1 安装自己的库

1.1 安装在本地

步骤如下：

1、找到Python 的安装路径，把自己写的py 文件放到 site-packages 文件夹中。查找路径的代码如下，打印出来的是一个列表，需要在里面找包含site-packages 的路径。我在自己电脑上找到的路径是：D:\ProgramData\Anaconda3\Lib\site-packages。

import sys
print(sys.path)

2、将fake_name.py 文件放入site_packages中。fake_name.py 文件内容如下：

ln_path = 'C:/Users/XuQiong/Desktop/last_name.txt'
fn_path = 'C:/Users/XuQiong/Desktop/first_name.txt'
fn = []
ln1 = []
ln2 = []

with open(fn_path, 'r', encoding='utf-8') as f:
    for line in f.readlines():
        fn.append(line.split('\n')[0])

print(fn)
with open(ln_path, 'r', encoding='utf-8') as f:
    for line in f.readlines():
        if len(line.split('\n')[0]) == 1:
            ln1.append(line.split('\n')[0])
        else:
            ln2.append(line.split('\n')[0])

print(ln1)
print('='*10)  #分割线
print(ln2)

import random
class FakerUser:
    def fake_name(self, amount=1, one_word=False, two_words=False):
        n = 0
        while n <= amount:
            if one_word:
                full_name = random.choice(fn) + random.choice(ln1)
            elif two_words:
                full_name = random.choice(fn) + random.choice(ln2)
            else:
                full_name = random.choice(fn) + random.choice(ln1 + ln2)
            yield full_name
            n += 1

    def fake_gender(self, amount=1):
        n = 0
        while n <= amount:
            gender = random.choice(['男', '女', '未知'])
            yield gender
            n += 1


class SnsUser(FakerUser):
    def get_followers(self, amount=1, few=True, a_lot=False):
        n = 0
        while n <= amount:
            if few:
                followers = random.randrange(1,50)
            elif a_lot:
                followers = random.randrange(200,10000)
            yield followers
            n += 1

3、在test.py 文件中进行调用。 调用代码如下：

from fake_name import FakerUser
from fake_name import SnsUser

user_a = FakerUser()
user_b = SnsUser()
for name in user_a.fake_name(30):
    print(name)
for gender in user_a.fake_gender(30):
    print(gender)

1.2  上传至pip   未完待续

2 下一步计划

至此，Python 的基础知识已全部讲完，但这些是远远不够的，剩下的边用边补充。。。

下一步将会用pytorch 搭建一个简单地神经网络。

然后解读并改动实验室论文Masp中的代码~