Python如何實現數據動態化
Python有些出色的數據可視化庫，但很少能渲染GIF或視頻動畫。本文介紹如何運用MoviePy作為其他庫的通用動畫插件。
有了MoviePy，你可以用一個函數make_frame(t)自定義動畫，并返回相應的時間t的視頻幀（秒）：
Python123456789101112frommoviepy.editorimportVideoClipdefmake_frame(t):"""returnsanimageoftheframeattimet"""#...createtheframewithanylibraryreturnframe_for_time_t#(HeightxWidthx3)Numpyarrayanimation=VideoClip(make_frame,duration=3)#3-secondclip#Fortheexport,manyoptions/formats/optimizationsaresupportedanimation.write_videofile("my_animation.mp4",fps=24)#exportasvideoanimation.write_gif("my_animation.gif",fps=24)#exportasGIF(slow)在之前的文章中，我用這種方法來做制作矢量圖形動畫（用Gizeh庫），和光線追蹤三維場景（由POV-Ray做出）。這篇文章包括MayaVi、vispy、matplotlib、NumPy和Scikit-image這些科學庫。
用Mayavi的動畫
Mayavi是一個針對有簡單接口的交互3D數據可視化的Python模塊。在第一個例子中，我們做一個高度隨時間t變化的表面的動畫：
Python12345678910111213141516171819202122importnumpyasnpimportmayavi.mlabasmlabimportmoviepy.editorasmpyduration=2#durationoftheanimationinseconds(itwillloop)#MAKEAFIGUREWITHMAYAVIfig_myv=mlab.figure(size=(220,220),bgcolor=(1,1,1))X,Y=np.linspace(-2,2,200),np.linspace(-2,2,200)XX,YY=np.meshgrid(X,Y)ZZ=lambdad:np.sinc(XX**2+YY**2)+np.sin(XX+d)#ANIMATETHEFIGUREWITHMOVIEPY,WRITEANANIMATEDGIFdefmake_frame(t):mlab.clf()#clearthefigure(toresetthecolors)mlab.mesh(YY,XX,ZZ(2*np.pi*t/duration),figure=fig_myv)returnmlab.screenshot(antialiased=True)animation=mpy.VideoClip(make_frame,duration=duration)animation.write_gif("sinc.gif",fps=20)另一個例子是一個坐標和觀看角度都隨時間變化的線框網：
Python12345678910111213141516171819202122232425262728importnumpyasnpimportmayavi.mlabasmlabimportmoviepy.editorasmpyduration=2#durationoftheanimationinseconds(itwillloop)#MAKEAFIGUREWITHMAYAVIfig=mlab.figure(size=(500,500),bgcolor=(1,1,1))u=np.linspace(0,2*np.pi,100)xx,yy,zz=np.cos(u),np.sin(3*u),np.sin(u)#Pointsl=mlab.plot3d(xx,yy,zz,representation="wireframe",tube_sides=5,line_width=.5,tube_radius=0.2,figure=fig)#ANIMATETHEFIGUREWITHMOVIEPY,WRITEANANIMATEDGIFdefmake_frame(t):"""Generatesandreturnstheframefortimet."""y=np.sin(3*u)*(0.2+0.5*np.cos(2*np.pi*t/duration))l.mlab_source.set(y=y)#changey-coordinatesofthemeshmlab.view(azimuth=360*t/duration,distance=9)#cameraanglereturnmlab.screenshot(antialiased=True)#returnaRGBimageanimation=mpy.VideoClip(make_frame,duration=duration).resize(0.5)#Videogenerationtakes10seconds,GIFgenerationtakes25sanimation.write_videofile("wireframe.mp4",fps=20)animation.write_gif("wireframe.gif",fps=20)因為Mayavi有著強大的ITK可視化引擎，它還可以處理復雜數據集。這里有一個源自于Mayavi例子的動畫
代碼
AnimationswithVispy用Vispy的動畫
Vispy是另一個以OpenGL為基礎的交互3D可視化庫。至于Mayavi，我們用MoviePy先做出一個圖和一個網。
Python12345678910111213141516171819202122232425262728frommoviepy.editorimportVideoClipimportnumpyasnpfromvispyimportapp,scenefromvispy.gloo.utilimport_screenshotcanvas=scene.SceneCanvas(keys='interactive')view=canvas.central_widget.add_view()view.set_camera('turntable',mode='perspective',up='z',distance=2,azimuth=30.,elevation=65.)xx,yy=np.arange(-1,1,.02),np.arange(-1,1,.02)X,Y=np.meshgrid(xx,yy)R=np.sqrt(X**2+Y**2)Z=lambdat:0.1*np.sin(10*R-2*np.pi*t)surface=scene.visuals.SurfacePlot(x=xx-0.1,y=yy+0.2,z=Z(0),shading='smooth',color=(0.5,0.5,1,1))view.add(surface)canvas.show()#ANIMATEWITHMOVIEPYdefmake_frame(t):surface.set_data(z=Z(t))#Updatethemathematicalsurfacecanvas.on_draw(None)#UpdatetheimageonVispy'scanvasreturn_screenshot((0,0,canvas.size[0],canvas.size[1]))[:,:,:3]animation=VideoClip(make_frame,duration=1).resize(width=350)animation.write_gif('sinc_vispy.gif',fps=20,opt='OptimizePlus')還有一些更高級的例子（源自于Vispy庫），它是用C代碼片段中嵌入Python代碼，微調了3D渲染的：
代碼
代碼
用Matplotlib的動畫
2D/3D繪圖庫Matplotlib已經有了動畫模塊，但我發現moviepy可以做出更輕量級，質量更好的視頻，卻達到了兩倍的速度（不知道為什么？在這里看到更多細節）。這里有個如何使用matplotlib和moviepy的例子：
Python123456789101112131415161718192021222324importmatplotlib.pyplotaspltimportnumpyasnpfrommoviepy.video.io.bindingsimportmplfig_to_npimageimportmoviepy.editorasmpy#DRAWAFIGUREWITHMATPLOTLIBduration=2fig_mpl,ax=plt.subplots(1,figsize=(5,3),facecolor='white')xx=np.linspace(-2,2,200)#thexvectorzz=lambdad:np.sinc(xx**2)+np.sin(xx+d)#the(changing)zvectorax.set_title("Elevationiny=0")ax.set_ylim(-1.5,2.5)line,=ax.plot(xx,zz(0),lw=3)#ANIMATEWITHMOVIEPY(UPDATETHECURVEFOREACHt).MAKEAGIF.defmake_frame_mpl(t):line.set_ydata(zz(2*np.pi*t/duration))#<=Updatethecurvereturnmplfig_to_npimage(fig_mpl)#RGBimageofthefigureanimation=mpy.VideoClip(make_frame_mpl,duration=duration)animation.write_gif("sinc_mpl.gif",fps=20)Matplotlib有很多漂亮的主題，而且和像Pandas或Scikit-Learn這些數字模塊能很好配合。讓我們看一個SVM分類器，以更好地明白訓練點的數量增加時的地圖。
Python1234567891011121314151617181920212223242526272829303132importnumpyasnpimportmatplotlib.pyplotaspltfromsklearnimportsvm#sklearn=scikit-learnfromsklearn.datasetsimportmake_moonsfrommoviepy.editorimportVideoClipfrommoviepy.video.io.bindingsimportmplfig_to_npimageX,Y=make_moons(50,noise=0.1,random_state=2)#semi-randomdatafig,ax=plt.subplots(1,figsize=(4,4),facecolor=(1,1,1))fig.subplots_adjust(left=0,right=1,bottom=0)xx,yy=np.meshgrid(np.linspace(-2,3,500),np.linspace(-1,2,500))defmake_frame(t):ax.clear()ax.axis('off')ax.set_title("SVCclassification",fontsize=16)classifier=svm.SVC(gamma=2,C=1)#thevaryingweightsmakethepointsappearoneaftertheotherweights=np.minimum(1,np.maximum(0,t**2+10-np.arange(50)))classifier.fit(X,Y,sample_weight=weights)Z=classifier.decision_function(np.c_[xx.ravel(),yy.ravel()])Z=Z.reshape(xx.shape)ax.contourf(xx,yy,Z,cmap=plt.cm.bone,alpha=0.8,vmin=-2.5,vmax=2.5,levels=np.linspace(-2,2,20))ax.scatter(X[:,0],X[:,1],c=Y,s=50*weights,cmap=plt.cm.bone)returnmplfig_to_npimage(fig)animation=VideoClip(make_frame,duration=7)animation.write_gif("svm.gif",fps=15)簡單明了，背景色代表分類器辨識黑點和白點屬于哪里。在一開始沒有真正的線索，但隨著更多的點出錢，月牙形分布區域漸漸顯現了。
用Numpy的動畫
如果你正用著Numpy數組（Numpy是一個Python的中央數字庫），你不需要任何外部繪圖庫，你可以直接將這些數組饋入MoviePy。
這通過模擬在法國的僵尸爆發（靈感來自MaxBerggren的博客，伯樂在線已有全文翻譯：《用Python在地圖上模擬疫情擴散》）。法國被仿作一個所有分散和感染的計算都完成的網格（NumPy數組）。每隔一段時間，一些NumPy操作變換網格為有效的RGB圖像，并將其發送到Moviepy。
代碼
把動畫放到一起
什么比一個動畫更好呢？兩個動畫！你可以利用MoviePy視頻合成功能，來混合來自不同庫的動畫：
Python123456importmoviepy.editorasmpy#WeusetheGIFsgeneratedearliertoavoidrecomputingtheanimations.clip_mayavi=mpy.VideoFileClip("sinc.gif")clip_mpl=mpy.VideoFileClip("sinc_mpl.gif").resize(height=clip_mayavi.h)animation=mpy.clips_array([[clip_mpl,clip_mayavi]])animation.write_gif("sinc_plot.gif",fps=20)Orforsomethingmoreartistic:
Python12345678#Makethewhitecolortransparentinclip_mayaviclip_mayavi2=(clip_mayavi.fx(mpy.vfx.mask_color,[255,255,255]).set_opacity(.4)#wholeclipissemi-transparent.resize(height=0.85*clip_mpl.h).set_pos('center'))animation=mpy.CompositeVideoClip([clip_mpl,clip_mayavi2])animation.write_gif("sinc_plot2.gif",fps=20)也許有點太快了，但有時你必須給你的觀眾一些可以讓他們議論的東西。
你也可以注解動畫，當比較不同的過濾器或算法時，注解動畫很實用。讓我們看看四張由庫scikit-image變換的圖像：
Python1234567891011121314151617181920212223242526importmoviepy.editorasmpyimportskimage.exposureasske#rescaling,histogrameq.importskimage.filterasskf#gaussianblurclip=mpy.VideoFileClip("sinc.gif")gray=clip.fx(mpy.vfx.blackwhite).to_mask()defapply_effect(effect,title,**kw):"""Returnsaclipwiththeeffectappliedandatitle"""filtr=lambdaim:effect(im,**kw)new_clip=gray.fl_image(filtr).to_RGB()txt=(mpy.TextClip(title,font="Purisa-Bold",fontsize=15).set_position(("center","top")).set_duration(clip.duration))returnmpy.CompositeVideoClip([new_clip,txt])#Apply4differenteffectstotheoriginalanimationequalized=apply_effect(ske.equalize_hist,"Equalized")rescaled=apply_effect(ske.rescale_intensity,"Rescaled")adjusted=apply_effect(ske.adjust_log,"Adjusted")blurred=apply_effect(skf.gaussian_filter,"Blurred",sigma=4)#Puttheclipstogetherona2x2grid,andwritetoafile.finalclip=mpy.clips_array([[equalized,adjusted],[blurred,rescaled]])final_clip.write_gif("test2x2.gif",fps=20)如果我們把CompositeVideoClip和clips_array替代成concatenate_videoclips，我們得到標題效果式動畫：
Python12345678910111213141516171819202122232425importmoviepy.editorasmpyimportskimage.exposureasskeimportskimage.filterasskfclip=mpy.VideoFileClip("sinc.gif")gray=clip.fx(mpy.vfx.blackwhite).to_mask()defapply_effect(effect,label,**kw):"""Returnsaclipwiththeeffectappliedandatoplabel"""filtr=lambdaim:effect(im,**kw)new_clip=gray.fl_image(filtr).to_RGB()txt=(mpy.TextClip(label,font="Amiri-Bold",fontsize=25,bg_color='white',size=new_clip.size).set_position(("center")).set_duration(1))returnmpy.concatenate_videoclips([txt,new_clip])equalized=apply_effect(ske.equalize_hist,"Equalized")rescaled=apply_effect(ske.rescale_intensity,"Rescaled")adjusted=apply_effect(ske.adjust_log,"Adjusted")blurred=apply_effect(skf.gaussian_filter,"Blurred",sigma=4)clips=[equalized,adjusted,blurred,rescaled]animation=mpy.concatenate_videoclips(clips)animation.write_gif("sinc_cat.gif",fps=15)最終，處理視頻數據時，MoviePy會非常好用，因為這是它的首要任務。最后一個例子，我們通過視頻幀閾值和白色像素計數，估計一個細菌種群大小。第三面板顯示，人口規模呈指數增長的時間。
代碼
一個庫就可以做所有動畫了？
我希望給了你足夠的例子，來提升你的同事對你下次展示中的印象。總之要他的輸出能被轉換成Numpy數組，其他的庫也能用MoviePy來做動畫。
一些庫有自己的動畫模塊，但是修復和維護很痛苦！感謝那些在不同背景下測試MoviePy的人們，它變得更穩定了（除非沒人再報bug），而且可以適用于各種環境。MoviePy仍有很多要去做的，但如果作者開始依靠它來做視頻和GIF渲染，像Pandas和scikit-Learn依賴matplotlib做繪制，那會很好。
為了本文的完整性，同時也為了更好地滿足您的需要，我必須提到的ImageIO，這是另一個可以編寫視頻的Python庫，它專注于提供一個非常簡單的接口來讀取或寫入任何圖像，視頻或容積數據。比如你用imwrite()寫圖像，用mimwrite()寫視頻/GIF，用volwrite()寫體積數據，或只是write()寫流數據。
python字符串對齊的幾種內置方法
1、ljust()用于向指定字符串的右側填充指定字符。
從而達到左對齊文本的目的。
2、rjust()方法是在字符串左側填充指定字符。從而達到右對齊文本的目的。
3、center()方法用于使文本居中，而非左對齊或右對齊。
以上就是python字符串對齊的三種方法，
opencv十大開源框架
opencv是一個開源的計算機視覺和機器學習框架，具有廣泛的應用領域。以下是opencv的十大開源框架：1.OpenCV：最常用的計算機視覺和機器學習庫，提供了很多圖像處理和計算機視覺算法的實現。2.Dlib：一個用于圖像處理和機器學習的c++庫，提供了一系列的機器學習和計算機視覺算法。3.TensorFlow：谷歌開發的一個機器學習框架，可用于各種圖像處理任務，包括目標檢測和圖像分類等。4.Caffe：由伯克利視覺與學習中心開發的深度學習框架，用于圖像分類和目標檢測等任務。5.Torch：一個基于lua語言的機器學習框架，提供了各種圖像處理和計算機視覺的庫和工具。6.mxnet：一個輕量級的深度學習框架，支持分布式和多GPU訓練，適用于圖像處理和機器學習任務。7.Theano：一個優化的Python庫，可用于定義、優化和求值包含多維數組的數學表達式。8.scikit-learn：一個用于機器學習和數據挖掘的Python庫，提供了各種圖像處理和計算機視覺算法的實現。9.PyTorch：由Facebook開發的深度學習框架，提供了易用的API和強大的計算圖能力，適用于圖像處理和機器學習任務。10.Keras：一個高級神經網絡API，可用于在多個深度學習框架上構建和訓練深度學習模型，包括TensorFlow、Theano和CNTK等。
pythonturtle庫里字體如何設置
答:在Python的turtle庫中，可以使用`turtle.write()`函數來設置字體。以下是設置字體的示例代碼：
```python
importturtle
#設置字體
font=("Arial",12,"bold")#字體為Arial，大小為12，加粗
turtle.write("Hello,World!",font=font,align="center")
turtle.done()
```
在上述示例中，我們首先定義了一個變量`font`，用來存儲字體的相關信息。然后，通過調用`turtle.write()`函數來顯示文本，其中`font`參數用來指定字體，`align`參數用來指定對齊方式（例如居中對齊）。最后，調用`turtle.done()`函數來保持窗口打開，以便查看結果。
請注意，字體的名稱和大小可能因操作系統而異。您可以根據您的需求和操作系統的支持選擇適合的字體。
銀行etl工程師業務內容
1、銀行證券業務調研、需求分析與設計、數據分析；
2、負責ETL開發，獨立完成ETL詳細設計與開發測試工作；
3、參與數據倉庫系統上線及運維工作。
任職要求：
1、計算機相關專業，統招本科以上學歷；
2、熟悉數據倉庫建設流程、具備數據倉庫、模型設計經驗、ETL開發實施經驗；
3、精通SQL、存儲過程等開發，有SQL調優知識和經驗，掌握Greenplum、Oracle、Sqlserver、Teradata、DB2、MySQL等一種或多種數據庫系統的使用；
4、熟悉Linux操作系統、熟練使用linux常用命令；
5、具有Kettle、Informatica、DataStage、PowerCenter等ETL開發工具的實施經驗；
6、熟練使用Perl、Shell、Java、Python腳本進行開發；
7、熟悉Hadoop、Hive，Hbase，Kafka，Spark，Storm等大數據技術優先；
8、有銀行/保險/證券等金融業數據倉庫經驗優先。
python xlwings模塊怎么合并單元格
1.可以通過xlwings模塊來合并單元格。2.合并單元格的原因是為了將多個單元格合為一個單元格，以便于數據的整理和展示。xlwings模塊提供了merge方法，可以實現單元格的合并操作。3.在使用xlwings模塊進行單元格合并時，可以先選中需要合并的單元格范圍，然后調用merge方法即可完成合并操作。此外，xlwings還提供了其他方法和屬性，可以對合并后的單元格進行格式設置和數據填充等操作，進一步延伸了合并單元格的功能。
