Python項目開發(fā)實戰(zhàn)

第1章  AI人機對戰(zhàn)版五子棋游戲 (AI pygame實現(xiàn)) 1
1.1  項目介紹 2
1.2  系統(tǒng)架構分析 2
1.2.1  五子棋的基本棋型 2
1.2.2  功能模塊 5
1.3  具體實現(xiàn) 6
1.3.1  設置基礎參數(shù) 6
1.3.2  繪制棋盤 6
1.3.3  實現(xiàn)AI功能 8
1.3.4  實現(xiàn)按鈕功能 15
1.3.5  重寫功能 17
第2章  在線商城系統(tǒng)(Django Mezzanine Cartridge實現(xiàn)) 21
2.1  項目介紹 22
2.2  項目規(guī)劃分析 23
2.2.1  電子商務的簡要介紹 23
2.2.2  在線博客 商城系統(tǒng)構成模塊 23
2.3  規(guī)劃項目文件 24
2.4  使用第三方庫Mezzanine和Cartridge 25
2.4.1  使用庫Mezzanine 25
2.4.2  使用庫Cartridge 28
2.5  實現(xiàn)基本功能 31
2.5.1  項目配置 31
2.5.2  后臺模塊 32
2.5.3  博客模塊 33
2.5.4  商品展示模塊 38
2.6  在線購物 41
2.6.1  購物車頁面 41
2.6.2  訂單詳情頁面 43
2.6.3  在線支付頁面 46
2.6.4  訂單確認頁面 46
2.6.5  訂單完成發(fā)送提醒郵件 48
第3章  房產(chǎn)價格數(shù)據(jù)可視化分析系統(tǒng) (網(wǎng)絡爬蟲 MySQL pylab 實現(xiàn)) 51
3.1  背景介紹 52
3.2  需求分析 52
3.3  模塊架構 52
3.4  系統(tǒng)設置 53
3.4.1  選擇版本 53
3.4.2  保存日志信息 54
3.4.3  設置保存文件夾 54
3.4.4  設置爬取城市 55
3.4.5  處理區(qū)縣信息 57
3.5  破解反爬機制 59
3.5.1  定義爬蟲基類 59
3.5.2  瀏覽器用戶代理 60
3.5.3  在線IP代理 61
3.6  爬蟲抓取信息 61
3.6.1  設置解析元素 61
3.6.2  爬取二手房信息 62
3.6.3  爬取樓盤信息 66
3.6.4  爬取小區(qū)信息 68
3.6.5  爬取租房信息 72
3.7  數(shù)據(jù)可視化 77
3.7.1  爬取數(shù)據(jù)并保存到數(shù)據(jù)庫 77
3.7.2  可視化濟南市房價貴的4個小區(qū) 81
3.7.3  可視化濟南市主要行政區(qū)的房價均價 82
3.7.4  可視化濟南市主要行政區(qū)的房源數(shù)量 83
3.7.5  可視化濟南市各區(qū)的房源數(shù)量所占百分比 84
第4章  招聘信息實時數(shù)據(jù)分析系統(tǒng) (網(wǎng)絡爬蟲 Flask Highcharts MySQL實現(xiàn)) 87
4.1  系統(tǒng)背景介紹 88
4.2  系統(tǒng)架構分析 88
4.3  系統(tǒng)設置 89
4.4  網(wǎng)絡爬蟲 89
4.4.1  建立和數(shù)據(jù)庫的連接 90
4.4.2  設置HTTP請求頭User-Agent 90
4.4.3  抓取信息 91
4.4.4  將抓取的信息添加到數(shù)據(jù)庫 92
4.4.5  處理薪資數(shù)據(jù) 93
4.4.6  清空數(shù)據(jù)庫數(shù)據(jù) 94
4.4.7  執(zhí)行爬蟲程序 94
4.5  信息分離統(tǒng)計 94
4.5.1  根據(jù)“工作經(jīng)驗”分析數(shù)據(jù) 95
4.5.2  根據(jù)“工作地區(qū)”分析數(shù)據(jù) 96
4.5.3  根據(jù)“薪資水平”分析數(shù)據(jù) 97
4.5.4  根據(jù)“學歷水平”分析數(shù)據(jù) 98
4.6  數(shù)據(jù)可視化 99
4.6.1  Flask Web架構 99
4.6.2  Web主頁 101
4.6.3  數(shù)據(jù)展示頁面 102
4.6.4  數(shù)據(jù)可視化頁面 104
第5章  基于深度學習的AI人臉識別系統(tǒng)(Flask OpenCV-Python Keras Sklearn實現(xiàn)) 109
5.1  人工智能基礎 110
5.1.1  人工智能介紹 110
5.1.2  人工智能的發(fā)展歷程 110
5.1.3  和人工智能相關的幾個重要概念 111
5.2  機器學習基礎 112
5.2.1  機器學習介紹 112
5.2.2  機器學習的三個發(fā)展階段 113
5.2.3  機器學習的分類 113
5.2.4  深度學習和機器學習的對比 114
5.3  人工智能的研究領域和應用場景 115
5.3.1  人工智能的研究領域 115
5.3.2  人工智能的應用場景 116
5.4  系統(tǒng)需求分析 117
5.4.1  系統(tǒng)功能分析 117
5.4.2  實現(xiàn)流程分析 117
5.4.3  技術分析 118
5.5  照片樣本采集 119
5.6  深度學習和訓練 120
5.6.1  原始圖像預處理 120
5.6.2  構建人臉識別模塊 122
5.7  人臉識別 126
5.8  Flask Web人臉識別接口 127
5.8.1  導入庫文件 127
5.8.2  識別上傳照片 128
5.8.3  在線識別 129
第6章  在線生鮮商城系統(tǒng)(Django Vue 新浪微博賬號登錄 支付寶支付) 131
6.1  系統(tǒng)背景介紹 132
6.2  功能需求分析 132
6.3  準備工作 134
6.3.1  用到的庫 134
6.3.2  準備Vue環(huán)境 134
6.3.3  創(chuàng)建應用 135
6.3.4  系統(tǒng)配置 136
6.4  設計數(shù)據(jù)庫 139
6.4.1  為users應用創(chuàng)建Model模型 139
6.4.2  為goods應用創(chuàng)建Model模型 140
6.4.3  為trade應用創(chuàng)建Model模型 145
6.4.4  為user_operation應用創(chuàng)建Model模型 147
6.4.5  生成數(shù)據(jù)庫表 149
6.5  使用Restful API 150
6.5.1  商品列表序列化 150
6.5.2  在前端展示左側(cè)分類、排序、商品列表和分頁 158
6.6  登錄認證 162
6.6.1  使用DRF Token認證 162
6.6.2  使用JWT認證 164
6.6.3  增加用戶名和手機號短信驗證登錄功能 167
6.6.4  注冊會員和退出登錄 172
6.6.5  微博賬戶登錄 176
6.6.6  social-app-django 集成第三方登錄 180
6.7  支付寶支付 182
6.7.1  配置支付寶的沙箱環(huán)境 183
6.7.2  編寫程序 185
6.8  測試程序 193
第7章  民宿信息可視化分析系統(tǒng) (網(wǎng)絡爬蟲 Django Echarts可視化) 195
7.1  系統(tǒng)背景介紹 196
7.2  爬蟲抓取信息 196
7.2.1  系統(tǒng)配置 196
7.2.2  Item處理 197
7.2.3  具體爬蟲 198
7.2.4  破解反扒字體加密 198
7.2.5  下載器中間件 200
7.2.6  保存爬蟲信息 204
7.3  數(shù)據(jù)可視化 207
7.3.1  數(shù)據(jù)庫設計 208
7.3.2  視圖顯示 210
第8章  實時疫情監(jiān)控系統(tǒng)(騰訊API接口 Seaborn matplotlib實現(xiàn)) 215
8.1  背景介紹 216
8.2  系統(tǒng)分析 216
8.2.1  需求分析 216
8.2.2  數(shù)據(jù)分析 216
8.3  具體實現(xiàn) 217
8.3.1  列出統(tǒng)計的省和地區(qū)的名字 217
8.3.2  查詢并顯示各地的實時確診數(shù)據(jù) 218
8.3.3  繪制實時全國疫情確診數(shù)對比圖 219
8.3.4  繪制實時確診人數(shù)、新增確診人數(shù)、死亡人數(shù)、治愈人數(shù)對比圖 220
8.3.5  將實時疫情數(shù)據(jù)保存到CSV文件 223
8.3.6  繪制國內(nèi)實時疫情統(tǒng)計圖 226
8.3.7  可視化實時疫情的詳細數(shù)據(jù) 227
8.3.8  繪制實時疫情信息統(tǒng)計圖 230
8.3.9  繪制本年度國內(nèi)疫情曲線圖 231
8.3.10  統(tǒng)計山東省的實時疫情數(shù)據(jù) 232
8.3.11  繪制山東省實時疫情數(shù)據(jù)統(tǒng)計圖 235
第9章  個人博客系統(tǒng)(Flask TinyDB實現(xiàn)) 239
9.1  博客系統(tǒng)介紹 240
9.2  可行性分析 240
9.2.1  技術可行性分析：使用TinyDB 240
9.2.2  系統(tǒng)基本要求 241
9.2.3  可行性分析總結 241
9.3  具體實現(xiàn) 242
9.3.1  系統(tǒng)設置 242
9.3.2  后臺管理 246
9.3.3  登錄認證管理 247
9.3.4  前臺日志展示 251
9.3.5  系統(tǒng)模板 255
第10章  電影票房數(shù)據(jù)可視化系統(tǒng) (網(wǎng)絡爬蟲 MySQL Pandas實現(xiàn)) 263
10.1  需求分析 264
10.2  模塊架構 264
10.3  爬蟲抓取數(shù)據(jù) 265
10.3.1  分析網(wǎng)頁 265
10.3.2  破解反爬 266
10.3.3  構造請求頭 269
10.3.4  實現(xiàn)具體爬蟲功能 270
10.3.5  將爬取的信息保存到數(shù)據(jù)庫 272
10.4  數(shù)據(jù)可視化分析 273
10.4.1  電影票房TOP10 273
10.4.2  電影評分TOP10 275
10.4.3  電影人氣TOP10 276
10.4.4  每月電影上映數(shù)量 278
10.4.5  每月電影票房 279
10.4.6  中外票房對比 280
10.4.7  名利雙收TOP10 282
10.4.8  叫座不叫好TOP10 283
10.4.9  電影類型分布 284
第11章  大型3D槍戰(zhàn)類冒險游戲 (Panda3D實現(xiàn)) 287
11.1  行業(yè)背景介紹 288
11.2  功能模塊介紹 288
11.3  系統(tǒng)配置 289
11.3.1  全局信息 289
11.3.2  初始信息 289
11.3.3  音效信息 290
11.3.4  地圖紋理 291
11.3.5  實現(xiàn)HUD模塊 292
11.3.6  游戲入口 294
11.4  創(chuàng)建精靈 294
11.4.1  主角精靈類Avatar 294
11.4.2  屬性信息 297
11.4.3  選擇穿戴著裝 298
11.5  調(diào)試運行 303
第12章  AI人臉識別簽到打卡系統(tǒng) (PyQt5 百度智能云 OpenCV-Python SQLite3實現(xiàn)) 305
12.1  需求分析 306
12.1.1  背景介紹 306
12.1.2  任務目標 306
12.2  模塊架構 307
12.3  使用Qt Designer實現(xiàn)主窗口界面 307
12.3.1  設計系統(tǒng)UI主界面 307
12.3.2  將Qt Designer文件轉(zhuǎn)換為Python文件 309
12.4  簽到打卡、用戶操作和用戶組操作 312
12.4.1  使用百度AI之前的準備工作 312
12.4.2  設計UI界面 315
12.4.3  創(chuàng)建攝像頭類 318
12.4.4  UI界面的操作處理 319
12.4.5  多線程操作和人臉識別 328
12.4.6  導出打卡簽到信息 332
12.5  調(diào)試運行 334