A. 如何使用python的Pandas库绘制折线图
我们经常会使用Python的Pandas绘制各种数据图形，那么如何使用它绘制折线图呢？下面我给大家分享一下。
Pycharm
首先我们需要打开Excel软件准备需要的数据，这里多准备几列数据，一列就是一条折线，如下图所示
然后我们打开Pycharm软件，新建Python文件，导入Pandas库，接着将Excel中的数据读取进数据集缓存，如下图所示
接下来我们利用plot方法绘制折线图，如下图所示，这里只添加了一列标题
运行文件以后我们就可以看到折线图显示出来了，但是比较的简单，下面我们逐渐的丰富它
然后在plot方法中将excel里面的多列标题都添加进来，如下图所示
这次在运行文件的时候我们就可以看到折线图上有多条线了，如下图所示
接下来我们在为折线图设置标题，X，Y坐标轴的内容，如下图所示
然后通过plot方法下面的area方法对折线图的空白区域进行叠加填充，如下图所示
最后我们运行完善好后的文件，就可以看到如下图所示的折线图了，到此我们的折线图绘制也就完成了
B. 怎样使用Python图像处理
Python图像处理是一种简单易学，功能强大的解释型编程语言，它有简洁明了的语法，高效率的高层数据结构，能够简单而有效地实现面向对象编程，下文进行对Python图像处理进行说明。
当然，首先要感谢“恋花蝶”，是他的文章“用Python图像处理 ” 帮我坚定了用Python和PIL解决问题的想法，对于PIL的一些介绍和基本操作，可以看看这篇文章。我这里主要是介绍点我在使用过程中的经验。
PIL可以对图像的颜色进行转换，并支持诸如24位彩色、8位灰度图和二值图等模式，简单的转换可以通过Image.convert(mode)函数完 成，其中mode表示输出的颜色模式。例如''L''表示灰度，''1''表示二值图模式等。
但是利用convert函数将灰度图转换为二值图时，是采用固定的阈 值127来实现的，即灰度高于127的像素值为1，而灰度低于127的像素值为0。为了能够通过自定义的阈值实现灰度图到二值图的转换，就要用到 Image.point函数。
深度剖析Python语法功能
深度说明Python应用程序特点
对Python数据库进行学习研究
Python开发人员对Python经验之谈
对Python动态类型语言解析
Image.point函数有多种形式，这里只讨论Image.point(table, mode)，利用该函数可以通过查表的方式实现像素颜色的模式转换。其中table为颜色转换过程中的映射表，每个颜色通道应当有256个元素，而 mode表示所输出的颜色模式，同样的，''L''表示灰度，''1''表示二值图模式。
可见，转换过程的关键在于设计映射表，如果只是需要一个简单的箝位值，可以将table中高于或低于箝位值的元素分别设为1与0。当然，由于这里的table并没有什么特殊要求，所以可以通过对元素的特殊设定实现（0, 255）范围内，任意需要的一对一映射关系。
示例代码如下：
import Image # load a color image im = Image.open(''fun.jpg'') # convert to grey level image Lim = im.convert(''L'') Lim.save(''fun_Level.jpg'') # setup a converting table with constant threshold threshold = 80 table = [] for i in range(256): if i < threshold: table.append(0) else: table.append(1) # convert to binary image by the table bim = Lim.point(table, ''1'') bim.save(''fun_binary.jpg'')
IT部分通常要完成的任务相当繁重但支撑这些工作的资源却很少，这已经成为公开的秘密。任何承诺提高编码效率、降低软件总成本的IT解决方案都应该进行 周到的考虑。Python图像处理所具有的一个显着优势就是可以在企业的软件创建和维护阶段节约大量资金，而这两个阶段的软件成本占到了软件整个生命周期中总成本 的50%到95%。
Python清晰可读的语法使得软件代码具有异乎寻常的易读性，甚至对那些不是最初接触和开发原始项目的程序员都 能具有这样的强烈感觉。虽然某些程序员反对在Python代码中大量使用空格。
不过，几乎人人都承认Python图像处理的可读性远胜于C或者Java，后两 者都采用了专门的字符标记代码块结构、循环、函数以及其他编程结构的开始和结束。提倡Python的人还宣称，采用这些字符可能会产生显着的编程风格差 异，使得那些负责维护代码的人遭遇代码可读性方面的困难。转载
C. 零基础学python怎么打开图片
介绍python中打开图片的流程。
工具/原料
python3.6
pycharm
方法/步骤
首先，导入PIL模块。
然后，存一个图片所在路径变量，本例中图片在py文件所在的目录下，所以使用相对路径时直接用图片名即可。
# 通过图片路径打开图片image = Image.open(path)
# 打印图片信息print(image.size, image.format)
# 设置大小image.thumbnail((100, 200))
# 保存image.save('3.jpg')
END
注意事项
也可以下载第三方模块pillow，方便快速的处理图片
相关教程推荐：Python视频教程以上就是小编分享的关于零基础学python怎么打开图片的详细内容希望对大家有所帮助，更多有关python教程请关注环球青藤其它相关文章！
D. Python 爬虫爬坑路（二）——B站图片，咸鱼的正确 GET 姿势
昨天在写完 入门级爬虫之后 ，马上就迫不及待的着手开始写 B站的图片爬虫了，真的很喜欢这个破站呢 (〜￣△￣)〜
这里不涉及到 Python 爬虫的高级技巧，没有使用框架，没有考虑反爬机制，没有使用异步IO技术，因为这些，我都不会！
我们选定 B站的 动画区 进行测试，打开后我们发现有好多好多图....
但当我们使用 F12 查看这些图片的时候，发现并没有图片的地址...
这就是目前大多网站使用的 Ajax 技术动态加载数据的锅，可遇到这种情况这么办呢？别急别急，我们知道这些图片的地址一定是需要加载的，而目前常见WEB传输数据的基本就是方式 XML 和 Json (其实是我就知道这两种...)，那好我们去看看请求的 XML 和 Json 文件。
以下省略查找过程....
我们发现 B站的图片地址是保存在 Json 里面的，ok，我们保存好这个 json 地址:
https://api.bilibili.com/x/web-interface/dynamic/region?callback=jQuery172071087417824369_1505783866149&jsonp=jsonp&ps=15&rid=24&_=1505783866453
这个是 MAD·AMV 最新动态的 Json 文件，利用上面相同的方法，我们找到 3D区、短片·配音区、综合区 以及 右边排行部分 的相应 json 地址。
好在 Chrome 浏览器提供了一个 Preview 功能，自动帮我们整理好 数据，如下
这样就很清晰啦，我们只需要一层层解析拿到 pic 即可。于是我们这样写：
我们利用 requests 内置的 json 解码器，很不幸，报错：
json.decoder.JSONDecodeError: Expecting value: line 1 column 1 (char 0)
它提示说：解码 Json 数据的时候出了问题，可能是在 第一行 第一列，咦？好奇怪，刚才不是用浏览器看过结构了吗，没毛病啊，怎么还在报错：Σ( ￣□￣||)
别急别急，我们先看看原始的 Json 数据长啥样？用 浏览器打开上面的 json 链接就可以了。
（/TДT)/ 前面的那些字母是干嘛的呀，为什么还有括号啊！
所以我们知道了 Json 解析错误 的原因啦：后面在处理的时候把前面的这部分删掉就好啦，另外我们也发现了 archives 这个关键字，我们在上一张图看见过的哦，有印象吗？啊，你说没有呀，没关系，这里你只需要记着它是一个 List 的数据类型就好了呀！
为了防止被当作是 恶意访问 从而被封 IP，这里我们选择牺牲时间，取巧使用 sleep(x) ，让其等待一段时间之后再发出请求。
你可能会问我，呀，你这个，根本没有代理、没有混淆IP防止反爬、也没有模拟 Ajax 请求动态抓取云云~
那我可以很负责的告诉你，你！走错地方了！你要找的技术贴出门右拐！（￣へ￣）
我们恰巧使用的是 B站的 Ajax 技术，只要哪个视频有了最新评论(或者是一下其它的条件)，就会使用 Ajax 将最新的数据取出来。就像下面这样：
所以可能在访问人数多的时候，更新越快，越有可能获得更多不同的图片啦！
之后你就可以在吃饭的时候，把它挂起，然后吃饭回来就会发现有好多好多的图片！(=・ω・=)
之后会陆续的更新自己爬虫的爬坑过程，希望能够找到小伙伴一起学习呀！
E. 如何使用python在一张图片上画左上角到右下角的对角线请提供详细代码 谢谢！
#-*-coding:utf-8-*-
fromPILimportImage
importImageDraw
#打开图像
img=Image.open('i.jpg')
img_d=ImageDraw.Draw(img)
#两个参数，前面是x,y坐标，后面是颜色
img_d.line(((0,0),img.size),(0,0,0))
#保存图片
img.save('ii.jpg')
自己看看PIL库吧
F. 10 个 Python 图像编辑工具
以下提到的这些 Python 工具在编辑图像、操作图像底层数据方面都提供了简单直接的方法。
-- Parul Pandey
当今的世界充满了数据，而图像数据就是其中很重要的一部分。但只有经过处理和分析，提高图像的质量，从中提取出有效地信息，才能利用到这些图像数据。
常见的图像处理操作包括显示图像，基本的图像操作，如裁剪、翻转、旋转；图像的分割、分类、特征提取；图像恢复；以及图像识别等等。Python 作为一种日益风靡的科学编程语言，是这些图像处理操作的最佳选择。同时，在 Python 生态当中也有很多可以免费使用的优秀的图像处理工具。
下文将介绍 10 个可以用于图像处理任务的 Python 库，它们在编辑图像、查看图像底层数据方面都提供了简单直接的方法。
scikit-image 是一个结合 NumPy 数组使用的开源 Python 工具，它实现了可用于研究、教育、工业应用的算法和应用程序。即使是对于刚刚接触 Python 生态圈的新手来说，它也是一个在使用上足够简单的库。同时它的代码质量也很高，因为它是由一个活跃的志愿者社区开发的，并且通过了 同行评审(peer review)。
scikit-image 的 文档 非常完善，其中包含了丰富的用例。
可以通过导入 skimage 使用，大部分的功能都可以在它的子模块中找到。
图像滤波(image filtering)：
使用 match_template() 方法实现 模板匹配(template matching)：
在 展示页面 可以看到更多相关的例子。
NumPy 提供了对数组的支持，是 Python 编程的一个核心库。图像的本质其实也是一个包含像素数据点的标准 NumPy 数组，因此可以通过一些基本的 NumPy 操作（例如切片、 掩膜(mask)、 花式索引(fancy indexing)等），就可以从像素级别对图像进行编辑。通过 NumPy 数组存储的图像也可以被 skimage 加载并使用 matplotlib 显示。
在 NumPy 的 官方文档 中提供了完整的代码文档和资源列表。
使用 NumPy 对图像进行 掩膜(mask)操作：
像 NumPy 一样， SciPy 是 Python 的一个核心科学计算模块，也可以用于图像的基本操作和处理。尤其是 SciPy v1.1.0 中的 scipy.ndimage 子模块，它提供了在 n 维 NumPy 数组上的运行的函数。SciPy 目前还提供了 线性和非线性滤波(linear and non-linear filtering)、 二值形态学(binary morphology)、 B 样条插值(B-spline interpolation)、 对象测量(object measurements)等方面的函数。
在 官方文档 中可以查阅到 scipy.ndimage 的完整函数列表。
使用 SciPy 的 高斯滤波 对图像进行模糊处理：
PIL (Python Imaging Library) 是一个免费 Python 编程库，它提供了对多种格式图像文件的打开、编辑、保存的支持。但在 2009 年之后 PIL 就停止发布新版本了。幸运的是，还有一个 PIL 的积极开发的分支 Pillow ，它的安装过程比 PIL 更加简单，支持大部分主流的操作系统，并且还支持 Python 3。Pillow 包含了图像的基础处理功能，包括像素点操作、使用内置卷积内核进行滤波、颜色空间转换等等。
Pillow 的 官方文档 提供了 Pillow 的安装说明自己代码库中每一个模块的示例。
使用 Pillow 中的 ImageFilter 模块实现图像增强：
OpenCV（Open Source Computer Vision 库）是计算机视觉领域最广泛使用的库之一， OpenCV-Python 则是 OpenCV 的 Python API。OpenCV-Python 的运行速度很快，这归功于它使用 C/C++ 编写的后台代码，同时由于它使用了 Python 进行封装，因此调用和部署的难度也不大。这些优点让 OpenCV-Python 成为了计算密集型计算机视觉应用程序的一个不错的选择。
入门之前最好先阅读 OpenCV2-Python-Guide 这份文档。
使用 OpenCV-Python 中的 金字塔融合(Pyramid Blending)将苹果和橘子融合到一起：
SimpleCV 是一个开源的计算机视觉框架。它支持包括 OpenCV 在内的一些高性能计算机视觉库，同时不需要去了解 位深度(bit depth)、文件格式、 色彩空间(color space)之类的概念，因此 SimpleCV 的学习曲线要比 OpenCV 平缓得多，正如它的口号所说，“将计算机视觉变得更简单”。SimpleCV 的优点还有：
官方文档 简单易懂，同时也附有大量的学习用例。
文档 包含了安装介绍、示例以及一些 Mahotas 的入门教程。
Mahotas 力求使用少量的代码来实现功能。例如这个 Finding Wally 游戏 ：
ITK （Insight Segmentation and Registration Toolkit）是一个为开发者提供普适性图像分析功能的开源、跨平台工具套件， SimpleITK 则是基于 ITK 构建出来的一个简化层，旨在促进 ITK 在快速原型设计、教育、解释语言中的应用。SimpleITK 作为一个图像分析工具包，它也带有 大量的组件 ，可以支持常规的滤波、图像分割、 图像配准(registration)功能。尽管 SimpleITK 使用 C++ 编写，但它也支持包括 Python 在内的大部分编程语言。
有很多 Jupyter Notebooks 用例可以展示 SimpleITK 在教育和科研领域中的应用，通过这些用例可以看到如何使用 Python 和 R 利用 SimpleITK 来实现交互式图像分析。
使用 Python + SimpleITK 实现的 CT/MR 图像配准过程：
pgmagick 是使用 Python 封装的 GraphicsMagick 库。 GraphicsMagick 通常被认为是图像处理界的瑞士军刀，因为它强大而又高效的工具包支持对多达 88 种主流格式图像文件的读写操作，包括 DPX、GIF、JPEG、JPEG-2000、PNG、PDF、PNM、TIFF 等等。
pgmagick 的 GitHub 仓库 中有相关的安装说明、依赖列表，以及详细的 使用指引 。
图像缩放：
边缘提取：
Cairo 是一个用于绘制矢量图的二维图形库，而 Pycairo 是用于 Cairo 的一组 Python 绑定。矢量图的优点在于做大小缩放的过程中不会丢失图像的清晰度。使用 Pycairo 可以在 Python 中调用 Cairo 的相关命令。
Pycairo 的 GitHub 仓库 提供了关于安装和使用的详细说明，以及一份简要介绍 Pycairo 的 入门指南 。
使用 Pycairo 绘制线段、基本图形、 径向渐变(radial gradients)：
以上就是 Python 中的一些有用的图像处理库，无论你有没有听说过、有没有使用过，都值得试用一下并了解它们。
via: https://opensource.com/article/19/3/python-image-manipulation-tools
作者： Parul Pandey 选题： lujun9972 译者： HankChow 校对： wxy
G. ❤️【Python从入门到精通】（二十七）更进一步的了解Pillow吧！
本文是接上一篇 ❤️【Python从入门到精通】（二十六）用Python的PIL库（Pillow）处理图像真的得心应手❤️ 进一步介绍Pillow库的使用， 本文将重点介绍一些高级特性：比如如何利用Pillow画图形（圆形，正方形），介绍通过Pillow库给图片添加水印；同时对上一篇文章未介绍的常用知识点进行补充说明。希望对读者朋友们有所帮助。
上一篇文章已经介绍了Image模块，但是介绍的还不够全面，例如如何从网页中读取图片没有介绍到，如何裁剪图片都没有介绍到。
读取网页中的图片的基本实现方式是：首先利用requests库读取当前图片链接的内容，接着将内容转成二进制数据，在通过open方法将该二进制数据，最后通过save方法进行保存。
读取结果是：
通过crop方法可以从图片中裁剪出一个指定大小的区域。裁取的区域范围是 (left, upper, right, lower) 比如从某个宽高都是400的图片中裁剪一个是宽高都是100的正方形区域，只需要指定裁剪区域的坐标是: (0, 0, 100, 100)
有裁剪还有一个方法就是重新设置图片大小的方法 resize，比如将前面400 400的图片 修改成 300 200，只需要调用resize方法
通过 convert方法进行图片模式的转换
前面介绍的ImageDraw库，只是介绍了利用它来向图片写入文本，其实ImageDraw模块还有一个更有用的途径，就是可以通过它来画各种图形。
首先创建一个600*600的画布。然后再画布中画出一个正方形，画直线的方法是 line方法。
ImageDraw.line(xy, fill=None, width=0, joint=None)
在xy的坐标之间画一条直线
xy--> 在两个坐标点之间画一条直线，坐标点的传入方式是[(x, y), (x, y), ...]或者[x, y, x, y, ...]
fill--> 直线的颜色
width--> 直线的宽度
画一个边框宽度为2px，颜色为蓝色的，面积为400*400的正方形。
ImageDraw.arc(xy, start, end, fill=None, width=0)
在给定的区域范围内，从开始角到结束角之间绘制一条圆弧
xy--> 定义边界框的两个点，传入的格式是[ (x0, y0), (x1, y1)] 或者 [x0, y0, x1, y1] ，其中 x1>=x0,y1>=y0
start --> 起始角度，以度为单位，从3点钟开始顺时针增加
end--> 结束角度，以度为单位
fill--> 弧线的颜色
width-->弧线的宽度
这里就是画了一个半圆，如果结束角度是360度的话则就会画一个完整的圆。
画圆通过ImageDraw.ellipse(xy, fill=None, outline=None, width=1) 方法，该方法可以画出一个给定范围的圆
xy--> 定义边界框的两个点，传入的格式是[ (x0, y0), (x1, y1)] 或者 [x0, y0, x1, y1] ，其中 x1>=x0,y1>=y0
outline--> 轮廓的颜色
fill ---> 填充颜色
width--> 轮廓的宽度
ImageDraw.chord(xy, start, end, fill=None, outline=None, width=1) 方法用来画半圆，跟arc()方法不同的是它会用直线将起始点和结束点连接起来
xy--> 定义边界框的两个点，传入的格式是[ (x0, y0), (x1, y1)] 或者 [x0, y0, x1, y1] ，其中 x1>=x0,y1>=y0
outline--> 轮廓的颜色
fill ---> 填充颜色
width--> 轮廓的宽度
ImageDraw.pieslice(xy, start, end, fill=None, outline=None, width=1)
类似于arc()方法，不过他会在端点和圆点之间画直线
xy--> 定义边界框的两个点，传入的格式是[ (x0, y0), (x1, y1)] 或者 [x0, y0, x1, y1] ，其中 x1>=x0,y1>=y0
start --> 起始角度，以度为单位，从3点钟开始顺时针增加
end--> 结束角度，以度为单位
fill--> 弧线的颜色
width-->弧线的宽度
ImageDraw.rectangle(xy, fill=None, outline=None, width=1)
xy--> 在两个坐标点之间画一条直线，坐标点的传入方式是[(x, y), (x, y), ...]或者[x, y, x, y, ...]
outline--> 轮廓的颜色
fill--> 填充的颜色
width--> 轮廓线的宽度
ImageDraw.rounded_rectangle(xy, radius=0, fill=None, outline=None, width=1) 该方法可以画一个圆角矩形
xy--> 在两个坐标点之间画一条直线，坐标点的传入方式是[(x, y), (x, y), ...]或者[x, y, x, y, ...]
radius--> 角的半径
outline--> 轮廓的颜色
fill--> 填充的颜色
width--> 轮廓线的宽度
这里有个问题，就是画好的图形如何从Image中扣出来呢？
ImageEnhance模块主要是用于设置图片的颜色对比度亮度锐度等啥的，增强图像。
原始图像
ImageFilter模块主要用于对图像进行过滤，增强边缘，模糊处理，该模块的使用方式是 im.filter(ImageFilter) 。
其中ImageFilter按照需求传入指定的过滤值。
下面一个个试下效果
4.边缘增强
ImageGrab模块主要用于对屏幕进行截图，通过grab方法进行截取，如果不传入任何参数则表示全屏幕截图，否则是截取指定区域的图像。其中box格式是：(x1,x2,y1,y2)
利用Pillow库可以轻易的对图像增加水印
首先，用PIL的Image函数读取图片
接着，新建一张图(尺寸和原图一样)
然后，在新建的图象上用PIL的ImageDraw把字给画上去，字的颜色从原图处获取。
原图
添加文字后的效果图
本文详细介绍了Pillow库的使用，希望对读者朋友们有所帮助。
Pillow官方文档
需要获取源码的小伙伴可以关注下方的公众号，回复【python】
H. 如何使用python在一张图片上画横线和竖线，线条之间相隔10个像素请提供详细代码谢谢！！
#-*-coding:utf-8-*-
__author__='lpe234'
__date__='2015-1-14'
fromPILimportImage
importImageDraw
#打开图像
img=Image.open('i.jpg')
img_d=ImageDraw.Draw(img)
#获取图片的x轴，y轴像素
x_len,y_len=img.size
forxinrange(0,x_len,10):
img_d.line(((x,0),(x,y_len)),(0,0,0))
foryinrange(0,y_len,10):
img_d.line(((0,y),(x_len,y)),(0,0,0))
#保存图片
img.save('ii.jpg')