Cheatsheets

Appearance

Python Cheatsheet ​

  • 内嵌 Jupyter Notebook

subprocess ​

py
result = subprocess.run(command, shell=True, capture_output=True, text=True)
result.returncode
result.stderr
result.returncode


p = subprocess.Popen(cmd, shell=exe_in_shell, stdout=subprocess.PIPE, stderr=subprocess.DEVNULL)

p.wait() # 等待子进程结束
p.poll() # 检查子进程是否已结束，不阻塞等待


subprocess.PIPE = -1
subprocess.STDOUT = -2
subprocess.DEVNULL = -3

threading ​

py
import threading
import queue
from functools import partial

t = threading.Thread(target=thread_fn, args=(1,), daemon=True)
t.start()
t.join() # 等待线程结束


# 线程同步
e = threading.Event()
e.wait()
e.set()
e.clear()


# 线程互斥 共享资源
lock = threading.Lock()
lock.acquire()
lock.release()


# 线程安全的队列
q = queue.Queue()
q.put(1)
item = q.get()


# 使用 functools.partial 预先绑定一些参数
def worker(arg1, arg2, arg3):
    print(f"arg1: {arg1}, arg2: {arg2}, arg3: {arg3}")
worker_partial = partial(worker, 1, 2)
thread = threading.Thread(target=worker_partial, args=(3,))

queue ​

py
import queue

q = queue.Queue(maxsize=1)
q.put(1)
item = q.get()

functools ​

py
from functools import partial, wraps

partial：固定部分参数，创建新的函数。
wraps：用于装饰器，保留原函数的元数据。

dataclasses ​

py
from dataclasses import dataclass, asdict, astuple


@dataclass
class Point:
    x: int
    y: int
# __init__
# __repr__: 自动生成对象的字符串表示方法
# __eq__

p = Point(1, 2)
print(p)  # 输出: Point(x=1, y=2)

ctypes ​

py
import ctypes
ctypes.CDLL(

typing ​

py
from typing import Any, Optional, List, Tuple, Callable, Dict
from typing import Any, Dict, IO, Iterator, List, Optional, Tuple, Union

concurrent.futures ​

py
from concurrent.futures import ThreadPoolExecutor, as_completed, Future

numpy ​

numpy 处理视频、音频、图片数据

py
import numpy as np

# 二进制数据（例如 4 个 float32 数字）
data = b'\x00\x00\x00\x00\x00\x00\x80?\x00\x00\x00@\x00\x00\x80@'

# 转换为 float32 数组
arr = np.frombuffer(data, dtype=np.float32)
print(arr)  # 输出: [0.  1.  2.  4.]

cv2 ​

py
import cv2

requests ​

py
import requests

json ​

py
import json

data = {
    "name": "Alice",
    "age": 30,
    "is_student": False,
    "courses": ["Math", "Physics"]
}

# 转换为 JSON 字符串
json_str = json.dumps(data, indent=4)  # indent 用于美化输出
print(json_str)

traceback ​

py
import trackback

泛型 ​

TODO

虚拟环境 ​

见命令行大全

time ​

py
import time

time.sleep(3)

datetime ​

py
import datetime

# 获取当前时间
now = datetime.now()

now = datetime.now().time()

# 日期2字符串
formatted = dt.strftime("%Y-%m-%d %H:%M:%S")
# 字符串2日期
dt = datetime.strptime("2024-08-19 22:05:00", "%Y-%m-%d %H:%M:%S")

pyaudio ​

py
import pyaudio

pyav ​

py
import av

# ffmpeg

enum ​

py
from enum import Enum

wav / librosa 音频库 ​

import wave
import librosa

import asyncio # 协程包

import zmq

import torch import torch.cuda

import shutil

signal ​

py
import signal

signal.signal(signal.SIGINT, keyboard_interrupt_signal_handler)

fastapi ​

py
from fastapi import Request, BackgroundTasks
import uvicorn

face_alignment ​

py
from face_alignment 人脸检测包

装饰器 ​

py
@staticmethod
@classmethod
from dataclasses import dataclass

tqdm ​

py
import tqdm 进度条

setuptools ​

TODO

内置函数 ​

isinstance hasattr

web 项目示例 ​

Python 实战 · 从 0 到 1 搭建直播视频平台

TensorFlow 或 PyTorch 等深度学习框架和 opencv、人脸识别有什么关系啊 ​

3. 结合使用
前处理和后处理: 在实际项目中，OpenCV 常常用于图像的前处理和后处理，比如从视频流中检测出人脸区域，并将这些区域输入到 TensorFlow 或 PyTorch 训练好的模型中进行识别。识别结果（如身份标签、情感状态）可以通过 OpenCV 的工具进行可视化展示。
模型部署: 在一些实际应用中，训练好的深度学习模型可以通过 OpenCV 的 DNN 模块部署，以实现实时性较高的人脸识别任务。
总结
OpenCV 提供了基本的人脸检测和图像处理功能，而 TensorFlow 和 PyTorch 则为人脸识别任务提供了训练复杂神经网络模型的能力。在实际项目中，通常将 OpenCV 用于图像处理，而将 TensorFlow 或 PyTorch 用于构建和训练深度学习模型，然后将它们结合在一起实现更高效的人脸识别系统。

Jupyter Notebook ​

Jupyter Notebook 为什么是现代 Python 的必学技术？-Python 核心技术与实战-极客时间

pyinstaller ​

py
pyinstaller

其它 ​

  • import pika.spec
  • from opentelemetry import trace
  • import io
  • import tenacity
  • import tempfile
  • import uuid

私有函数 ​

py
__init__
__super__

staticmethod

待整理 ​

  1. traceback.format_exc()
  2. threading 操作包括：daemon、start 和 join
  3. 判断列表为空 if self.log_queue:
  4. 获取循环中元素的索引 enumerate()
  5. import concurrent.futures
    • with concurrent.futures.ThreadPoolExecutor(max_workers=5) as executor:
    • executor.submit(fn, args...)
  6. threading.Event() 是 Python 的 threading 模块中一个用于线程间同步的对象。
    • set
    • clear
    • wait
    • is_set
  7. requests 的 resp.raise_for_status() 方法
  8. cv2.VideoCapture( 打开视频流
    • cv2.CAP_PROP_FRAME_COUNT 从视频流中获取总帧数
    • ret, f = video_stream.read() 读取视频帧 ret 为是否成功，f 为当前帧（一个表示图像 NumPy 数组）
    • cv2.CAP_PROP_FPS 获取视频的帧率（FPS,
    • Blend.frame_h, Blend.frame_w = f.shape[0:2] 获取图像的高度和宽度。
      • f.shape 是 NumPy 数组的一个属性，用于获取数组的维度。对于图像（视频帧）来说，通常有三个维度：高度、宽度和通道数（例如 RGB 有 3 个通道）。
      • f.shape[0:2] 获取图像的高度和宽度。
  9. dll_path = os.path.join(cls.root_path, '_internal', 'internalt.dll') if not dll_path else dll_path
  10. Union 是 Python 的 typing 模块中的一个泛型类，用于指定变量可以接受的多种类型。

疑问：

  1. logger 和 msg_logger 的区别
  2. control 控制与前端的消息交互
  3. main_loop 循环播放素材并调用 blend 推理嘴形：通过音频驱动嘴形
  4. 音频如何跟画面同步的

资源散积地 ​

Python-100-Days

awesome-python

The Hitchhiker’s Guide to Python!

编码规约 ​

2

库 ​

PyYAML ​

安装：pip install pyyaml

py
import yaml

# 从文件加载 YAML 数据
with open('data.yaml', 'r') as file:
    data = yaml.safe_load(file)

# 获取 MySQL 主机配置
mysql_host = data['mysql']['host']

pymysql ​

安装：pip install pymysql

py
import pymysql

connection = pymysql.connect(host='localhost', user='username', password='password', database='dbname')

# 查询
cursor = connection.cursor()
cursor.execute("SELECT * FROM table")
results = cursor.fetchall()
cursor.close()

# 插入
cursor = connection.cursor()
cursor.execute("INSERT INTO table (column1, column2) VALUES (%s, %s)", (value1, value2))
connection.commit()
cursor.close()