### Python在生活中的应用及示例代码 Python作为一种功能强大的编程语言，在日常生活中有许多实用的应用场景。它不仅可以用来完成复杂的科学计算和数据分析任务，还可以轻松解决一些常见的小问题[^3]。 以下是几个具体的例子及其对应的代码实现： #### 1. 文件整理与批量重命名 在生活中，经常需要对大量文件进行管理，比如给照片或其他文档重新命名以便于分类存储。下面是一个简单的脚本，用于批量修改目录下所有文件的名字并加上时间戳前缀。 ```python import os from datetime import datetime directory = './files/' # 替换为目标文件夹路径 timestamp_prefix = datetime.now().strftime('%Y%m%d_%H%M%S') for filename in os.listdir(directory): old_file_path = os.path.join(directory, filename) new_filename = f"{timestamp_prefix}_{filename}" new_file_path = os.path.join(directory, new_filename) os.rename(old_file_path, new_file_path) print(f"Files renamed with prefix {timestamp_prefix}.") ``` 此段代码利用`os`模块遍历指定目录下的每一个文件，并通过字符串拼接的方式为其添加当前日期作为新名称的一部分[^4]。 --- #### 2. 文本提取与清理 假设有一份包含杂乱无章信息的大文本文件，希望从中筛选出特定格式的内容或者去掉多余的空白字符等干扰项，则可以通过正则表达式来快速达成目标。 ```python import re input_text = """ Example text here... Contact us at support@example.com or sales@domain.org. Visit our website https://www.example-site.net/. """ email_pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b' emails_found = re.findall(email_pattern, input_text) cleaned_lines = [] with open('messy_data.txt', 'r') as file: lines = file.readlines() cleaned_lines = [line.strip() for line in lines] print("Emails found:", emails_found) print("Cleaned Lines Count:", len(cleaned_lines)) ``` 这里演示了如何匹配电子邮件地址以及如何去掉每行开头结尾处不必要的空格或制表符[^2]。 --- #### 3. 自动化表格操作 当面对大量的Excel电子表格时，手动输入变得极其耗时低效；而借助第三方库如pandas就可以极大地简化这一过程。 ```python import pandas as pd dataframe = pd.read_excel('source.xlsx') filtered_df = dataframe[dataframe['Status'] == 'Active'] output_filepath = 'active_records.xlsx' filtered_df.to_excel(output_filepath, index=False) print(f"Filtered records saved to '{output_filepath}'.") ``` 上述程序加载了一个现有的Excel工作簿，选取状态列为“活跃”的记录另存为一个新的文件[^1]。 --- #### 4. 数据可视化 为了更直观地展示统计数据趋势变化情况，可以绘制图表辅助分析决策制定。 ```python import matplotlib.pyplot as plt months = ['Jan', 'Feb', 'Mar', 'Apr'] sales_values = [150, 200, 250, 300] plt.bar(months, sales_values, color='blue') plt.title('Monthly Sales Performance') plt.xlabel('Month') plt.ylabel('Sales Value ($)') plt.show() ``` 该片段创建了一张柱状图表示每个月销售额的增长状况[^5]。 ---