20234210江奕葭实验报告4

20234210江奕葭 2024-05-28 23:50:15

20234210江奕葭实验报告4

课程:《Python程序设计入门》

班级:2342

姓名:江奕葭

学号:20234210

实验教师王志强

实验日期:2024年5月27日

必修/选修:专选课

一、实验内容

Python综合应用:爬虫、数据处理、可视化、机器学习、神经网络、游戏、网络安全等。
课代表和各小组负责人收集作业(源代码、视频、综合实践报告)

例如:编写从社交网络爬取数据,实现可视化舆情监控或者情感分析。

例如:利用公开数据集,开展图像分类、恶意软件检测等

例如:利用Python库,基于OCR技术实现自动化提取图片中数据,并填入excel中。

例如:爬取天气数据,实现自动化微信提醒

例如:利用爬虫,实现自动化下载网站视频、文件等。

例如:编写小游戏:坦克大战、贪吃蛇、扫雷等等

注:在Windows/Linux系统上使用VIM、PDB、IDLE、Pycharm等工具编程实现。

二、实验过程及结果

1.确定实验内容

利用Python库,基于OCR技术实现自动化提取图片中数据,并填入excel中。

2.实验过程

 

实验四视频

4源代码

#!/usr/bin/env python3
-次-coding:utf-8 -*
import csv
import os
import re
import easyocr
image = r"1.png'
7潸蛞鍘鰈嶅个
Idef save csv(data):
# 打开CSV文件,以写入模式创建一个csv.writer对象
with open("data.csv",'a',newline='') as file:
writer = csv.writer(file)
writer.writerow(data)
场v
Idef ocr img(image):
# # 创建ocr的reader对象:识别中英交
ocr = easyocr.Reader(['ch _sim', 'en'], gpu=false, model_storage_directory=r"model", download_enabled=false)
## 识别图片文字
content = ocr.readtext(image, detail=1)
text = “”
for i in content:
if re.findall(r"\w+$",i[-2]):
text += f"{i[-2]} \n"
else:
text += f"{i[-2]}\n'
# print(i[-2])
file name = os.path.basename(image)
save_csv([file_name, text])
print(text)
name.==main..":
ocr_img(image)
三、实验中遇到的问题和解决过程

问题1:pycharm运行闪退

问题1解决方法:借用同学电脑完成

四、感悟思考

课程总结与感悟:

在Python课程的学习中,我深刻感受到了编程的魅力与挑战。通过不断的实践与探索,我不仅掌握了Python的基础知识,还培养了解决问题的能力。感谢老师的悉心指导和同学们的帮助,让我在这条编程之路上更加坚定。课程虽结束,但学习永无止境。我将继续努力,将所学知识运用到实际生活中,不断探索、创新。感谢这段宝贵的学习经历,它将成为我人生旅程中难忘的一页。

...全文
266 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
内容概要:本文围绕《【卫星信号】模拟卫星信号传播研究(Matlab代码实现)》这一技术资源展开,系统介绍了利用Matlab进行卫星信号传播过程建模与仿真的方法。该资源聚焦于构建卫星信号在复杂空间环境中的传播模型,综合考虑自由空间路径损耗、大气吸收、多径效应、多普勒频移、电离层闪烁及噪声干扰等多种物理因素,通过Matlab编程实现信号传输特性的动态仿真与可视化分析,帮助研究人员深入掌握卫星通信信道的关键特性与建模流程。; 适合人群:具备Matlab编程能力和通信原理基础知识的高校研究生、科研机构研究人员及从事卫星通信、导航定位、遥感遥测等领域的工程技术人员,特别适用于需要完成相关课题仿真、毕业设计或项目开发的初级与中级科研人员。; 使用场景及目标:①用于教学与课程设计中加深对卫星信号传播机制的理解;②支撑卫星通信系统链路预算、接收机灵敏度分析与抗干扰算法设计;③服务于学术论文撰写、科研项目申报中的仿真验证环节,提供可复用的代码框架与建模思路。; 阅读建议:建议读者结合经典通信理论教材同步学习,重点剖析代码中关于信号调制、信道建模、噪声叠加与接收端解调等模块的实现逻辑,动手运行并调整轨道参数、频率、环境条件等变量,观察信号质量变化,从而深化对卫星信道动态行为的认知。
内容概要:本文系统介绍了2024年最新提出的两种智能优化算法——青蒿素优化算法与霜冰优化算法(RIME),并通过Matlab代码实现对二者进行了深入对比研究。文档不仅阐述了两种算法的核心原理与数学模型,还全面展示了其在电力系统优化、新能源调度、路径规划、机器学习参数调优等复杂工程问题中的应用性能差异。文中涵盖了微电网调度、电动汽车充电优化、无人机三维路径规划、风光互补制氢系统调度等多个前沿科研方向的典型案例,并配套提供了完整的Matlab仿真代码与模型资源,便于读者复现高水平学术论文成果并开展创新性研究。; 适合人群:具备一定编程基础,熟练掌握Matlab/Simulink环境,正在从事智能优化算法相关研究的研究生、高校教师及工程技术人员,尤其适用于专注于能源系统优化、智能交通、智能制造、自动化控制等领域的科研工作者。; 使用场景及目标:①深入理解青蒿素算法与RIME算法的基本思想、迭代机制与收敛特性;②通过实际代码复现EI、顶刊级别论文中的优化模型;③在具体科研项目中对比两类算法的寻优能力、稳定性与计算效率,完成算法选型与改进;④拓展新型优化算法在多能互补系统、智能路径规划、分布式调度等交叉学科中的创新应用。; 阅读建议:建议读者结合网盘提供的完整代码资源,按照文档中给出的应用实例循序渐进地实践操作,重点关注不同场景下的参数设置策略、算法收敛曲线分析与鲁棒性表现,同时关注公众号“荔枝科研社”获取持续的技术支持与更新资料。

93

社区成员

发帖
与我相关
我的任务
社区描述
Python程序设计作业
软件构建 高校 北京·丰台区
社区管理员
  • blackwall0321
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧