Python开发工具

可以从excel中的详细数据表提取指定工步的最高最低温度，主要用到datafame，先将excel中的详细数据表通过pandas库中的datafame转换成一个python可以读取的数据框架，再通过一系列的条件查询获得需要的数据，最后将数据保持在新的excel表中。

就是想自动化访问数据时，在遇到一些简单特殊的需要验证码登陆的问题，用selenium并且结合第三方库可以自动的进行简单处理这些问题，省去手动操作

项目主要目的为使用 人工智能技术对新闻进行分类，减少人力成本提高效率。 1. 模型主要分为以下5个步骤进行：数据爬取、数据选择与读取、数据摘要与清洗、模型选择、模型训练与评估、模型组合与预测效验。 2. 使用python及其相关科学库如：numpy、pandas等技术开发，选择的算法模型有：词袋模型BOW（Bag of Words）、词向量（Word Embedding）、神经网络，采用交叉验证的方式训练模型，来降低过拟合情况，最后对上述三个模型的结果组合加权平均。 3. 数据爬取主要使用Python requests库。 4. 使用Jieba中文分词库对中文进行分词处理，来完成数据选择与读取。 5. 独立完成TF-IDF算法对处理好的数据进行摘要与清洗。 6. 使用开源TestCNN和TestRNN模型对数据进行处理。

该工具使用python开发，可以实现遍历当前目录所有excel文件中的所有表中查找指定关键字，并标记出来。

GTWR (Geographically and Temporally Weighted Regression) 是一个用于地理和时间加权回归分析的Python包。它适用于需要分析地理和时间数据的研究和应用场景，例如环境科学、城市规划、公共卫生、社会经济研究等。在这些领域，数据的空间和时间维度对于分析结果有着重要的影响，GTWR包通过引入地理和时间权重，能够更加准确地捕捉这些影响，从而为用户提供更为精确和可靠的分析结果。 __init__ 模块: 功能: 初始化包，导入必要的模块和函数，使得包能够被正确加载和使用。 作用: 用户可以直接使用 GTWR 包中的各种功能，无需手动导入各个子模块。 diagnosis 模块: 功能: 提供诊断工具和方法，帮助用户评估模型的性能和准确性。 作用: 用户可以使用该模块进行模型诊断，如残差分析、模型评价指标计算等，确保模型结果的可靠性。 function 模块: 功能: 包含各种辅助函数，这些函数在数据预处理、计算过程中起到重要作用。 作用: 用户可以使用这些函数进行数据操作和处理，简化分析流程，提高工作效率。 kernel 模块: 功能: 提供不

根据屏幕的按键提示，在规定时间内通过按下上、下、左、右按键和格按键完成舞蹈。一旦按错，则需要重新开始按按键，在进度条走完之前按完所有的上下左右键，并在进度条走到下方红色的位置按下空格就完成了一节舞蹈动作，获得对应分数，分数的多少会被空格按下的精准度所影响。开始前可以选择难度，难度越大，时间越快，基础分越高。

根据微医网网站抓取里面医生列表的信息，包括医生姓名, 图片, 职称, 科室, 就诊医院, 擅长, 图文问诊, 视话问诊，医生图片网址。抓取每个医生的具体信息，批量下载医生图片以及批量制作医生名片。 使用的技术包括：requests网络请求，re正则表达式，json数据解析，CSV文件格式文件的读写操作以及docx文档的读写模版的操作

nginx、mysql慢日志分析脚本；Prometheus + grafana监控；docker容器化框架；自动化任务；elk集群…… 如有需要，可免费咨询，可参考csdn 二流运维的博客

全部代码一个人完成，可以实现自动查询， 同时避免了人工手动查询的耗时问题，以及准确率问题。 程序可以加解密。

①性能测试(压力测试):使用LoadRunner和Jmeter进行性能测试，各种检查点，断言，数据参数化，对功能点，以及某些接口进行性能测试，使用Fiddler进行抓包，会根据浏览器和Fiddler抓取的JSON数据，进行配置，可以完全掌握并使用这两个软件对系统或者网站进行测试 ②自动化测试：使用Python脚本语言，会使用selenium自动化测试框架，使用谷歌浏览器，模仿真人操作，对网站或者系统进行测试 ③功能测试：编写测试用例，用于测试系统或网站，写关于本网站或系统的缺陷Bug文档 ④白盒测试：使用Java语言编写，可以进行自动化编写，多为单例测试 ⑤接口测试：使用Postman进行接口测试 本人主要负责代码方面的全部内容：性能测试，自动化测试，白盒测试，接口测试，功能测试也能独立完成（需要时间）

1. 平台功能主要有信息查询工具和渗透测试模块(WEB) 1.1 信息查询模块中包含 分析、查询、和空间测绘引擎（设计待开发）功能，分析功能中有 IP分析、站点分析、域名分析， 1.1.1 IP分析：判断是否为恶意IP、IP归属、运营商、IP类型、IPWhois信息、IP经纬度、IP关联域名(备案信息)、FOFA上IP开放端口和服务等信息、IP历史绑定域名、IP历史存在过的漏洞编号，可用于辅助判断资产归属 1.1.2 站点分析：请求的基本信息【状态码、URL、title、keyword、网站描述、返回长度、网站server】、DNS解析IP(IP归属信息)、网站指纹、基于请求和响应存在的漏洞、URL关联的ICP备案信息、页面中提取到的域名(ICP备案)、提取到的邮箱信息、检测网站是否存在被挂马/暗链内容 1.1.3 域名分析：域名备案信息、nsLookup信息、域名whois信息、待开发... 1.2 渗透测试模块目前只有漏洞利用功能，漏洞利用中支持对指定网站进行单个漏洞的检测，如果存在漏洞，则可以下载漏洞的docx报告，报告中包含url关联的ICP备案信息

模型配置与加载 应用首先定义了一个配置对象detectorConfig，指定了使用ResNet50作为PoseNet的骨干网络，并设置了输入图像的分辨率和其他相关参数。 姿态检测 接收一个已经加载的模型和一个图像元素作为参数，然后使用模型的estimatePoses方法来估计图像中的姿态。这个方法返回一个包含所有检测到的姿态的数组，每个姿态由关键点的坐标和置信度分数组成。 图像上传处理 handleImageUpload函数用来处理用户通过文件输入上传的图像。当用户选择一个图像文件后，该函数使用FileReader API读取文件内容，并将其设置为图像元素的源，以便在网页上显示。 姿态分析按钮 handleAnalyzeButtonClick函数在用户点击“分析”按钮时触发。它首先加载模型，然后对上传的图像进行姿态检测，并调用displayPoses函数来显示检测结果。 绘制关键点和连线 drawKeypoints和drawLines函数分别负责在Canvas上绘制关键点和它们之间的连线。这些函数接收Canvas的上下文、关键点数组和颜色作为参数，然后根据这些参数在Canvas

公司多级代理商在线订购公司产品的小程序以及管理后台。 1. 小程序后端API 包括登录，多级代理商的权限管理模块，商品、订单模块。 2. 后台管理系统，商品管理，权限配置，订单审核，以及财务报表模块。 我主要负责小程序端商品和订单模块的功能开发。 以及财务报表模块和管理系统的后台开发工作。 应用Django+DRF+Redis+MySQL等知识实现系统的构建 应用Pandas+数据库以数据分析技术，实现财务报表模块的API定制化开发。

1、参与接口自动化框架的开发，基于pytest框架，可以跑excel数据化用例及步骤测试用例 2、参与硬件自动化框架的开发，使用com口，及tcp协议控制硬件

用户认证系统：允许用户注册账户、登录和注销。 发布任务：用户能够发布他们需要完成的任务，包括任务的描述、报酬等信息。 浏览任务：其他用户可以浏览当前可用的任务列表，并选择他们感兴趣的任务。 接单功能：用户能够选择并接受任务，系统应该能够更新任务状态以反映任务的进展。 支付功能：一旦任务完成，支付给任务执行者相应的报酬。

1.录音功能： 通过MediaRecorder API接入多媒体设备，如麦克风，结合静默检测功能来识别用户的说话状态。在指定时间内未检测到声音时，使用audioChunks模块记录音频并转换为语音格式，然后上传到后端。在此过程中，之前的录音内容将被清空，以便开始新的录音循环。 2.音频转换： 使用FFmpeg工具去除音频中的静音部分，并将音频转换为16000Hz采样率、16位小端格式编码的单声道音频，以优化音质和文件大小。 3.音频转文字： 利用paddlespeech的语音识别功能，将用户的语音输入准确地转换为文本，以便进行进一步的处理和分析。 4.获取聊天内容： 将转换后的文本通过Kimi API发送，获取智能生成的聊天内容，这些内容将作为聊天机器人的回复。 5.文字转音频： 使用paddlespeech的文本到语音（TTS）功能，将聊天机器人的文本回复转换为清晰的音频内容，供用户听取。 6.消息接收与展示： 在前端界面上展示用户和聊天机器人的交流内容，包括文字和音频消息，提供直观的沟通体验。

目前能够跑通深度学习中目标检测、目标分割、对抗网络的代码，主要对这三个方向比较了解与专攻，几乎有所有的代码，包括一些最新的CVPR的代码，能够实现在自己电脑中训练、推理与部署。曾经尝试郭修改算法结构，使其达到更好的效果。

1、主要模块有： 垃圾检测模块，在无人机巡检的视频中检测出相应的垃圾信息，并反馈给用户 2、我主要负责的工作： 整个程序全部由我负责完成 技术栈： 后端：Python 目标识别：yolov5 前端： Python的 tkinter模块 3 遇到的困难： 主要是垃圾的形状、颜色、大小、都不固定，这给识别目标带来了一定的困难。 解决：通过增加喂给AI模型更多数据、更细致的人工打标签，使得识别率达到了90%以上

负责整个项目技术设计，因为 seo 问题是用 nestjs+ vue+vite,nuxtjs 基于 webpack 打包，这只能使用 vue 模板进行开发，没有 jsx 灵活，所以是用 nestjs 作为服务端服务渲染引擎。 提高研发效率。

1、项目应用于无人车在行进过程中对道路进行正确的识别，便于有效避障 2、功能主要是提取图像信息中的有效特征，实现道路与周围环境的分割，并将道路与环境通过二值图标注出来 3、主要框架为图像增强、特征提取、特征分析、特征降维、贝叶斯多线索融合机制、图像降噪