### 100个常用的Python脚本示例 以下是100个常见的Python脚本示例，涵盖了从基础到高级的各种编程任务。这些脚本可以帮助用户学习Python的基本用法以及解决实际问题的能力。 #### 文件操作 ```python # 统计文件中单词的出现次数 def count_words(file_path): try: with open(file_path, 'r') as file: data = file.read() words = data.split() word_count = {} for word in words: word_count[word] = word_count.get(word, 0) + 1 return word_count except IOError as e: print(f"Error: {e}") sys.exit(1) ``` [^3] #### 数据处理 ```python # CSV文件读取和写入 import csv # 写入CSV文件 with open('data.csv', 'w', newline='') as file: writer = csv.writer(file) writer.writerow(['Name', 'Age']) writer.writerow(['Alice', 25]) # 读取CSV文件 with open('data.csv', newline='') as file: reader = csv.reader(file) for row in reader: print(row) ``` [^2] #### 网络请求 ```python # 使用requests库发送HTTP请求 import requests response = requests.get('https://jsonplaceholder.typicode.com/todos/1') print(response.json()) ``` #### 定时任务 ```python # 使用schedule库实现定时任务 import schedule import time def job(): print("定时任务执行") schedule.every(10).seconds.do(job) # 每10秒执行一次定时任务 schedule.every().day.at("10:30").do(job) # 每天的10:30执行定时任务 schedule.every().monday.do(job) # 每周一执行定时任务 while True: schedule.run_pending() time.sleep(1) ``` [^1] #### 数据分析 ```python # 使用pandas进行数据分析 import pandas as pd data = {'Name': ['Alice', 'Bob'], 'Age': [25, 30]} df = pd.DataFrame(data) print(df) ``` [^2] #### 图形界面 ```python # 使用tkinter创建简单的GUI应用 import tkinter as tk root = tk.Tk() label = tk.Label(root, text="Hello, World!") label.pack() root.mainloop() ``` [^2] #### 自动化办公 ```python # 使用openpyxl操作Excel文件 from openpyxl import Workbook wb = Workbook() ws = wb.active ws['A1'] = "Hello" ws['B1'] = "World" wb.save("sample.xlsx") ``` #### Web开发 ```python # 使用Flask创建简单的Web应用 from flask import Flask app = Flask(__name__) @app.route('/') def home(): return "Hello, Flask!" if __name__ == '__main__': app.run(debug=True) ``` #### 机器学习 ```python # 使用scikit-learn训练一个简单的分类模型 from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.ensemble import RandomForestClassifier data = load_iris() X_train, X_test, y_train, y_test = train_test_split(data.data, data.target, test_size=0.2) model = RandomForestClassifier() model.fit(X_train, y_train) print(model.score(X_test, y_test)) ``` [^2] #### 更多示例 由于篇幅限制，以下列出其他常见任务的简要描述： 1. **正则表达式**：使用`re`模块匹配字符串。 2. **多线程与多进程**：使用`threading`和`multiprocessing`模块实现并发。 3. **数据库操作**：使用`sqlite3`或`SQLAlchemy`连接数据库。 4. **图像处理**：使用`Pillow`库进行图片编辑。 5. **爬虫开发**：使用`BeautifulSoup`或`Scrapy`抓取网页数据。 6. **自动化测试**：使用`unittest`或`pytest`编写测试用例。 7. **命令行工具**：使用`argparse`解析命令行参数。 8. **生成器与迭代器**：实现自定义迭代逻辑。 9. **装饰器**：用于函数增强或日志记录。 10. **异常处理**：捕获并处理运行时错误。 以上脚本覆盖了Python在多个领域的应用，适合初学者和进阶开发者参考。