分享12个Python项目教程，看完随便拿！
你将学习到如何用Python的图形处理库，将一张图片转化为字符画。
最终效果图如下：
我们在学习过程中最容易犯的一个错误就是：看的多，动手的少。特别是对一些项目的整体开发，我们接触的机会就更少了。
一次完整的开发，是最好的学习。它能让你对整个开发流程有完整的认识，对知识也会有极大的巩固。更重要的是，你将学会将理论知识用到实际开发中的方法。
所以无论项目大小，一定要动手去进行开发学习。
这篇文章，就是给那些找不到Python项目开发教程的人，以及不知道Python可以开发什么的人的。
下面的这些项目，大家可以一边动手操作，一边学习，相信会对你的Python技术有不小的提高。
Python3实现火车票查询工具
使用 Python3 抓取 12306 网站信息提供一个命令行的火车票查询工具。通过该项目的实现，可以熟悉 Python3 基础及网络编程，以及 docopt，requests，prettytable 等库的使用。
用Python写爬虫很方便，下面的两门课程都和爬虫有关。它们都相当实用，一个关乎出行，一个关乎你的幸福......
Python3实现火车票查询工具很适合用来入门爬虫。你将学习到爬虫最重要的两个步骤——数据的爬取和数据可视化。完成项目后，你只需要敲一行命令就能获得你想要的车票信息，墙裂推荐各位小伙伴学习。
效果如图：
当你想查询一下火车票信息的时候，你还在上 12306 官网吗？或是打开你手机里的 APP？
下面让我们来用 Python 写一个命令行版的火车票查看器， 只要在命令行敲一行命令就能获得你想要的火车票信息！如果你刚掌握了 Python 基础，这将是个不错的小练习。
- Python 基础知识的综合运用
- docopt、requests、colorama 及 prettytable 库的使用
- setuptools 的使用
Python3实现淘女郎照片爬虫
每一个老司机都和这门课相见恨晚。它的标题可能吸引不了你，但请直接看效果：
这是一个很普通的页面，你可以把它换成任何网站。
完成爬取后，效果如下：
8个多G的美女图片，按文件夹、姓名、地点整整齐齐地排列在那，不喜不悲......整个过程20分钟完成，在你自己的环境中会更快。
本项目通过使用 Python 实现一个淘女郎图片收集爬虫，学习并实践 BeautifulSoup、Selenium Webdriver 及正则表达式等知识。在项目开发过程中采用瀑布流开发模型。
- Python3 编程
- 使用 BeautifulSoup 解析 HTML 页面
- 使用 Selenium Webdriver 爬取 Web 页面
- 使用正则表达式提取所需的关键信息
Python基于共现提取 《釜山行》人物关系
这个课比较简单，通过Python分析「 釜山行 」的剧本，绘制出一份人物关系图。你将学到如何用Python分析和提取数据、用Gephi软件使提取的数据可视化。
最终效果图如下：
当然，毕竟是电影，人物关系较少。嫌不过瘾的同学，请下课后拿「 冰与火之歌 」练手。
《釜山行》是一部丧尸灾难片，其人物少、关系简单，非常适合我们学习文本处理。这个项目将介绍共现在关系中的提取，使用python编写代码实现对《釜山行》文本的人物关系提取，最终利用Gephi软件对提取的人物关系绘制人物关系图。
- 共现网络的基本原理
- Python代码对《釜山行》中人物关系提取的具体实现
- jieba库的基本使用
- Gephi软件的基本使用
Python图片转字符化
这门课非常可怕，在实验楼已经有32462人学过......它非常简单，但效果却十分炫酷，装逼指数爆棚。你将学习到如何用Python的图形处理库，将一张图片转化为字符画。
最终效果图如下：
效果图中的字符为蓝色，你还可以通过调整，增加更多的颜色，使字符画更像原图。
本课程讲述怎样使用 Python 将图片转为字符画。
- Linux 命令行操作
- Python 基础
- pillow 库的使用
- argparse 库的使用
Python3的图片隐写术
上面的课程教你把图片变得炫酷，这个课程就教你把图片里的信息隐藏。
隐写术到底是什么，这里给大家讲个故事吧：
2012年大众点评和食神网的竞争非常激烈，后者开始大规模地爬取前者的数据，主要是图片。大众点评没有走中国的司法流程，而是直接向APP STORE提交了证据，使食神的APP下架2次。这些证据就是食神爬取的图片，图片中用隐写术嵌入了大众点评的版权信息！
这是如何实现的呢？
下面有一张lenna的图片:
提取该图片的绿色分量：
取绿色分量的最低位，如果是1就设置图片为绿,是0设为黑。
你将看到隐藏的信息:"Steganography"。 大众点评正是利用了这些信息向苹果公司证明了图片的来源，最终保护了公司的利益。
6不6？想不想学？这是课程的效果图：
以看到这两个蓝胖子几乎一模一样，但有一只却真实隐藏了数据在里面。
用Python实现图片隐写术。
知识点：
- Pillow 模块
- 最低有效位
- lambda 表达式递归
- UTF-8 编码
神经网络实现人脸识别任务
作为一名程序员，你不可能没听过大数据、人工智能、人脸识别这些名词。这个项目将告诉你，这些名词离你都并不遥远，通过Python，你可以零距离地完成一个人脸识别的项目。
我们将利用在基于无监督学习的自编码器实现 课程中介绍过的自编码器，实现对耶鲁大学人脸数据库B+中的人脸图片数据进行降维，再利用降维后的人脸数据进行有监督神经网络学习进行分类器训练，最终达到人脸识别的目的。
- 人脸识别
- 人脸数据库
- 数据降维
Python破解验证码
大家用爬虫爬取数据时，验证码都是绕不过去的一关。这个项目将带你用Python破解验证码的玄机！
效果如图：
生活中，我们在登录微博，邮箱的时候，常常会碰到验证码。在工作时，如果想要爬取一些数据，也会碰到验证码的阻碍。本次试验将带领大家认识验证码的一些特性，并利用 Python 中的 pillow 库完成对验证码的破解。
- Python基本知识
- PIL模块的使用
高德API+Python解决租房问题
我们需要考虑通勤范围来选地段，由于对交通的不熟悉，只有选择自己附近的较贵的地段，花了很多时间阅览赶集或者58里的个人房源信息，然而个人房源信息中仍充斥着大量中介，抱着一点希望打了几个电话，得到的回答都是这个价位根本租不到，再高点也租不到（大都与发布的房源信息不符），于是就有了这个租房脚本和课程。
总结
- 学习了技术，增长了知识，就能找到好工作，找到好工作就能有钱。
- 这次选的房源信息来自58的品牌公寓馆，所以没有那种小中介，价位就我和我室友来说可以接受。其实可以做个分类器过滤赶集上的中介来找低价个人房源的，有需要的同学可以试一下。
- 通勤范围在地图上圈出，解决了对交通路线不熟悉的问题
- 本课程是单人版的，但代码中只要删掉一个语句就能当多人用了（但是路径规划的功能是只能给一个人用）。如果是直接拿来多人用的话，还是开多个页面比较好。
效果如下：
我们将编写Python脚本爬取某租房网站的房源信息，利用高德的 js API 在地图上标出房源地点，划出距离工作地点1小时内可到达的范围，附上公交路径规划功能查看不同路径的用时。
- requests、BeautifulSoup、csv 等库的简单使用
- 高德地图 Javascript API 的使用
Python3色情图片识别
使用 Python3 去识别图片是否为色情图片，我们会使用到 PIL 这个图像处理库，会编写算法来划分图像的皮肤区域。其中涉及到Python 3 基础知识，肤色像素检测与皮肤区域划分算法，Pillow及argparse的使用。
最终效果图如下：
使用 Python3 去识别图片是否为色情图片，我们会使用到 PIL 这个图像处理库，会编写算法来划分图像的皮肤区域。
- Python 3 的模块的安装
- Python 3 基础知识
- 肤色像素检测与皮肤区域划分算法
- Pillow模块的使用
- argparse模块的使用
NBA常规赛结果预测，——利用Python进行比赛数据分析
不知道你是否朋友圈被刷屏过NBA的某场比赛进度或者结果？或者你就是一个NBA狂热粉，比赛中的每个进球，抢断或是逆转压哨球都能让你热血沸腾。除去观赏精彩的比赛过程，我们也同样好奇比赛的结果会是如何。因此本节课程，将给同学们展示如何使用nba比赛的以往统计数据，判断每个球队的战斗力，及预测某场比赛中的结果。
我们将基于2015-2016年的NBA常规赛及季后赛的比赛统计数据，预测在当下正在进行的2016-2017常规赛每场赛事的结果。
最终效果图如下：
利用NBA在2015~2016年的比赛统计数据进行回归模型建立，最终在今年2016~2017的常规赛中预测每场比赛的输赢情况。
- NBA球队的Elo score计算
- 特征向量
- 逻辑回归
pygame开发打飞机游戏
使用Python快速开发一款PC端玩耍的微信打飞机游戏，基于pygame实现。本课程难度中等属于python中等的项目课程，需要有 pygame 和 Python 基础。可以在之前的课程当中先学习一些基础的 pygame 知识然后再学习本课程。
最终效果图如下：
使用Python快速开发一款PC端玩耍的微信打飞机游戏，基于pygame实现。
介绍在 Linux 桌面环境下使用 Python 及 pygame 快速开发小游戏的方式。可以通过这个游戏入门 pygame 游戏开发。
K——近邻算法实现手写数字识别系统 《机器学习实战》
从电影题材分类的例子入手，详细讲述“k-近邻”算法的原理。在这之后，我们将会使用该算法实现手写数字识别系统，书籍教程配套实验练习，帮助您更好地实战。
从电影题材分类的例子入手，详细讲述k-近邻算法的原理。在这之后，我们将会使用该算法实现手写数字识别系统。
- k近邻分类算法
- 从文本文件中解析和导入数据
- 使用Matplotlib创建扩散图
- 归一化数值
更多有趣、好玩的项目请查看【Python精选项目资源】
或者加入Python学习群：867538707 或+V：gpxj2580 备注110领取，在手机上就可以直接看到所有课程~
