Python作为一种应用极为广泛的语言，几乎在任何领域都能派上用场。想做Web有Flask/Django/Tornado；想做分布式有Celery；想做手机App有Kivy；想做数据分析有Pandas；想做可视化有Matplotlib/Seaborn/Plotly/Bokeh；想做机器学习有Tensorflow/PyTorch/MxNet……
夸张一点说，几乎没有什么做不了的东西（笔芯）。小慕今天分享两个可以用Python做的非常好玩的事情，大家都可以试试看~
一、面部识别
得益于大量前人的工作，如今利用Python做一些简单的计算机视觉工作已经变得非常非常简单了。像人脸识别、面部特征提取之类的工作，就可以直接拿来用，极少需要自己实现繁琐的算法。
DLib就是一个这样的C++库，而同时它也提供了Python接口。
想必大家都有过在办公室遭遇boss探视的经历，而此时此刻你却在毫无自知地逛着淘宝/知乎/豆瓣，场面一度十分尴尬……
那我们就来尝试一下，用Python通过摄像头探测人脸。如果有人进入了摄像头范围，则让Python提出一个通知，告诉你——赶紧把不相关的东西关掉！
整个代码很短，无非几十行，为了能够使用，我们还需要安装一些包和库。这里需要用到的包括OpenCV和DLib。由于dlib需要boost-python，因此还需要安装boost和boost-python。（注意：boost-python默认情况下只编译python2依赖的库，如果使用python3，需要加编译开关；而dlib里是没有探测python版本的，所以可能还需要做一些小hack或者是直接改boost-python库里的文件名）
至于代码，可以简单地放出来：
import cv2
import dlib
from subprocess import call
from time import time
FREQ = 5
FACE_DETECTOR = dlib.get_frontal_face_detector()
# macOS下可以使用AppleScript发送通知
def notify(text, title):
cmd = r'display notification "%s" with title "%s"'%(text, title)
call(["osascript", "-e", cmd])
if __name__ == '__main__':
# 初始化摄像头
cap = cv2.VideoCapture(0)
# 创建绘图窗口
# cv2.namedWindow('face')
notify_time = 0
while True:
# 获取一帧
ret, frame = cap.read()
# 不需要太精细的图片
frame = cv2.resize(frame, (320, 240))
# 探测人脸，可能有多个
faces = FACE_DETECTOR(frame, 1)
for face in faces:
# 提取人脸部分 画个方框
# fimg = frame[face.top():face.bottom(), face.left():face.right()]
# cv2.rectangle(frame, (face.left(), face.top()), (face.right(), face.bottom()), (255, 0, 0), 3)
# 不超过FREQ秒一次的发提醒
if time() - notify_time > FREQ:
notify(u'检测到人脸', u'注意')
notify_time = time()
# 画到窗口里
# cv2.imshow('face', frame)
# 按Q退出
if cv2.waitKey(500) & 0xff == ord('q'):
break
# 清理窗口 释放摄像头
# cv2.destroyAllWindows()
cap.release()
代码的原理很简单：通过opencv捕获摄像头获取的图像，然后交由dlib的face detector进行检测。如果检测到脸部，则通过AppleScript发出系统提醒（notify函数即通过process执行AppleScript发出提醒，如果你使用的是Windows，也可以替换成别的内容，例如Win下使用VBScript发出弹窗提醒）。
当然，既然检测到人脸，那就不仅仅只是能做简单提醒了。还可以做的事情包括多张照片的脸部变形合成——比如，找出你和你女朋友的照片来做个夫妻相合成什么的……
或者，提取所有的标志性点，给人脸合成出意外的表情或者哈哈镜效果。
甚至可以借助其它的深度学习网络进行人脸识别。这算是超级弱化版的脸部识别，比不上FaceID但也挺好玩，不过计算量就不容乐观了。
顺便说一句，什么人脸识别关掉不该看的东西，对小慕来说不存在的，人家上班刷知乎可是经过老板点头的！（骄傲脸叉腰）
二、数据分析
来分析下Marvel 今年的最后一部戏：「雷神3：诸神的黄昏」。前一段时间满天飞的预告片，神秘博士的客串，绿巨人的出演，看得人十分兴奋！来张大图：
大家对于这部电影的评价是怎么样的呢？小慕爬取了2w条豆瓣影评，做一个简单分析。
先来看看豆瓣的短评：
这里只抓取了前2w条评论，说一个小技巧，喜欢写爬虫的小伙伴们注意了：爬取的网页一定要缓存到本地！这可以减少解析网页时出错，避免需要重新再爬一遍的「尴尬」！另外这能给服务器减少负载，人家网站管理员看你的请求还算守规矩，也就不会封你账号/ip啦！
代码大概是这样的：
下面是缓存下来的网页文件：
既然有2w多条数据，怎么能直接写sql，那会累死的……于是要来封装一下操作数据库的逻辑：
来看看效果，除去部分出错的，还剩下19672条：
具体的数据是长这样的：
另外，赞同数量排名第一 卷耳 君的影评实在是太有意思了：
第一部：《爸爸，再爱我一次》
第二部：《哥哥，再爱我一次》
第三部：《姐姐，再爱我一次》
ps:托尔终于从锤神变成了雷神
锤子之神这个梗小慕表示能玩一年（手动微笑脸）。
光有数据还不足以说明什么，深入分析一波：细心的小伙伴一定发现了，雷神明明是11月3号才上映，为啥10月份就有影评了？小慕猜测，这肯定是漫威铁杆粉跑国外看了，一查发现，果然人家洛杉矶10月10号就上映了：
既然关心到日期，可以来统计一下周一到周日哪天去看电影的人比较多：
整体数据显示：果然还是周末去看电影的人更多……周一数据高于二、三、四的原因，不知道是不是没有周末的朋友调休去看的？
PS： 数据库里的日期是2017-10-25格式的：怎么快速让他显示成周X呢？ 这里只要写个小函数就行：
从数据库里读数据和统计的方式在这：（后面的统计方式也都类似，就不每次都把代码放出来啦）
说了这么多还是没提到电影的受欢迎程度，直接放图：
总体上看还是推荐的人比较多耶，这应该挺符合大家的预期，毕竟是漫威出品，光忠实粉丝就不计其数。更何况这个片子里出现了很多超级火爆的场面戏，还有各种超级英雄助阵，这样的统计结果也就不足为奇了。
最后将排名前100的评论内容做了一下分词，做成词云：
至于补充提问中提到的这为什么适合用Python做，其实说到底就是用Python来抓取和处理各种数据都非常「顺手」。
据小慕所知，目前的数据工作中，数据科学家使用最多的工具语言就是Python，排在第二的工具语言是R语言。但这里有一个有趣的现象，那就是同时使用Python或者R语言的人，推荐别人使用Python的却远高于R语言。Why?
答案是：1. Python简单易学，极其容易上手，语法简单，处理速度会比R语言要快，而且无需把数据库切割。
2. 市场前景好，是目前的趋势，就业也会更容易。
3. 标准库非常庞大，特别的“功能齐全”，可以处理各种工作，其中就包含抓取和处理数据。
所以，有一种说法是：python语言在工程方便比较实用，R语言则更受学术界欢迎。具体是否赞同这种说法，还要看大家自己的理解咯~其实除了小慕举例说的这两种有趣的事情，Python能做的还有很多，在此不一一列举，如果感觉get到了新姿势，记得回来点赞啦~
程序员学习交流请添加慕课网官方客服微信：mukewang666回复暗号“前端面试”可进前端交流群回复暗号“Java”可进Java交流群回复暗号“专栏”可进程序员交流群
