python测试工具开发自学每周一练-2018-06

字数 1194阅读 486

python每周一练

每周五发布python需求,所有需求都来自实际企业。下周五发布参考答案。

2018-06-25 用递归的方式实现阶乘

Return n! = 123...n

参考答案

2018-06-22 字符串和正则表达式小练习

试题1:

下面哪个个字符串定义有错误?

A,r'C:\Program Files\foo\bar'
B,r'C:\Program Files\foo\bar'
C, r'C:\Program Files\foo\bar\'
D,r'C:\Program Files\foo\bar\\'

参考答案:B

试题2:

现有 类似'python3快速入门教程2数值与序列3列表'的字符串,字符规则如下:
1,行首有英文或数字组合,中间有中文,后面又有英文或数字组合
2, 要求用正则表达式提取第一个中文字段,比如上面的“快速入门教程”

参考答案

#!python
In [1]: import re

In [2]: t = 'python3快速入门教程2数值与序列3列表'

In [3]: re.findall('^\w+(..*?)\w+',t, re.ASCII)
Out[3]: ['快速入门教程']

2018-06-15 睁闭眼数据分析

现有如下睁闭眼数据

#!python

$ head data.csv 
# 左眼睁闭眼分数 左眼有效分数 右眼睁闭眼分数 右眼有效分数 图片名称
0.123603 9.835913 9.470212 9.889045,/home/andrew/code/data/common/Eyestate/ocular_base/close/1.jpg
0.179463 9.816979 2.074970 9.901421,/home/andrew/code/data/common/Eyestate/ocular_base/close/10.jpg
0.673736 9.925372 0.001438 9.968187,/home/andrew/code/data/common/Eyestate/ocular_base/close/11.jpg
0.593570 9.905622 0.001385 9.986063,/home/andrew/code/data/common/Eyestate/ocular_base/close/12.jpg
0.222101 9.974337 0.005272 9.985535,/home/andrew/code/data/common/Eyestate/ocular_base/close/13.jpg
1.105360 9.978926 0.007232 9.986403,/home/andrew/code/data/common/Eyestate/ocular_base/close/14.jpg
5.622934 9.955227 5.909572 9.969641,/home/andrew/code/data/common/Eyestate/ocular_base/close/15.jpg
0.010507 9.965939 0.005150 9.990325,/home/andrew/code/data/common/Eyestate/ocular_base/close/16.jpg
0.043546 9.986520 0.014031 9.982257,/home/andrew/code/data/common/Eyestate/ocular_base/close/17.jpg
6.176013 9.848222 4.293341 9.929223,/home/andrew/code/data/common/Eyestate/ocular_base/close/18.jpg

要求:

  • 筛选出未识别到人脸的数据(左眼睁闭眼分数值为-1)
  • 筛选出图片格式错误的数据(左眼睁闭眼分数值为-2)
  • 筛选出闭眼识别为睁眼的数据(图片名包含close,但是睁闭眼有一个大于9.5)
  • 筛选出睁眼识别为闭眼的数据(图片名包含open,但是睁闭眼都小于9.5)
  • 筛选出无效识别为有效的数据(图片名包含invalid,但是有效分有一个大于9.5)
  • 筛选出有效识别为无效的数据(图片名包含valid,但是有效分都小于9.5)

代码和参考代码地址

2018-06-14 创建三色图片

创建如下的三色图片,像素600*400

dutchflag.jpg

python图像处理参考库

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
# Author:    xurongzhong#126.com wechat:pythontesting qq:37391319
# 技术支持 钉钉群:21745728(可以加钉钉pythontesting邀请加入) 
# qq群:144081101 591302926  567351477
# CreateDate: 2018-6-12
# dutchflag.py

from PIL import Image

def dutchflag(width, height):
    """Return new image of Dutch flag."""
    img = Image.new("RGB", (width, height))
    for j in range(height):
        for i in range(width):
            if j < height/3:
                img.putpixel((i, j), (255, 0, 0))
            elif j < 2*height/3:
                img.putpixel((i, j), (0, 255, 0))
            else:
                img.putpixel((i, j), (0, 0, 255))
    return img

def main():
    img = dutchflag(600, 400)
    img.save("dutchflag.jpg")
    
main()

2018-06-12 数据分析:筛选列B包含列A内容的列

来自群python数据分析人工智能 521070358的提问

有类似如下结构的大量数据

#!python
{'A':['Ford', 'Toyota', 'Ford','Audi'], 
 'B':['Ford F-Series pickup', 'Camry', 'Ford Taurus/Taurus X', 'Audi test']}

现在想:
1,输出列B包含列A内容的记录
2,输出列A为Ford或Toyota的记录

参考代码:

#!python
#!/usr/bin/python3
# -*- coding: utf-8 -*-
# Author:    xurongzhong#126.com wechat:pythontesting qq:37391319
# 技术支持 钉钉群:21745728(可以加钉钉pythontesting邀请加入) 
# qq群:144081101 591302926  567351477
# CreateDate: 2018-6-012

import pandas as pd


def test(x):
    if x['A'] in x['B']:
        return True
    else:
        return False

df = pd.DataFrame( {'A':['Ford', 'Toyota', 'Ford','Audi'], 
                    'B':['Ford F-Series pickup', 'Camry', 'Ford Taurus/Taurus X', 'Audi test']} )


print(df)
# 输出列B包含列A内容的记录
print(df[df.apply(test, axis=1)])

# lambda 方式
print(df[df.apply(lambda x: x['A'] in x['B'], axis=1)])

# 输出列A为Ford或Toyota的记录
print(df[df['A'].str.match('Ford|Toyota')])

执行结果:

#!python
        A                     B
0    Ford  Ford F-Series pickup
1  Toyota                 Camry
2    Ford  Ford Taurus/Taurus X
3    Audi             Audi test
      A                     B
0  Ford  Ford F-Series pickup
2  Ford  Ford Taurus/Taurus X
3  Audi             Audi test
      A                     B
0  Ford  Ford F-Series pickup
2  Ford  Ford Taurus/Taurus X
3  Audi             Audi test
        A                     B
0    Ford  Ford F-Series pickup
1  Toyota                 Camry
2    Ford  Ford Taurus/Taurus X

本节代码地址

2018-06-11 python数据机构基础面试题

生成

#!python
[-0.1,  0. ,  0.1,  0.2,  0.3,  0.4,  0.5,  0.6,  0.7,  0.8,  0.9,
        1. ,  1.1]

参考:

#!python
import numpy as np

[x / 10.0 for x in range(-1, 11)]
np.arange(-0.1, 1.1, 0.1)

2018-06-08 用turtle绘制长度为10像素的正方形(初级)

image.png

参考代码:

#!python
#!/usr/bin/python3
# -*- coding: utf-8 -*-
# Author:    xurongzhong#126.com wechat:pythontesting qq:37391319
# 技术支持 钉钉群:21745728(可以加钉钉pythontesting邀请加入) 
# qq群:144081101 591302926  567351477
# CreateDate: 2018-6-07

from turtle import *
 
forward(100)
left(90)
forward(100)
left(90)
forward(100)
left(90)
forward(100)
left(90)

exitonclick()

注意用使用python3.6.0或更高版本, 命令行执行比较好。

延伸学习

image.png

参考代码:

#!python
#!/usr/bin/python3
# -*- coding: utf-8 -*-
# Author:    xurongzhong#126.com wechat:pythontesting qq:37391319
# 技术支持 钉钉群:21745728(可以加钉钉pythontesting邀请加入) 
# qq群:144081101 591302926  567351477
# CreateDate: 2018-6-07

from turtle import *
pensize(7)
penup()
goto(-200, -100)
pendown()
fillcolor("red")
begin_fill()
goto(-200, 100)
goto(200, -100)
goto(200, 100)
goto(-200, -100)
end_fill()
exitonclick()

2018-06-07 计算不同版本人脸识别框的重合面积

现有某图片,版本1识别的坐标为:(60, 188, 260, 387),版本2识别的坐标为(106, 291, 340, 530)))。格式为left, top, right, buttom。
请计算:公共的像素总数,版本1的像素总数,版本2的像素总数,版本1的重合面积比例,版本2的重合面积比例.

参考代码:

#!python
#!/usr/bin/python3
# -*- coding: utf-8 -*-
# Author:    xurongzhong#126.com wechat:pythontesting qq:37391319
# 技术支持 钉钉群:21745728(可以加钉钉pythontesting邀请加入) 
# qq群:144081101 591302926  567351477
# CreateDate: 2018-6-07


def get_area(pos):
    left, top, right, buttom = pos
    left = max(0, left)
    top = max(0, top)
    width = right - left
    height = buttom - top
    return (width*height, left, top, right, buttom)


def overlap(pos1, pos2):
    area1, left1, top1, right1, buttom1 = get_area(pos1)
    area2, left2, top2, right2, buttom2 = get_area(pos2)
    
    left = max(left1, left2)
    top = max(top1, top2)
    left = max(0, left)
    top = max(0, top)    
    right = min(right1, right2) 
    buttom = min(buttom1, buttom2)
    
    if right <= left or buttom <= top:
        area = 0
    else:
        area = (right - left)*(buttom - top)
        
    return (area, area1, area2, float(area)/area1, float(area)/area2)    

print(overlap((60, 188, 260, 387), (106, 291, 340, 530)))

详细代码地址

执行

#!python
$ python3 overlap.py 
(14784, 39800, 55926, 0.3714572864321608, 0.2643493187426242)

2018-06-06 json格式转换

现有 人脸标注的海量数据,部分参见:data

要求输出:
1,files.txt

#!python
image_1515229323784.ir
image_1515235832391.ir
image_1515208991161.ir
image_1515207265358.ir
image_1521802748625.ir
image_1515387191011.ir
...

2, 坐标信息 poses.txt
文件名、left, top, right, buttom,width,height

#!python
image_1515229323784.ir,4,227,234,497,230,270
image_1515235832391.ir,154,89,302,240,148,151
image_1515208991161.ir,76,369,309,576,233,207
image_1515207265358.ir,44,261,340,546,296,285
...

3,比对文件:

首先:# 后面的为序列号,从1开始递增
3 640 480 1及后面3行暂时视为固定。后面一行1 后面为4个坐标left, top, right, buttom。

#!python
# 1
image_1515229323784.ir
3 640 480 1
0
1
1 4 227 234 497 
# 2
image_1515235832391.ir
3 640 480 1
0
1
1 154 89 302 240
# 3
...

参考代码:

#!python
#!/usr/bin/env python3
# -*- coding: utf-8 -*-

import shutil
import os
import glob
import json
import pprint
import json

import data_common

directory = 'data'
files = data_common.find_files_by_type(directory,'json')

i = 1
file_list = []
results = []
poses = []
for filename in files:
    d = json.load(open(filename))
    name = d['image']['rawFilename'].strip('.jpg')
    pos = d['objects']['face'][0]['position']
    num = len(d['objects']['face'])
    if num > 1:
        print(filename)
        print(name)
        pprint.pprint(d['objects']['face'])
    out = "# {}\n{}\n3 640 480 1\n0\n{}\n".format(i, name, num)
    for face in d['objects']['face']:
        pos = face['position']
        top = round(pos['top'])
        bottom = round(pos['bottom'])
        left = round(pos['left'])
        right = round(pos['right'])
        out = out + "1 {} {} {} {}\n".format(left, top, right, bottom)
        poses.append("{},{},{},{},{},{},{}".format(name, 
            left, top, right, bottom, right - left, bottom -top))
    i = i + 1
    #print(out)
    file_list.append(name)
    results.append(out.rstrip('\n'))

data_common.output_file("files.txt",file_list)
data_common.output_file("results.txt",results)
data_common.output_file("poses.txt",poses)

详细代码地址

2018-06-01 正则表达式及拼音排序

有某群的某段聊天记录

现在要求输出排序的qq名,结果类似如下:

#!python

[..., '本草隐士', 'jerryyu', '可怜的樱桃树', '叻风云', '欧阳-深圳白芒',  ...]
    

需求来源:有个想批量邀请某些qq群的活跃用户到自己的群。又不想铺天盖地去看聊天记录。

参考资料:python文本处理库

参考代码:

#!python
#!/usr/bin/python3
# -*- coding: utf-8 -*-
# Author:    xurongzhong@126.com wechat:pythontesting qq:37391319
# 技术支持 钉钉群:21745728(可以加钉钉pythontesting邀请加入) 
# qq群:144081101 591302926  567351477
# CreateDate: 2018-6-1

import re
from pypinyin import lazy_pinyin

name = r'test.txt'

text = open(name,encoding='utf-8').read()
#print(text)

results = re.findall(r'(:\d+)\s(.*?)\(\d+', text)

names = set()
for item in results:
    names.add(item[1])  

keys = list(names)
keys = sorted(keys)

def compare(char):
    try:
        result = lazy_pinyin(char)[0][0]
    except Exception as e:
        result = char
    return result
    
keys.sort(key=compare)
print(keys)
    

执行示例:

1,把qq群的聊天记录导出为txt格式,重命名为test.txt

2, 执行:

#!python

$ python3 qq.py 
['Sally', '^^O^^', 'aa催乳师', 'bling', '本草隐士', '纯中药治疗阳痿早泄', '长夜无荒', '东方~慈航', '干金草', '广东-曾超庆', '红梅* 渝', 'jerryyu', '可怜的樱桃树', '叻风云', '欧阳-深圳白芒', '勝昔堂~元亨', '蜀中~眉豆。', '陕西渭南逸清阁*无为', '吴宁……任', '系统消息', '于立伟', '倚窗望岳', '烟霞霭霭', '燕子', '张强', '滋味', '✾买个罐头 吃西餐', '【大侠】好好', '【大侠】面向大海~纯中药治烫伤', '【宗师】吴宁……任', '【宗师】红梅* 渝', '【少侠】焚琴煮鹤', '【少侠】笨笨', '【掌门】溆浦☞山野人家']
    

上述代码地址

2018-05-25 旋转图片

把/home/andrew/code/tmp_photos2的jpg图片旋转270度,放在/home/andrew/code/tmp_photos3

参考资料:python图像处理库

要求实现的命令行界面如下:

#!sh

$ python3 rotate.py -h
usage: rotate.py [-h] [-t TYPE] [-a ANGLE] [--version] src dst

功能:旋转图片

示例: $ python3 rotate.py /home/andrew/code/tmp_photos2 /home/andrew/code/tmp_photos3 -a 270
把/home/andrew/code/tmp_photos2的jpg图片旋转270度,放在/home/andrew/code/tmp_photos3 

positional arguments:
  src         源目录
  dst         目的目录

optional arguments:
  -h, --help  show this help message and exit
  -t TYPE     文件扩展名, 默认为jpg
  -a ANGLE    旋转角度,默认为90度,方向都为逆时针。
  --version   show program's version number and exit

旋转前:

photo.jpg

旋转后

photo.jpg

需求来源: 用户拍的图片人脸未必是头在上,下巴在下面,但是人脸识别的时扶正的识别效果比较好,为此...

参考代码:

#!python
import glob
import os 
import argparse

from PIL import Image

import photos
import data_common

description = '''

功能:旋转图片

示例: $ python3 rotate.py /home/andrew/code/tmp_photos2 /home/andrew/code/tmp_photos3 -a 270
'''

parser = argparse.ArgumentParser(description=description, 
                                 formatter_class=argparse.RawTextHelpFormatter)
parser.add_argument('src', action="store", help=u'源目录')
parser.add_argument('dst', action="store", help=u'目的目录')
parser.add_argument('-t', action="store", dest="type", default="jpg", 
                    help=u'文件扩展名, 默认为jpg')
parser.add_argument('-a', action="store", dest="angle", default=90, type=int,
                    help=u'旋转角度,默认为90度,方向都为逆时针。')
parser.add_argument('--version', action='version',
                    version='%(prog)s 1.0 Rongzhong xu 2018 04 26')
options = parser.parse_args()

data_common.check_directory(options.dst)
files = data_common.find_files_by_type(options.src, filetype=options.type)
photos.rotate(files, options.dst, options.angle)
 

参考资料

推荐阅读更多精彩内容