从零到python机器学习大神的7个步骤 - 全文
有许多python机器学习资源在线免费提供，从哪开始?如何进行?从零到python机器学习大神只要7个步骤。
入门，在英语中最打击人的两个单词，第一部往往是最难的，当在这方面有太多选择,通常让人崩。
这篇文章旨在用7个不走带领python机器学习知识最少的新人成为知识渊博从业者,使用免费材料和资源.这个纲要主要目标是帮你选择可用的众多选项.可以确定有很多,但是哪个是最好的?它们之间是相辅相成?使用选择资源的最好顺序是什么?
进一步,我做出假设你不是下列的专家:
任何Python的机器学习,科学计算,或者数据分析库
他有可能帮助你对第一或第二或二者有一个基本的认识,但不是必需的.在前面的步骤花费一些额外的时间有可能弥补。
第一步 基本Python技能
如果我们打算利用Python进行机器学习,对Python有一些基本认识是至关重要的.幸运的是,由于其作为一种广泛普及的通用编程语言,并应用于科学计算和机器学习,发现初学者的教程并不困难.Python经验和编程水平一般是选择出发点的重点。
首先,你需要安装Python.因为在有些时候我们需要使用科学计算和机器学习库,我建议你安装Anaconda.这是一个具有工业强度用于Linux,OSX和Windows的Python实现,为机器学习安装需要的包,包括Numpy,scikit-learn和Matplotlib(这是作者的观点,我认为pandas,scipy这种包也是必不可少的).它同样包含Ipython notebook,一个交互式环境.我建议使用Python2.7(译者言:当全世界都是3.X的时候再说改Python3吧),它仍是占主导地位的安装版本没有其他原因。
如果你没有编程知识,我的建议是用下面免费的在线书开始,然后学习随后的材料。
Python The Hard Way&by Zed A. Shaw
如果你有变成经验,但是不是Python,或者你刚学Python,我建议学习下面其中一个或全部:
Google Developers Python Course&(视觉学习者强烈推荐,五星好评)
An Introducon to Python for Scienfic Compung (from UCSB Engineering)&by M. Scott Shell (神奇的Python科学介绍,60页)
对于那些寻求Python30分钟速成班的可以去(某宝):
Learn X in Y Minutes (X = Python)
当然,如果你有Python编程经验,你可以跳过这步.即使这样,我建议你继续阅读Python文档.
第二步 基础机器学习技能
KDnuggets&的创始人 Zachary Lipton指出人们对数据科学家的认识非常不同.实际上是机器学习领域的反映,因为数据科学家的工作包含使用机器学习算法多样化程度.是否有必要深刻了解算法,从而更有效的创建SVM机器模型并从中获取信息?当然不是,就像生活中几乎所有东西,理论理解的深度的要求相对与实际应用(这是作者的一家之言哈~,译者是不支持的,不了解你怎么调参,优化模型呢?哈~).获得机器学习算法的深刻理解已经超出了本书范围,一般需要大量的时间投资在学术中,或者通过高强度的自学。
好消息是你不需要拥有PhD水平的机器学习理论方面的理解,才能用于实践.并不是所有码农都为了有效的编码需要理论的计算机科学教育.这两点是相同的(所以我翻译的是码农.对,我就是在吐槽~自己. :( )。
Andrew Ng的Course课程经常获得五星好评.但是我的建议是,浏览在线课程以前学生编制的课程笔记.跳过关于Octave的笔记(类似Matlab语言,和我们追求的Python无关.译者注,从用词上我就能感到作者对Matlab弄弄的厌恶).但是要注意这些不是官方的笔记,但是似乎能捕获Andrew Ng课程材料的相关内容.当然,如果你有时间和兴趣,可以参加Andrew Ng Coursera的机器学习课程。
Unofficial Andrew Ng course notes
如果你喜欢各种视频讲座,可以看Tom Mitchell的演讲视频.下面是是他最近的演讲视频,我(不是我)感觉他非常平易近人,我是他的脑残粉(没搞错的话,网上流行的台湾国立大学的机器学习视频是模仿Tom Mitchell的,Logo都差不多就左下角右上角加了个东西.是的,我又在吐槽了)。
Tom Mitchell Machine Learning Lectures
在这里,你不需要所有笔记和视频.一个有效的策略包含实战演练,适当时候参考上面笔记和视频.例如,当你遇到回归模型是现实,阅读Ng笔记的回归部分或看Mchell的回归视频.
第三步 科学Python库概率
好吧.有了一点Python编程经验和机器学习理解后.除了Python还有很多开源的库用于处理机器学习实践.通常,这些是执行基本机器学习任务主要使用的Python库。
numpy&- N维数组是非常有用的
pandas&- Python数据分析库,包括结构例如dataframes
matplotlib&- 2D 绘图库生成出版质量图片
scikit-learn&- 用于数据分析和数据挖掘任务的机器学习算法.
学习这些的优秀资料如下:
Scipy Lecture Notes&by Ga&l Varoquaux, Emmanuelle Gouillart, and Olav Vahtras
这个pandas的教程非常棒:
10 Minutes to Pandas
在下面的教程中你可能看到一些其他的库,比如说 Seaborn,一个基于Matplotlib的数据可视化库.上述包是广泛Python机器学习任务的核心,然而,让你在下面引用时,理解这些适应更多相关的包而不会懵.
第四步 开始Python机器学习
Machine learning fundamentals. &
Matplotlib. &
吉时已到,我们开始使用python标准机器学习库&scikit-learn实现机器学习算法吧.
下面大多数教程和联系都在IPython(Jupyter)Notebook中实现.它是Python执行的一个交互式环境.这些IPython NOtebook可以选择在线预览或下载,并且在你电脑本地交互.
iPython Notebook Overview&from Stanford
另外请注意,下面教程来源于许多在线资源.所有Notebooks 都归功于作业,你发现没有正确工作,请让我知道,这种情况会尽快纠正.我非常想向Jake VanderPlas, Randal Olson, Donne Martin, Kevin Markham, and Colin Raffel等人致敬.因为他们神奇免费可用的资源(50字好评已给,请返现).
第一个教程从scikit-learn开始,在开始下面步骤之前,我建议先做这些.
scikit-learn库的一般介绍,Python中最常用的机器学习库,涵盖了KNN算法:
An Introduction to scikit-learn&by Jake VanderPlas
更深入的介绍,包括知名数据集开始到项目完成:
Example Machine Learning Notebook&by Randal Olson
重点放在scikit-learn中不同模型的评估策略,涵盖了训练集/测试集拆分(后面这句话的点没get到呢):
Model Evaluation&by Kevin Markham
第五步 python机器学习主题
有了 scikit-learn基础后,我们可以对常见,实用的算法做进一步深入了解.我们从K-means聚类开始,一个广为人知的机器学习算法.解决无监督学习问题一个简单有效的方法:
k-means Clustering&by Jake VanderPlas
接下来,我们看看分类问题.了解历史上最流行分类算法之一:
Decision Trees&via The Grimm Scientist
让我们看看连续数值预测:
Linear Regression&by Jake VanderPlas
我们可以从过Logistic回归解决分类问题:
Logistic Regression&by Kevin Markham
第六步 深入python机器学习主题
我们已经开始scikit-learn,现在让我们将注意转向高级主题.首先SVM(支持向量机).一个将复杂数据映射到高维空间的not-necessarily-linear分类
Support Vector Machines&by Jake VanderPlas
接下来,随机森林,一个组合分类,通过考察Kaggle Titanic竞赛逐步引导:
Kaggle Titanic Competition (with Random Forests)&by Donne Martin
降维是减少正在考虑问题中变量数目的方法.PCA(Principal Component Analysis,主成分分析)是一种非监督的降维方法:
Dimensionality Reduction&by Jake VanderPlas
在进入到最后一步之前,我们可以花时间考虑下,我们已经在相对较短的时间内走了很长一段路.
使用Python和它的机器学习库,我们已经介绍一些最常见和总所周知的机器学习算法(K-means,支持向量机,KNN),考察了强大的组合技术(随机森林),研究了支持任务的额外机器学习算法(降维,模型验证技术).随着这些基础的机器学习技巧的学习,我们已经拥有了一些使用的技能.
第七步 python深度学习
深度学习无处不在.深度学习构建与神经网络研究可以追溯到十几年前,但是追溯到过去几年的最新进展显著增加.如果你不熟悉深度学习,KDnuggets有很多文教详细介绍了众多最新创新,成就和令人赞誉的技术.
最后一步并不对深度学习软件分类,介绍2个引领当代Python深度学习库的几个简单的网络实现.对于有兴趣挖掘更深的深度学习者,我建议你先从一下免费书开始:
*&Neural Networks and Deep Learning&by Michael Nielsen
Theano是第一个Python深度学习库,按作者的话来说:
Theano是一个python的库,可以让你高效地定义,优化,评估包含多维数据的数学表达式，下面Theano的机器学习入门教程是非常长的,但相当的棒,十分生动:&
*&Theano Deep Learning Tutorial&by Colin Raffel
另一个测试执行的库,caffe.同样的:
Caffe是一个带有表达式,速度和模块化的深度学习库.由 Berkeley Vision and Learning Center (BVLC) 和社区贡献者开发.
我们已经介绍了很多有趣的例子,这里再给出一个, 用Caffe实现Google&s #DeepDream.了解了这么多,自己动手放飞梦想吧(另外,关于深度学习的开源软件非常多,更多的可以看的翻译的GitHub深度学习库,你了解多少?)。
Dreaming Deep with Caffe&via&Google&s GitHub
我没不能保证这个过程会很快或很容易，但如果你把时间按照上面的7个步骤做，没有任何理由，你不能达到合理水平，理解一些机器学习算法并利用Python流行的库实现它，包括一些目前的深度学习研究前沿。
关注电子发烧友微信
有趣有料的资讯及技术干货
下载发烧友APP
打造属于您的人脉电子圈
关注发烧友课堂
锁定最新课程活动及技术直播
1997年，几名程序员创建了一个算法，可以远程在无限大的棋盘上互相玩井字游戏。其中一个程序员并没有涉...
基于Facebook中FastText的简单嵌入式文本分类器：https://github.com/...
经典的深度学习网络AlexNet使用数据扩充（Data Augmentation）的方式扩大数据集，...
Q-learning和SARSA是两种最常见的不理解环境强化学习算法，这两者的探索原理不同，但是开发...
表情包不仅仅是一种符号，更是一种文化；是促进社交乃至社会发展的动力之一，就像懒。
当我们把区块链和需要大量训练数据的机器学习模型结合在一起后，普通开发者能否打破科技巨头的垄断，创造出...
今天手机中AI的绝大部分功能，甚至可以说90%以上的功能，都是识别。这是基于机器学习理论下AI发展的...
人们对于新事物的快速理解一般基于此新事物与生活中某种事物或者规律的的相似性，但这个promise并没...
汽车销量还会持续上升：尽管保有量下降，但汽车销量将明显增加。传统车辆将长时间滞留在保有量中。而相比之...
在 Flask 中获取请求参数需要使用request等几个全局对象，但是这几个全局对象比较特殊，它们...
我们应该意识到，许多策略不只是针对句子分割，而是针对分割的边界确定之后应该做什么。例如，我们可能会采...
而对于自底向上的模式，将商业模型中的一部分委派给机器学习，甚至从机器学习中得到全新的商业想法。自底向...
认知计算API：应用程序编程接口（API）使开发人员可以轻松地将技术或服务集成到正在构建的应用程序或...
我从一篇pix2code论文和另一个应用这种方法的相关项目中获得灵感，决定把我的任务按照图像标注方式...
在小数据上能更好地工作：为了实现高性能，深度学习需要非常大的数据集。之前提到的预训练的网络在120万...
智能服装不仅仅是将小工具佩戴到手腕、脸部、耳部和脚部，智能服装还可以不断记录我们的心率、监控我们的情...
什么是数据挖掘？数据挖掘指的是对现有的一些数据进行相应的处理和分析，最终得到数据与数据之间深层次关系...
从互联网类脑智能巨系统的发展角度看，腾讯占据了互联网大脑中一个非常优势的位置：互联网神经元网络的构建...
人工智能迅速成为世界不容忽视的迅猛发展的技术。密码学领域的人也不能忽视这一点。如果人工智能生态系统在...
为了达到在医疗领域更大程度应用人工智能的能力，高度完整且安全数据库的整建绝对有其必要性，在这方面，日...
无服务器PaaS并非没有服务器，而是将搭建、设置、管理等服务器相关工作封装起来，交由第三方供应商全权...
　仅在2017年，就有21家连锁零售商申请破产，其中包括RadioShack，Toys R'Us和A...
机器学习和人工智能常常被作为同义词使用，然而尽管机器学习已经成功由实验室走入现实世界，但人工智能的覆...
华为作为最早推出人工智能手机的企业，在AI宣传上比较保守。从Mate10以及最新发布的P20系列手机...
“什么足够好?”是半导体行业一个潜在主题，答案因市场、应用的不同而有很大差异。就算在在同一设备中，不...
将样本数据输入计算机，一般算法会利用数据进行计算然后输出结果，机器学习的算法则大为不同，输入的是数据...
随后在实验研究中，研究人员通过扫描探针加载脉冲电压，以激励弛豫铁电体PMN-PT中微区压电响应的弛豫...
在理论层面，经济学对决策问题的探讨与人工智能所研究的问题有很多不谋而合之处，这决定了两门学科在研究上...
这个函数是对矩阵mat填充随机数，随机数的产生方式有参数2来决定，如果为参数2的类型为RNG::UN...
谷歌的高空气球项目Project Loon为在被Maria飓风肆虐之后的波多黎各的20万居民提供最基...
当我在阅读机器学习相关文献的时候， 我经常思考这项工作是否：提高了模型的表达能力；使模型更易于训练；...
糟糕的数据对于人工智能来说是个大问题，随着企业越来越接受人工智能，风险只会越来越高。下面来看看如何免...
第一，最迫切的岗位是与人工智能直接相关的。随着人工智能日益融入人们的生活，对于人工智能人才争夺战也日...
第一，最迫切的岗位是与人工智能直接相关的。随着人工智能日益融入人们的生活，对于人工智能人才争夺战也日...
1. 数据规模而言，因为客户主要偏传统企业客户（非互联网类），受其业务限制，可分析的大数据规模不会超...
这里有一些好消息！在2018年，云计算将变得更加有利于商业。我们都知道，云计算提供了一种方法，可以避...
IDG是全球著名的信息技术、电信行业和消费科技市场咨询、顾问和活动服务专业提供商，其下属的《NetW...
每次提到“哈佛”，都会在心中默默竖起三个大拇指，牛掰的学校不用任何形容词就自带光环。每次提到“哈佛的...
Karpathy表示，综合过去6年发表在ArXiv的4300篇机器学习论文（数据来源：cs.[CV|...
Python 的学习，知识涵盖极为广泛，对不同应用目标的学习，进阶的路线有很大的差异，以下分别介绍常...
去年4月，特斯拉AI总监Andrej Karpathy发表了一篇文章，揭示了机器学习论文总数、深度学...
Deep Voice是百度AI研究院一个由深度神经网络构建的高质量语音转（TTS ）系统。该系统不仅...
如果你是商界英才(而不是数据科学家或者机器学习专家)，你也许对主流媒体宣传的人工智能(artific...
俄罗斯外交和国防政策委员会网站发布文章，介绍了当今世界及俄罗斯本国人工智能技术发展的现状以及未来该技...
AI普及的未来世界，我们的生活会变成什么样子？
支持向量机(Support Vector Machine: SVM)是一种非常有用的监督式机器学习算...
支持向量机(Support Vector Machine: SVM)是一种非常有用的监督式机器学习算...
卡森霍尔盖特(Carson Holgate)正在接受忍者培训。 但这里的忍者指的并不是武术她已经有不...
日，全球领先的智能平台技术提供商中科创达宣布，收购全球领先的图像视觉技术公司MM ...
以下是根据不同语言类型和应用领域收集的各类工具库，持续更新中。 C 通用机器学习 Recommend...
在AI开发中使用Lisp语言，是因为它的灵活性使快速建模和实验成为可能，这反过来又促进了Lisp在A...
如果你完全不懂scala但又想用Spark Mllib，你可能得向scala妥协。这不是理想的解决方...
所以，需要我们另外填写的参数为：shareid、from、bdstoken、filelist 和 p...
提供真正的数组，相比Python内置列表来说速度更快，NumPy也是Scipy、Matplotlib...
这背后，是谷歌AutoML Vision提供的ML模型。
根据招聘软件提供商Bullhorn公司的2018年英国招聘趋势报告，近一半(48%)的英国招聘机构希...
88SS88是Marvell最新推出的支持单端口和双端口功能、NVMe 1.3...
首先她下载并安装了 Phue 到 Tableau - Python - Server（又称为 Tab...
输入提供者只需在一开始传输他们的（加密）训练数据；在此之后所有的计算只涉及两个服务器，这意味着事实上...
有人认为，用低精度训练机器学习模型会限制训练的精度，事实真的如此吗？本文中，斯坦福大学的DAWN人工...
我们看到，第二条GET请求地址变了，并且在返回的信息中，我们看到，这个网页执行了一个POST请求。P...
此函数试图改变 im2 的颜色来适配 im1。它通过用 im2 除以 im2 的高斯模糊值，然后乘以...
现在我们可以创建创世区块了，我们需要一个函数来生成该区块链中的后继区块。该函数将获取链中的前一个区块...
人工智能和机器学习是2017年的流行词汇——但这一切都在哪里发生呢？
算法永远是一段代码的灵魂，面对海量的机器学习算法，萌新最爱问的是，“我该选什么算法？”
研究者借助 AI 技术发现了近 6000 种前所未闻的新病毒，这一工作已在 3 月 15 号由美国能...
业物联网最大的价值在于预测性维护，新型物联网设备收集了大量的生产数据，再通过机器学习和人工智能分析，...
Arm日前隆重宣布推出两款全新Mali GPU：Mali-G52和Mali-G31，为主流以及超高效...
诞生之初用来作为配置管理语言的Python，现在已经成为最流行的编程语言之一，尤其是随着AI应用的兴...
未来系统需要在计算能力上大幅改进，以支持不断增多的工作负载以及不断演进的底层算法。
uri指请求中不包含参数的部分； request_uri指原始的请求，包含参数或者无参数； args...
机器学习虽然能够在很多地方显示出强大的力量，同时也被集成到了很多的商业流程中去，但它依旧有一些不完美...
目前关注深度学习市场的的芯片厂商有哪些呢？英伟达、谷歌、微软、IBM、寒武纪、地平线、中星微、英特尔...
自然语言处理是计算机科学领域与人工智能领域中的一个重要方向，研究能实现人与计算机之间用自然语言进行有...
在过去的两年里，亚伦·鲍威尔一直在推动一项数字转型议程，他是NHS(英国国家医疗服务)血液和移植领域...
英国政府数字服务（GDS）将与政府部门合作，支持生物识别和人工智能服务的使用。
根据个体学习器是否是同类型的学习器（由同一个算法生成，比如 C4.5,BP 等），分为同质和异质。同...
“在材料科学的研究过程中，科研人员需要对大量的数据进行分类以及数据拟合处理（data fitting...
另一个原因是我们可以将 Python 用在很多地方：数据科学、Web 开发和机器学习等都可以使用 P...
说到优化算法，入门级必从 SGD 学起，老司机则会告诉你更好的还有 AdaGrad / AdaDel...
基于Per-Pixel Loss的超分辨重建网络目标在于直接最小化高清原图与超分辨重建图像之间的差异...
　中国已经呼吁将这项技术用于电脑的医疗诊断，这将是在2020年前实现人工智能的宏伟计划的第一阶段。在...
相信大家都知道家用电气是一件耐用产品，可家电追赶潮流速度丝毫不比快消品智能手机慢，在刮起AI人工智能...
ABB还从去年开始携手IBM，共同开发ABB Ability(TM)的机器学习能力。作为ABB面向电力、工...
xArm并不仅仅是一款机器人产品，UFACTORY将其定义为开放的机器人平台，未来我们将看到丰富的应...
作者用Jieba + Word2vec + NetworkX 结合在一起，做了一次自然语言分析，语料...
在这一简单的模型中，单变量线性回归的任务是建立起单个输入的独立变量与因变量之间的线性关系；而多变量回...
Scala是一门多范式的编程语言，一种类似java的编程语言，设计初衷是实现可伸缩的语言、并集成面向...
一些经典 AI 领域，如计算机视觉、NLP 等还远未达到智能和实用的地步，有赖进一步研究和努力。与此...
最近，机器学习（ML）话题大热，Arm也推出神经网络机器学习软件 Arm NN。这是一项关键技术，可...
供应链服务
版权所有 (C) 深圳华强聚丰电子科技有限公司
电信与信息服务业务经营许可证：粤B2-用Python和Pygame写游戏-从入门到精通（1） – 目光博客
Theme | Powered by求助，php调用python脚本传递参数的问题_百度知道
求助，php调用python脚本传递参数的问题
这样写调用不成功：
$feed=&rtmp://v2.gdtv.cn:1935/live/sport&;
$caster_id=&baw&;
$gameName=&GermenVSJapan&;
$command=&python textcasting_stream_py/start_capture_stream.py &.$feed.& &.$caster_id.& &.$gameN
system($command);
我有更好的答案
不成功的python textcasting_stream_py/start_capture_stream.py rtmp://v2.gdtv.cn:1935/live/sport baw GermenVSJapan成功的python textcasting_stream_py/start_capture_stream.py rtmp://v2.gdtv.cn:1935/live/sport Kobe GermenVSJapan
和sql语句一样，将.号改为{}号，如下：$command=&python textcasting_stream_py/start_capture_stream.py {$feed} {$caster_id} {$gameName}&;
1条折叠回答
为您推荐：
其他类似问题
python的相关知识
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。python小白，请大神写一个小程序，最多5句话吧，谢谢_百度知道
python小白，请大神写一个小程序，最多5句话吧，谢谢
python小白，请大神写一个小程序，最多5句话吧，谢谢，要有注释，~~~///(^v^)\\\~~~
我有更好的答案
def&f():&&&&a=input('first&number:')&&&&b=input('second&number:')&&&&print(a+'&+&'+&b&+'&=&',int(a)+int(b))f()first&number:4second&number:54&+&5&=&&9
兄弟可以解释一下print(a+' + '+ b +' = ',int(a)+int(b))是切莫意思吗
采纳率：40%
a,b=[float(items)&for&items&in&input(&请输入两个数，以逗号分隔:\n&).split(',')]print(a+b)
为您推荐：
其他类似问题
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。新手园地& & & 硬件问题Linux系统管理Linux网络问题Linux环境编程Linux桌面系统国产LinuxBSD& & & BSD文档中心AIX& & & 新手入门& & & AIX文档中心& & & 资源下载& & & Power高级应用& & & IBM存储AS400Solaris& & & Solaris文档中心HP-UX& & & HP文档中心SCO UNIX& & & SCO文档中心互操作专区IRIXTru64 UNIXMac OS X门户网站运维集群和高可用服务器应用监控和防护虚拟化技术架构设计行业应用和管理服务器及硬件技术& & & 服务器资源下载云计算& & & 云计算文档中心& & & 云计算业界& & & 云计算资源下载存储备份& & & 存储文档中心& & & 存储业界& & & 存储资源下载& & & Symantec技术交流区安全技术网络技术& & & 网络技术文档中心C/C++& & & GUI编程& & & Functional编程内核源码& & & 内核问题移动开发& & & 移动开发技术资料ShellPerlJava& & & Java文档中心PHP& & & php文档中心Python& & & Python文档中心RubyCPU与编译器嵌入式开发驱动开发Web开发VoIP开发技术MySQL& & & MySQL文档中心SybaseOraclePostgreSQLDB2Informix数据仓库与数据挖掘NoSQL技术IT业界新闻与评论IT职业生涯& & & 猎头招聘IT图书与评论& & & CU技术图书大系& & & Linux书友会二手交易下载共享Linux文档专区IT培训与认证& & & 培训交流& & & 认证培训清茶斋投资理财运动地带快乐数码摄影& & & 摄影器材& & & 摄影比赛专区IT爱车族旅游天下站务交流版主会议室博客SNS站务交流区CU活动专区& & & Power活动专区& & & 拍卖交流区频道交流区
稍有积蓄, 积分 333, 距离下一级还需 167 积分
论坛徽章:0
20可用积分
本帖最后由
14:25 编辑
下面这个脚本是从网上找的.
功能就是从网页和数据库中获取screen上显示的服务器性能监控图, 然后通过邮件形式发送到我的邮箱中.
而我现在想要的是获取到的图片能不能导入到PDF文档中, 谢谢! 因为不懂Python, 所以麻烦cu上的大神了.#! /usr/bin/env python
#coding=utf-8
# Andy_f
import time,os
import urllib
import urllib2
import cookielib
import MySQLdb
import smtplib
from email.mime.text import MIMEText
screens = [&zabbix&]
#
save_graph_path = &/opt/httpd-2.4.3/htdocs/reports/%s&%time.strftime(&%Y-%m-%d&)
if not os.path.exists(save_graph_path):
& & os.makedirs(save_graph_path)
# zabbix host
zabbix_host = &192.168.2.1&
# zabbix login username
username = &admin&
# zabbix login password
password = &password&
# graph width
width = 600
# graph height
height = 100
# graph Time period, s
period = 86400
# zabbix DB
dbhost = &192.168.2.1&
dbport = 3306
dbuser = &zabbix&
dbpasswd = &zabbix&
dbname = &zabbix&
# mail
to_list = [&&]
smtp_server = &mail.163.com&
mail_user = &&
mail_pass = &password&
domain&&= &163.com
def mysql_query(sql):
& & try:
& && &&&conn = MySQLdb.connect(host=dbhost,user=dbuser,passwd=dbpasswd,port=dbport,connect_timeout=20)
& && &&&conn.select_db(dbname)
& && &&&cur = conn.cursor()
& && &&&count = cur.execute(sql)
& && &&&if count == 0:
& && && && &result = 0
& && &&&else:
& && && && &result = cur.fetchall()
& && &&&return result
& && &&&cur.close()
& && &&&conn.close()
& & except MySQLdb.Error,e:
& && &&&print &mysql error:& ,e
def get_graph(zabbix_host,username,password,screen,width,height,period,save_graph_path):
& & screenid_list = []
& & global html
& & html = ''
& & for i in mysql_query(&select screenid from screens where name='%s'&%(screen)):
& && && && && & for screenid in i:
& && && && && && &&&graphid_list = []
& && && && && && &&&for c in mysql_query(&select resourceid from screens_items where screenid='%s'&%(int(screenid))):
& && && && && && && && &for d in c:
& && && && && && && && && & graphid_list.append(int(d))
& && && && && && &&&for graphid in graphid_list:
& && && && && && && && &login_opt = urllib.urlencode({
& && && && && && && && &&name&: username,
& && && && && && && && &&password&: password,
& && && && && && && && &&autologin&: 1,
& && && && && && && && &&enter&: &Sign in&})
& && && && && && && && &get_graph_opt = urllib.urlencode({
& && && && && && && && &&graphid&: graphid,
& && && && && && && && &&screenid&: screenid,
& && && && && && && && &&width&: width,
& && && && && && && && &&height&: height,
& && && && && && && && &&period&: period})
& && && && && && && && &cj = cookielib.CookieJar()
& && && && && && && && &opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cj))
& && && && && && && && &login_url = r&http://%s/index.php&%zabbix_host
& && && && && && && && &save_graph_url = r&http://%s/chart2.php&%zabbix_host
& && && && && && && && &opener.open(login_url,login_opt).read()
& && && && && && && && &data = opener.open(save_graph_url,get_graph_opt).read()
& && && && && && && && &filename = &%s/%s.%s.png&%(save_graph_path,screenid,graphid)
& && && && && && && && &html += '&img width=&600& height=&250& src=&http://%s/%s/%s/%s.%s.png&&'%(zabbix_host,save_graph_path.split(&/&)[len(save_graph_path.split(&/&))-2],save_graph_path.split(&/&)[len(save_graph_path.split(&/&))-1],screenid,graphid)
& && && && && && && && &f = open(filename,&wb&)
& && && && && && && && &f.write(data)
& && && && && && && && &f.close()
def send_mail(username,password,smtp_server,to_list,sub,content):
& & print to_list
& & me = &monitor&+&&&+username+&&&
& & msg = MIMEText(content,_subtype=&html&,_charset=&utf8&)
& & msg[&Subject&] = sub
& & msg[&From&] = me
& & msg[&To&] = &;&.join(to_list)
& & try:
& && &&&server = smtplib.SMTP()
& && &&&server.connect(smtp_server)
& && &&&server.login(username,password)
& && &&&server.sendmail(me,to_list,msg.as_string())
& && &&&server.close()
& && &&&print &send mail Ok!&
& & except Exception, e:
& && &&&print e
if __name__ == '__main__':
& & for screen in screens:
& && &&&get_graph(zabbix_host,username,password,screen,width,height,period,save_graph_path)
& & send_mail(mail_user,mail_pass,smtp_server,to_list,&PROD Server Performance Report&,html)
复制代码
稍有积蓄, 积分 333, 距离下一级还需 167 积分
论坛徽章:0
不能沉啊!!!
小富即安, 积分 4776, 距离下一级还需 224 积分
论坛徽章:4
下面的代码可以把jpg文件保存成pdfimport PIL
pic = PIL.Image.open(&test.jpg&)
with open(&test.pdf&, &w&) as fh:
& & pic.save(fh, &PDF&)
复制代码
稍有积蓄, 积分 333, 距离下一级还需 167 积分
论坛徽章:0
icymirror 发表于
下面的代码可以把jpg文件保存成pdf
谢谢, 因为没有学习过python, 所以你说的不大懂. 不过我这边有几十张图片怎么让他们按照一定格式显示在PDF里面呢?
能否给下完整的代码?
白手起家, 积分 4, 距离下一级还需 196 积分
论坛徽章:0
请问楼主的qq是多少？我也正在研究这个问题，咨询一个问题，谢谢哈
白手起家, 积分 4, 距离下一级还需 196 积分
论坛徽章:0
我的脚本报这个错误，请问楼主这个是什么问题?
[root@localhost script]# python get_screen.py
mysql error: (1130, &Host '192.168.160.199' is not allowed to connect to this MySQL server&quot
Traceback (most recent call last):
&&File &get_screen.py&, line 115, in ?
& & get_graph(zabbix_host,username,password,screen,width,height,period,save_graph_path)
&&File &get_screen.py&, line 64, in get_graph
& & for i in mysql_query(&select screenid from screens where name='%s'&%(screen)):
TypeError: iteration over non-sequence
稍有积蓄, 积分 333, 距离下一级还需 167 积分
论坛徽章:0
已经加你QQ. 谢谢!
北京盛拓优讯信息技术有限公司. 版权所有 京ICP备号 北京市公安局海淀分局网监中心备案编号：22
广播电视节目制作经营许可证(京) 字第1234号
中国互联网协会会员&&联系我们：
感谢所有关心和支持过ChinaUnix的朋友们
转载本站内容请注明原作者名及出处