能参加到这次的百度飞桨七日“Python小白逆袭大神”打卡营是一次偶然的了解得知的这个机会，之前因为课程和基础不够扎实参加到AI实战营没有顺利跟完全程，这一次很开心可以顺利跟上并且结营。下面的内容就简要的总结一下这几天的学习内容和踩过的小坑吧。

本次课程的课程目标：

1.掌握Python的基础语言、进阶知识和常用的深度学习库，能够利用Python爬取数据并进行可视化分析
2.掌握人工智能基础知识、应用，体验人工智能的前沿技术
3.了解飞桨平台及百度AI技术、应用，掌握AI Studio的使用方法

本次课程的安排：

• python基础、人工智能概述

• python进阶学习和深度学习实践

• 深度学习常用Python库介绍

• PaddleHub体验与应用——《青春有你2》五人识别

• EasyDL体验与综合大作业

Day1-人工智能概述与python入门基础

python基础、人工智能概述

第一天的学习是对于python语言和人工智能的一个简单介绍，这部分对于没有什么基础的小白来说还是很友好，实验上应该也比较简单，没有遇到什么大问题，就直接上代码：

• 输出 9*9 乘法口诀表：

def table():
for i in range(1,10):
for j in range(1,i+1):
print("{}*{}={:2} ".format(j,i,i*j), end='')
print('')
if __name__ == '__main__':
table()

• 查找特定文件名称：

#导入OS模块
import os
#待搜索的目录路径
path = "Day1-homework"
#待搜索的名称
filename = "2020"
#定义保存结果的数组
result = []

def findfiles(path):
#在这里写下您的查找文件代码吧！
global index
li=os.listdir(path)

for p in li:
tempPathName=p
pathname=os.path.join(path,p)
if os.path.isdir(pathname):
findfiles(pathname)
elif os.path.isfile(pathname):

if(tempPathName.find(filename)!=-1):
index=0
index=index+1
result=[]
result.append(index)
result.append(pathname)
if(len(result)>0):
print(result)

if __name__ == '__main__':
findfiles(path)

Day2-Python进阶

python进阶学习和深度学习实践

这次实践使用Python来爬取百度百科中《青春有你2》所有参赛选手的信息，对于小白来说可以上手稍微有一点点难度，但跟着课程老师的思路和讲解还是可以克服困难的

爬虫的过程：
1.发送请求（requests模块）
2.获取响应数据（服务器返回）
3.解析并提取数据（BeautifulSoup查找或者re正则）
4.保存数据

一、爬取百度百科中《青春有你2》中所有参赛选手信息，返回页面数据
import json
import re
import requests
import datetime
from bs4 import BeautifulSoup
import os

#获取当天的日期,并进行格式化,用于后面文件命名，格式:20200420
today = datetime.date.today().strftime('%Y%m%d')

def crawl_wiki_data():
"""
爬取百度百科中《青春有你2》中参赛选手信息，返回html
"""
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36'
}
url='https://baike.baidu.com/item/青春有你第二季'

try:
response = requests.get(url,headers=headers)
print(response.status_code)

#将一段文档传入BeautifulSoup的构造方法,就能得到一个文档的对象, 可以传入一段字符串
soup = BeautifulSoup(response.text,'lxml')

#返回的是class为table-view log-set-param的<table>所有标签
tables = soup.find_all('table',{'class':'table-view log-set-param'})

crawl_table_title = "参赛学员"

for table in  tables:
#对当前节点前面的标签和字符串进行查找
table_titles = table.find_previous('div').find_all('h3')
for title in table_titles:
if(crawl_table_title in title):
return table
except Exception as e:
print(e)

二、对爬取的页面数据进行解析，并保存为JSON文件
def parse_wiki_data(table_html):
'''
从百度百科返回的html中解析得到选手信息，以当前日期作为文件名，存JSON文件,保存到work目录下
'''
bs = BeautifulSoup(str(table_html),'lxml')
all_trs = bs.find_all('tr')

error_list = ['\'','\"']

stars = []

for tr in all_trs[1:]:
all_tds = tr.find_all('td')

star = {}

#姓名
star["name"]=all_tds[0].text
#个人百度百科链接
star["link"]= 'https://baike.baidu.com' + all_tds[0].find('a').get('href')
#籍贯
star["zone"]=all_tds[1].text
#星座
star["constellation"]=all_tds[2].text
#身高
star["height"]=all_tds[3].text
#体重
star["weight"]= all_tds[4].text

#花语,去除掉花语中的单引号或双引号
flower_word = all_tds[5].text
for c in flower_word:
if  c in error_list:
flower_word=flower_word.replace(c,'')
star["flower_word"]=flower_word

#公司
if not all_tds[6].find('a') is  None:
star["company"]= all_tds[6].find('a').text
else:
star["company"]= all_tds[6].text

stars.append(star)

json_data = json.loads(str(stars).replace("\'","\""))
with open('work/' + today + '.json', 'w', encoding='UTF-8') as f:
json.dump(json_data, f, ensure_ascii=False)
三、爬取每个选手的百度百科图片，并进行保存
def crawl_pic_urls():
'''
爬取每个选手的百度百科图片，并保存
'''
with open('work/'+ today + '.json', 'r', encoding='UTF-8') as file:
json_array = json.loads(file.read())

headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36'
}
count=0
pic_urls=[]

for star in json_array:

name = star['name']
link = star['link']

#！！！请在以下完成对每个选手图片的爬取，将所有图片url存储在一个列表pic_urls中！！！
response=requests.get(link,headers=headers)
soup=BeautifulSoup(response.text,'lxml')
tables=soup.find_all('div',{'class':'summary-pic'})

for table in tables:
aHref=table.a['href']
album_url="https://baike.baidu.com"+aHref

response=requests.get(album_url,headers=headers)
soup=BeautifulSoup(response.text,'lxml')
pic_list_div=soup.find('div',{'class':'pic-list'})

albumTmages=pic_list_div.find_all('img')

for album_image in albumTmages:
album_image_url=album_image["src"]

pic_urls.append(album_image_url)
count=count+1
print(count)

#！！！根据图片链接列表pic_urls, 下载所有图片，保存在以name命名的文件夹中！！！
down_pic(name,pic_urls)

def down_pic(name,pic_urls):
'''
根据图片链接列表pic_urls, 下载所有图片，保存在以name命名的文件夹中,
'''
path = 'work/'+'pics/'+name+'/'

if not os.path.exists(path):
os.makedirs(path)

for i, pic_url in enumerate(pic_urls):
try:
pic = requests.get(pic_url, timeout=15)
string = str(i + 1) + '.jpg'
with open(path+string, 'wb') as f:
f.write(pic.content)
print('成功下载第%s张图片: %s' % (str(i + 1), str(pic_url)))
except Exception as e:
print('下载第%s张图片时失败: %s' % (str(i + 1), str(pic_url)))
print(e)
continue
四、打印爬取的所有图片的路径
def show_pic_path(path):
'''
遍历所爬取的每张图片，并打印所有图片的绝对路径
'''
pic_num = 0
for (dirpath,dirnames,filenames) in os.walk(path):
for filename in filenames:
pic_num += 1
print("第%d张照片：%s" % (pic_num,os.path.join(dirpath,filename)))
print("共爬取《青春有你2》选手的%d照片" % pic_num)

In[61]
if __name__ == '__main__':

#爬取百度百科中《青春有你2》中参赛选手信息，返回html
html = crawl_wiki_data()

#解析html,得到选手信息，保存为json文件
parse_wiki_data(html)

#从每个选手的百度百科页面上爬取图片,并保存
crawl_pic_urls()

#打印所爬取的选手图片路径
show_pic_path('/home/aistudio/work/pics/')

print("所有信息爬取完成！")

Day3-人工智能常用Python库

深度学习常用Python库介绍

这个模块利用了python对day2的数据进行绘制饼图和柱状图，我觉得特别实用也是能感受到python方便之处的一个重要方面

import matplotlib.pyplot as plt
import numpy as np
import json
import matplotlib.font_manager as font_manager

%matplotlib inline

with open('data/data31557/20200422.json', 'r', encoding='UTF-8') as file:
json_array = json.loads(file.read())

weight_list= []
for star in json_array:
weight = star['weight'].strip('kg')
weight_list.append(weight)
# print(len(weight_list))
# print(weight_list)

weight_label = ['<=45kg', '45~50kg', '50~55kg', '>55kg']
count_list = [0,0,0,0]

for weight in weight_list:
weight=float(weight)
if weight <= 45:
count_list[0]=count_list[0]+1
continue
if weight>45 and weight<=50:
count_list[1]=count_list[1]+1
continue
if weight > 50 and weight <= 55:
count_list[2]=count_list[2]+1
continue
if weight>55:
count_list[3]=count_list[3]+1
continue

print(weight_label)
print(count_list)

plt.figure(figsize=(20,15))
explode = (0, 0.1, 0, 0)
plt.pie(x=count_list ,explode=explode, labels=weight_label,autopct='%1.1f%%', shadow=False, startangle=90)

plt.axis('equal')
plt.legend()
plt.title("The percentage of weight",fontsize = 24)
plt.savefig('/home/aistudio/work/result/pie_result.jpg')
plt.show()

Day4-PaddleHub体验与应用

PaddleHub体验与应用——《青春有你2》五人识别

这次实践需要使用到PaddleHub自制数据集（训练集、验证集）完成对指定的五名选手照片分类，难度稍微就会搞一些，主要是在数据集的制作上，因为我的数据集得出来结果也没有满分，只识别了三个人，就不进行分享了，膜拜其他满分的大佬。

Day5-EasyDL体验与作业发布

EasyDL体验与综合大作业

综合大作业:
第一步：爱奇艺《青春有你2》评论数据爬取
爬取任意一期正片视频下评论
评论条数不少于1000条
第二步：词频统计并可视化展示
数据预处理：清理清洗评论中特殊字符（如：@#￥%、emoji表情符）,清洗后结果存储为txt文档
中文分词：添加新增词（如：青你、奥利给、冲鸭），去除停用词（如：哦、因此、不然、也好、但是）
统计top10高频词
可视化展示高频词
第三步：绘制词云
根据词频生成词云
可选项-添加背景图片，根据背景图片轮廓生成词云
第四步：结合PaddleHub，对评论进行内容审核

这一次的作业应该说对于学下来的总结是一次特别好的锻炼，挑战难度也不小，就分享一下最终的词频统计并可视化展示和词云吧

#去除文本中特殊字符
def clear_special_char(content):
'''
正则处理特殊字符
参数 content:原文本
return: 清除后的文本
'''
s = re.sub(r"</?(.+?)>|&nbsp;|\t|\r","",content)
s = re.sub(r"\n","",s)
s = re.sub(r"\*","\\*",s)
s = re.sub("[^\u4e00-\u9fa5^a-z^A-Z^0-9]","",s)
s = re.sub("[\001\002\003\004\005\006\007\x08\x09\x0a\x0b\x0c\x0d\x0e\x0f\x10\x11\x12\x13\x14\x15\x16\x17\x18\x19\x1a]+","", s)
s = re.sub("[a-zA-Z]","",s)
s = re.sub("^d+(\.\d+)?$","",s)
return s
In[7]
def fenci(text):
'''
利用jieba进行分词
参数 text:需要分词的句子或文本
return：分词结果
'''
jieba.load_userdict('add_word.txt')
seg=jieba.lcut(text,cut_all=False)
return seg
In[8]
def stopwordslist(file_path):
'''
创建停用词表
参数 file_path:停用词文本路径
return：停用词list
'''
stopwords=[line.strip() for line in open(file_path,encoding='UTF-8').readlines()]
return stopwords
In[9]
def movestopwords(sentence,stopwords,counts):
'''
去除停用词,统计词频
参数 file_path:停用词文本路径 stopwords:停用词list counts: 词频统计结果
return：None
'''
out=[]
for word in sentence:
if word not in stopwords:
if len(word)!=1:
counts[word]=counts.get(word,0)+1
return None

In[10]
def drawcounts(counts,num):
'''
绘制词频统计表
参数 counts: 词频统计结果 num:绘制topN
return：none
'''
x_aixs=[]
y_aixs=[]
c_order=sorted(counts.items(),key=lambda x:x[1],reverse=True)
for c in c_order[:num]:
x_aixs.append(c[0])
y_aixs.append(c[1])

matplotlib.rcParams['font.sans-serif']=['simhei']
matplotlib.rcParams['axes.unicode_minus']=False
plt.bar(x_aixs,y_aixs)
plt.title('词频统计结果')
plt.show()

def drawcloud(word_f):
'''
根据词频绘制词云图
参数 word_f:统计出的词频结果
return：none
'''
cloud_mask=np.array(Image.open('111.png'))
st = set(["这是","东西"])

wc=WordCloud(background_color='white',
mask=cloud_mask,
max_words=150,
font_path='simhei.ttf',
min_font_size=10,
max_font_size=100,
width=400,
relative_scaling=0.3,
stopwords=st)
wc.fit_words(word_f)
wc.to_file('pic.png')

display(Image.open('pic.png')) #显示生成的词云图像

这一个就是代码中的小细节问题了，一个逗号就会让你不小心停留二十分钟，千万注意；

如果出现：ValueError: unknown file extension，特别注意文件的后缀名是否正确；

json.loads 和 json.dump的区别：
json.loads(str(data)：将一个JSON编码的字符串转换回一个Python数据结构(通常为字典
json.dump(json_data): 将一个Python数据结构转换为JSON字符串，通常在写文件的时候使用。

Day6-PaddleHub创意赛发布

Day7-课程结营

7天的课程转瞬即逝，认真跟随着百度飞桨的老师们学习收获特别大，在此特别感谢组织学习的工作人员辛苦付出，为百度飞桨PaddlePaddle点赞，希望接下来有更好的课程也能继续学习。
最后，文笔不好写得不对的多多包涵！