txt和jpg或png数据的自动化导入和自动化生成输出随用随拿

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档

文章目录

  • 前言
  • 一、txt文件的自动化处理(代码在上面链接)
  • 二、txt文件自动化输出图片
  • 三、图片的自动化处理
  • 总结


前言

自动化导入和生成输出txt和jpg/png数据的好处是提高工作效率和减少人为错误。具体好处如下:

  • 提高效率:自动化导入和生成输出可以大大减少手动操作的时间和工作量。通过编写脚本或使用自动化工具,可以快速将大量的txt数据导入到系统中,并自动生成相应的jpg/png文件,从而节省了人工处理的时间和精力。

  • 减少错误:人为操作往往容易出现疏忽和错误,而自动化导入和生成输出可以减少这些潜在的错误。自动化过程可以通过编写规则和检查机制来确保数据的准确性和一致性,避免了手动操作可能带来的错误。

  • 可重复性:自动化导入和生成输出可以实现数据处理的可重复性。通过编写脚本或使用自动化工具,可以在需要时重复执行相同的操作,确保每次处理的结果一致,提高了数据处理的可靠性。

  • 扩展性:自动化导入和生成输出可以方便地扩展到更大规模的数据处理任务。通过编写灵活的脚本或使用可配置的自动化工具,可以适应不同规模和需求的数据处理任务,提高了系统的扩展性和适应性。

对应代码py文件在这里

一、txt文件的自动化处理(代码在上面链接)

from PIL import Image
import os
import glob
import numpy as np
def read_txt_files(folder_path):txt_files = glob.glob(os.path.join(folder_path, "*.dat"))  # 获取文件夹中所有的txt文件路径for file_path in txt_files:with open(file_path, 'r') as file:lines = file.readlines()waveform_data = []# 遍历每一行数据for line in lines:# 去除行末尾的换行符line = line.strip()line = line.split(' ')# 将字符串类型的数据转换为浮点数,并添加到列表中waveform_data.append(line)# 打印提取的波形数据print(waveform_data)
# 调用函数并传入文件夹路径
folder_path = r"F:\data"
read_txt_files(folder_path)

二、txt文件自动化输出图片

from PIL import Image
import os
import glob
import numpy as np
def read_txt_files(folder_path):txt_files = glob.glob(os.path.join(folder_path, "*.dat"))  # 获取文件夹中所有的txt文件路径for file_path in txt_files:with open(file_path, 'r') as file:lines = file.readlines()waveform_data = []# 遍历每一行数据for line in lines:# 去除行末尾的换行符line = line.strip()line = line.split(' ')# 将字符串类型的数据转换为浮点数,并添加到列表中waveform_data.append(line)# 打印提取的波形数据#print(waveform_data)file_name = "\\" + file_path.split('\\')[-1].split('.')[0]t = np.linspace(0, 86400, num=86400, endpoint=False)plt.figure(figsize=(13, 7))plt.plot(t, reconstructed_signal)plt.title('Reconstructed Signal')plt.xlim(0,86400)plt.xticks(np.arange(0,86401,3600),np.arange(0,86401,3600),fontsize=8)plt.savefig(r"F:\基于子午工程观测数据的地磁超低频波标准数据集(Pc3-Pc5)\sys_image" + file_name + ".jpg")
# 调用函数并传入文件夹路径
folder_path = r"F:\data"
read_txt_files(folder_path)

三、图片的自动化处理

from PIL import Image
import os
import glob
import numpy as npdef tiqu(path):# 指定文件夹路径folder_path = path# 遍历文件夹中的文件for filename in os.listdir(folder_path):# 判断文件是否为图片文件if filename.endswith(".jpg") or filename.endswith(".png"):# 拼接文件的完整路径file_path = os.path.join(folder_path, filename)# 打开图片文件image = Image.open(file_path)# 进行相关操作,例如显示图片、处理图片等image.show()

总结

大家随用随拿

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/796618.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

泛型数组的赋值

ArrayList<String>[] arrayList new ArrayList[3];//不报错 ArrayList<String>[] arrayList new ArrayList<String>[3];//报错 泛型:编译期间检查&#xff0c;运行期间类型擦除 数组&#xff1a;运行期间检查 第一种情况允许的原因: 因为创建了一个未指…

Docker常用命令和高级操作

一、docker常用命令 1、安装命令 sudo apt install docker.io2、镜像管理 # 查看本地所有镜像 docker images # 移除指定镜像 docker image rm <image_name>:<tag>/<image_id># 其他命令 # dockerhub(https://hub.docker.com/)实在是太慢了 # 创建容器使用…

竞赛 交通目标检测-行人车辆检测流量计数 - 竞赛

文章目录 0 前言1\. 目标检测概况1.1 什么是目标检测&#xff1f;1.2 发展阶段 2\. 行人检测2.1 行人检测简介2.2 行人检测技术难点2.3 行人检测实现效果2.4 关键代码-训练过程 最后 0 前言 &#x1f525; 优质竞赛项目系列&#xff0c;今天要分享的是 &#x1f6a9; 毕业设计…

Python3 Ubuntu

一、安装中文输入法 1.sudo apt install ibus-sunpinyin 2.点击右上角输入法&#xff0c;然后点击加号&#xff0c;输入yin添加进来&#xff0c;最后选中输入法即可 二、安装截屏软件 1.sudo apt install gnome-screenshot 三、安装opencv-python 1.pip3 install --upgrade…

HTTP协议报文的结构的补充和from表单以及ajax表单

响应 状态码 表示了这次请求对应的响应,是什么样的状态(成功,失败,还是其他的情况.还有及其对应的原因&#xff09; 主要有这些类 成功状态码&#xff1a;其中200最常见&#xff0c;表示成功 重定向状态码&#xff1a;很多时候,页面跳转,就可以通过重定向来实现. 还有的时…

算法思想1. 分治法2. 动态规划法3. 贪心算法4. 回溯法

目录 递归和动态的区别:空间和时间复杂度之争 递归空间复杂度低;动态时间复杂度第低

智慧牧场数据 7

1 体征数据采集 需求:获取奶牛记步信息 三轴加速度测量&#xff1a;加速度测量计反应的加速向量与当前的受力方向是相反&#xff0c;单位为g 陀螺仪&#xff0c;是用来测量角速度的&#xff0c;单位为度每秒&#xff08;deg/s&#xff09; 2000deg/s 相当于1秒钟多少转 1.1…

小米汽车su7全色系展示源码

源码简介 小米汽车全色系展示源码&#xff0c;小米汽车su7全色系展示源码 安装教程 纯HTML&#xff0c;直接将压缩包上传网站目录解压即可 首页截图 源码下载 小米汽车su7全色系展示源码-小8源码屋源码简介 小米汽车全色系展示源码&#xff0c;小米汽车su7全色系展示源码 …

如何不编程用 ChatGPT 爬取网站数据?

敢于大胆设想&#xff0c;才能在 AI 时代提出好问题。 需求 很多小伙伴&#xff0c;都需要为研究获取数据。从网上爬取数据&#xff0c;是其中关键一环。以往&#xff0c;这都需要编程来实现。 可最近&#xff0c;一位星友在知识星球提问&#xff1a; 这里涉及到一些个人隐私&a…

ORACLE 12 C估算 用户历史上的CPU消耗

在使用ASH不能满足&#xff0c;需要从AWR&#xff0c;即HIST系列表估算每个用户的cpu消耗&#xff0c;只能进行大概估算 先计算各用户使用的cpu time计算出各用户占比将用户cpu time 与osstat的cpu 使用率相乘 with cpu_usage as (select snap_id,BUSY_TIME/(IDLE_TIMEBUSY…

Python 100万条数据到MySQL数据库逐步写出到多个Excel

Python插入100万条数据到MySQL数据库 步骤一:导入所需模块和库 首先,我们需要导入 MySQL 连接器模块和 Faker 模块。MySQL 连接器模块用于连接到 MySQL 数据库,而 Faker 模块用于生成虚假数据。 import mysql.connector # 导入 MySQL 连接器模块 from faker import Fake…

《机器学习在量化投资中的应用研究》目录

机器学习在量化投资中的应用研究 获取链接&#xff1a;机器学习在量化投资中的应用研究_汤凌冰著_北京&#xff1a;电子工业出版社 更多技术书籍&#xff1a;技术书籍分享&#xff0c;前端、后端、大数据、AI、人工智能... 内容简介 《机器学习在量化投资中的应用研究…

2024年150道高频Java面试题(十九)

37. HashSet 和 TreeSet 的区别是什么&#xff1f; HashSet 和 TreeSet 都是 Java 中 Set 接口的实现&#xff0c;用于存储不包含重复元素的集合。它们之间的主要区别在于性能、元素排序和使用的场景。 排序&#xff1a; HashSet&#xff1a;不保证元素的顺序。它使用哈希表来…

什么是MariaDB

2024年4月6日&#xff0c;周六晚上 今晚在Debian12上安装mysql时&#xff0c;运行后却发现是MariaDB MariaDB是一个开源的关系型数据库管理系统&#xff08;RDBMS&#xff09;&#xff0c;它是MySQL的一个分支和替代品。MariaDB由MySQL的原始开发者之一Michael "Monty&qu…

Redission--布隆过滤器解决缓存穿透问题

布隆过滤器在缓存穿透问题中的使用 布隆过滤器的核心是一个位数组 布隆过滤器的误判 使用Redission的布隆过滤器步骤 添加 Redission 依赖&#xff1a;首先需要将 Redission 添加到你的 Java 项目中&#xff0c;你可以通过 Maven 来添加 Redission 的依赖。 创建 Redissio…

【Java SE】7.3类和对象

目录 1.封装 1.1封装的概念 1.2访问限定符 1.3封装扩展之包 1.3.1包的概念 1.3.2导入包中的类 1.3.3自定义包 1.3.4包的访问权限控制举例。 1.3.5常见的包 2.static成员 2.1再谈学生类 2.2static修饰成员变量 2.3static修饰成员方法 2.4static成员变量初始化 3.代…

深度学习相关知识

一.环境配置 1.cuda/cudnn安装&#xff1a; 安装cuda之前首先安装vs&#xff0c;vs版本从低到高安装。 a) 安装cuda&#xff1a;首先查看显卡支持的最高CUDA的版本&#xff0c;以便下载对应的CUDA安装包&#xff1b; cmd命令行&#xff1a;nvidia-smi,显示如下&#xff1a;…

【单片机】CJSH22-CH2O,甲醛传感器,甲醛传感器数据读取处理

原理图 解析程序 逻辑是&#xff1a; 1、初始化串口和定时器10ms中断 2、循环读取一帧数据到rev_CH2O_bufferdata 3、在主函数解析数据rev_CH2O_bufferdata 4、最终的pm2.5数值就是CH2O_value 使用CH2O_value的数据即可。 PPB单位&#xff0c;除以1000就是ppm&#xff0c;再…

ASP.NET Core 模型绑定

&#x1f340;介绍 在C#中&#xff0c;特别是在ASP.NET Core中&#xff0c;模型绑定是一个将HTTP请求中的数据映射到C#对象的过程。它使得开发者能够方便地从请求中提取数据&#xff0c;而无需手动解析请求体、查询字符串、路由数据等。ASP.NET Core提供了多种特性&#xff08…

C语言 | Leetcode C语言题解之第13题罗马数字转整数

题解&#xff1a; 题解&#xff1a; int romanToInt(char* s) {int symbolValues[26];symbolValues[I - A] 1;symbolValues[V - A] 5;symbolValues[X - A] 10;symbolValues[L - A] 50;symbolValues[C - A] 100;symbolValues[D - A] 500;symbolValues[M - A] 1000;int a…