python 高级编程与实战:深入理解数据科学与机器学习
本文深入探讨了Python在数据科学与机器学习中的应用,介绍了pandas、numpy、matplotlib等数据科学工具,以及scikit-learn、tensorflow、keras等机器学习库。通过实战项目,如数据可视化和鸢尾花数据集分类,帮助读者掌握这些技术。最后提供了进一步学习资源,助力提升Python编程技能。
|
3月前
|
Python
[oeasy]python074_ai辅助编程_水果程序_fruits_apple_banana_加法_python之禅
本文回顾了从模块导入变量和函数的方法,并通过一个求和程序实例,讲解了Python中输入处理、类型转换及异常处理的应用。重点分析了“明了胜于晦涩”(Explicit is better than implicit)的Python之禅理念,强调代码应清晰明确。最后总结了加法运算程序的实现过程,并预告后续内容将深入探讨变量类型的隐式与显式问题。附有相关资源链接供进一步学习。
59 4
|
3月前
|
Java API Docker
在线编程实现!如何在Java后端通过DockerClient操作Docker生成python环境
以上内容是一个简单的实现在Java后端中通过DockerClient操作Docker生成python环境并执行代码,最后销毁的案例全过程,也是实现一个简单的在线编程后端API的完整流程,你可以在此基础上添加额外的辅助功能,比如上传文件、编辑文件、查阅文件、自定义安装等功能。 只有锻炼思维才能可持续地解决问题,只有思维才是真正值得学习和分享的核心要素。如果这篇博客能给您带来一点帮助,麻烦您点个赞支持一下,还可以收藏起来以备不时之需,有疑问和错误欢迎在评论区指出~
在线编程实现!如何在Java后端通过DockerClient操作Docker生成python环境
|
3月前
|
机器学习/深度学习 设计模式 API
Python 高级编程与实战:构建 RESTful API
本文深入探讨了使用 Python 构建 RESTful API 的方法,涵盖 Flask、Django REST Framework 和 FastAPI 三个主流框架。通过实战项目示例,详细讲解了如何处理 GET、POST 请求,并返回相应数据。学习这些技术将帮助你掌握构建高效、可靠的 Web API。
|
3月前
|
机器学习/深度学习 设计模式 测试技术
Python 高级编程与实战:构建自动化测试框架
本文深入探讨了Python中的自动化测试框架,包括unittest、pytest和nose2,并通过实战项目帮助读者掌握这些技术。文中详细介绍了各框架的基本用法和示例代码,助力开发者快速验证代码正确性,减少手动测试工作量。学习资源推荐包括Python官方文档及Real Python等网站。
|
3月前
|
机器学习/深度学习 设计模式 API
Python 高级编程与实战:构建微服务架构
本文深入探讨了 Python 中的微服务架构,介绍了 Flask、FastAPI 和 Nameko 三个常用框架,并通过实战项目帮助读者掌握这些技术。每个框架都提供了构建微服务的示例代码,包括简单的 API 接口实现。通过学习本文,读者将能够使用 Python 构建高效、独立的微服务。
|
3月前
|
消息中间件 分布式计算 并行计算
Python 高级编程与实战:构建分布式系统
本文深入探讨了 Python 中的分布式系统,介绍了 ZeroMQ、Celery 和 Dask 等工具的使用方法,并通过实战项目帮助读者掌握这些技术。ZeroMQ 是高性能异步消息库,支持多种通信模式;Celery 是分布式任务队列,支持异步任务执行;Dask 是并行计算库,适用于大规模数据处理。文章结合具体代码示例,帮助读者理解如何使用这些工具构建分布式系统。
|
8月前
|
安全 测试技术 数据库
Python编程--sys模块及OS模块简单用例
Python编程--sys模块及OS模块简单用例
94 1

热门文章

最新文章

推荐镜像

更多
OSZAR »