使用PyInstaller打包Python程序
PyInstaller是一个用来将Python程序打包成独立可执行软件的工具，支持 Windows、Linux 和 Mac OS X。生成的可执行软件在没有Python的环境中可以直接运行，方便软件分发，进一步降低使用成本，提升使用效率。
python代码生成工具 python生成器有几种写法
下面演示如何使用 PyInstaller 将程序打包成Windows下的exe软件。
使用pip的方式进行安装，这样可以自动安装其他依赖库。
如果pip还未安装，请参考我的另一篇文章《 Python pip包管理工具 》
在cmd命令行控制台或者VS Code内置的终端输入命令行生成应用，首先将当前路径切换到Python程序所在的路径（如下示例的SubOcr.py文件在python文件夹下的SubOcr文件夹内），然后输入生成应用的命令。
命令执行成功后在 I:\work\python\SubOcr\dist 文件夹下生成了SubOcr文件夹，里面包含了SubOcr.exe文件。整个SubOcr文件夹就是一个绿色软件，随便移动到任何位置都可运行。
实际上在用pyinstaller命令时会在Python程序的所在路径生成一个后缀为spec的同名文件，然后根据此文件的配置生成应用，这就是PyInstaller的原理。这样做的好处是spec保存了生成应用的配置，每次重新生成应用时可以省略指定参数，尤其是指定了其他的资源、程序库时。我们可以通过以下命令先生成spec文件。
pyi-makespec的命令参数跟pyinstaller的相同，在生成spec文件后可以对其部分选项进行编辑（可以用VS Code或自带的记事本编辑），添加更多参数，然后再用pyinstaller命令生成应用。
spec文件的主要选项：
上面示例的SubOcr用到了opencc和opencv-python，其中opencc下的数据文件和opencv-python下的dll文件在生成应用时不会自动导入（缺少这些文件应用无法正常使用），因此需要在spec文件中指定路径。对spec文件的修改如下：
以上便是PyInstaller打包Python程序的全过程，如果在此过程中遇到问题，可以在评论区留言，定当知无不言，言无不尽。
python生成器到底有什么优点？
最近正在学python，感觉这语言不错，之前是做PHP的，现在自学了半个月了！以我自己对生成器的理解，能说的就以下3点，如果不对还请高手指正，毕竟现在还是个python小白：
1、节省资源消耗，和声明序列不同的是生成器在不使用的时候几乎不占内存，也没有声明计算过程！
2、使用的时候，生成器是随用随生成，用完即刻释放，非常高效！
3、可在单线程下实现并发运算处理效果，非常牛逼，这点不可小视，看看nginx epoll单线程承载的并发量比多线程还效率高很多，最底层就是这个原理！
1、主要是开发快，语言简洁，没那么多技巧，所以读起来很清楚容易。
2、C/C++可以写python的module，标准库里就有用C/C++写的东西，这个跟java的JNI类似。
3、python的gui一般是用tkinter，就是tk的python的wrapper。python没有像xna那么方便的工具。
4、python不是为了网络设计的。python是1991年有的，WWW是1993年才被CERN开放的。网络编程用python主要是为了开发快。
5、像VS那样功能强的IDE，有要钱的PyCharm和不要钱的PyDev。PyDev有Eclipse的插件版本或者是Aptana Studio版本。
利用python将excel宏代码变成软件exe
1、安装将Python代码转成exe的工具包，pyinstaller：需要打开cmd，在cmd里输入一行命令即可。
2、安装好pyinstaller工具包后，要在cmd里跳转地址到Python代码所在的文件地址，输入命令，即可将Python代码转成exe，并生成一个名为dist的文件夹，在文件夹中可以找到刚打包完成的exe。
python数据挖掘常用工具有哪些?
1. Numpy 能够提供数组支持，进行矢量运算，并且高效地处理函数，线性代数处理等。提供真正的数组，比起python内置列表来说， Numpy速度更快。同时，Scipy、Matplotlib、Pandas等库都是源于 Numpy。因为 Numpy内置函数处理数据速度与C语言同一级别，建议使用时尽量用内置函数。
2.Scipy 基于Numpy,能够提供了真正的矩阵支持，以及大量基于矩阵的数值计算模块，包括：插值运算，线性代数、图像信号，快速傅里叶变换、优化处理、常微分方程求解等。
3. Pandas 源于NumPy，提供强大的数据读写功能，支持类似SQL的增删改查，数据处理函数非常丰富，并且支持时间序列分析功能，灵活地对数据进行分析与探索，是python数据挖掘，必不可少的工具。
Pandas基本数据结构是Series和DataFrame。Series是序列，类似一维数组，DataFrame相当于一张二维表格，类似二维数组，DataFrame的每一列都是一个Series。 4.Matplotlib
数据可视化最常用，也是醉好用的工具之一，python中著名的绘图库，主要用于2维作图，只需简单几行代码可以生成各式的图表，例如直方图，条形图，散点图等，也可以进行简单的3维绘图。 5.Scikit-Learn
Scikit-Learn源于NumPy、Scipy和Matplotlib，是一 款功能强大的机器学习python库，能够提供完整的学习工具箱(数据处理，回归，分类，聚类，预测，模型分析等)，使用起来简单。不足是没有提供神经网络，以及深度学习等模型。 6.Keras
基于Theano的一款深度学习python库，不仅能够用来搭建普通神经网络，还能建各种深度学习模型，例如：自编码器、循环神经网络、递归神经网络、卷积神经网络等，重要的是，运行速度几块，对搭建各种神经网络模型的步骤进行简化，能够允许普通用户，轻松地搭建几百个输入节点的深层神经网络，定制程度也非常高。 关于python数据挖掘常用工具有哪些，环球青藤小编就和大家分享到这里了，学习是永无止境的，学习一项技能更是受益终身，所以，只要肯努力学，什么时候开始都不晚。如果您还想继续了解关于python编程的学习方法及素材等内容，可以点击本站其他文章学习。
python 代码生成器怎么用
生成器是一个包含了特殊关键字yield的函数。当被调用的时候，生成器函数返回一个生成器。可以使用send，throw，close方法让生成器和外界交互。
生成器也是迭代器，但是它不仅仅是迭代器，拥有next方法并且行为和迭代器完全相同。所以生成器也可以用于python的循环中，
生成器如何使用？
首先看一个例子：
复制代码 代码如下:
#!/usr/bin/python
# -*- coding: utf-8 -*-
def flatten(nested):
for sublist in nested:
for element in sublist:
yield element
nested = [[1,2],[3,4],[5,6]]
for num in flatten(nested):
print num,
结果为1，2，3，4，5，6
递归生成器：
复制代码 代码如下:
#!/usr/bin/python
# -*- coding: utf-8 -*-
def flatten(nested):
try:
for sublist in nested:
for element in flatten(sublist):
yield element
except TypeError:
yield nested
for num in flatten([[1,2,3],2,4,[5,[6],7]]):
print num
结果为：1 2 3 2 4 5 6 7
让我们一起来看看生成器的本质
首先看下：
复制代码 代码如下:
#!/usr/bin/python
# -*- coding: utf-8 -*-
def simple_generator():
yield 1
print simple_generator
def repeater(value):
while True:
new = (yield value)
if new is not None: value = new
r = repeater(42)
print r.next()
print r.send('hello,world!')
结果为：
复制代码 代码如下:
42
hello,world!
可以看出：
1）生成器就是一函数
2）生成器具有next方法
3）生成器可以使用send 方法和外界交互。
python用什么软件写比较好(python用什么软件编程好)
集成开发环境（IDE，IntegratedDevelopmentEnvironment）是用于提供程序开发环境的应用程序，一般包括代码编辑器、编译器、
调试器和图形用户界面等工具。集成了代码编写功能、分析功能、编译功能、调试功能等一体化的开发软件服务套。所有具备这一特性的
软件或者软件套（组）都可以叫集成开发环境。如微软的VisualStudio系列，Borland的CBuilder、Delphi系列等。该程序可以独立
运行，也可以和其它程序并用。IDE多被用于开发HTML应用软件。例如，许多人在设计网站时使用IDE（如HomeSite、DreamWeaver
等），因为很多项任务会自动生成。
Python的学习过程少不了IDE或者代码编辑器，或者集成的开发编辑器（IDE）。这些Python开发工具帮助开发者加快使用Python
开发的速度，提高效率。高效的代码编辑器或者IDE应该会提供插件，工具等能帮助开发者高效开发的特性。
下面是常见的PythonIDE，大家可以选择适合自己的来使用。（推荐使用pycharm）
1.VimVim可以说是Python最好的IDE。Vim是高级文本编辑器，旨在提供实际的Unix编辑器‘Vi’功能，支持更多更完善的特性
集。Vim不需要花费太多的学习时间，一旦你需要一个无缝的编程体验，那么就会把Vim集成到你的工作流中。
2.EclipsewithPyDevEclipse是非常流行的IDE，而且已经有了很久的历史。EclipsewithPydev允许开发者创建有用和交互式的
Web应用。PyDev是Eclipse开发Python的IDE，支持Python，Jython和IronPython的开发。
3.SublimeText
SublimeText是开发者中最流行的编辑器之一，多功能，支持多种语言，而且在开发者社区非常受欢迎。Sublime有自己的包管理器，开发者可以使用TA来安装组件，插件和额外的样式，所有这些都能提升你的编码体验。
4.Emacs
GNUEmacs是可扩展，自定义的文本编辑器，甚至是更多的功能。Emacs的核心是EmacsLisp解析器，但是支持文本编辑。如果你已
经使用过Vim，可以尝试一下Emacs。
5.KomodoEdit
KomodoEdit是非常干净，专业的PythonIDE。
6.PyCharm
PyCharm是JetBrains开发的PythonIDE。PyCharm用于一般IDE具备的功能，比如，调试、语法高亮、Project管理、代码跳转、智
能提示、自动完成、单元测试、版本控制另外，PyCharm还提供了一些很好的功能用于Django开发，同时支持GoogleApp
Engine，更酷的是，PyCharm支持IronPython！
Python编译器推荐
果断是pycharm啊，我用的这个，蛮好用的。
你说的快速修改名称是指用到的变量名，函数名之类的吧，肯定是有的，在pycharm中选中要修改的名称，然后按shift+F6输入新名称，确认就可以了
我用的Pycharm2019，你说的都有。听说VS2019完美支持Python，我还想试试呢
anaconda, pycharm, sublime text, notepad++
vs code 也还行吧
