原始白色背景图片是这样的
希望处理后，爱心外面和里面的白色背景都变成透明的，像这样
代码
import PIL.Image as Image
img_file = 'C:\\Pictures\\爱心.png'
output_file = 'C:\\Pictures\\爱心透明背景.png'
img = Image.open(img_file)
img = img.convert('RGBA')
W, H = img.size
white_pixel = (255, 255, 255, 255)
for h in range(H):
for w in range(W):
if img.getpixel((w,h)) == white_pixel:
img.putpixel((w,h),(255,255,255,0))
img.save(output_file)
df.round(decimals=0, *args, **kwargs)
输入参数
decimals : int, dict, Series，每一列舍入到的小数位数。如果是整数，每一列都被舍入到这个位数；如果是字典或序列，各列舍入到指定的精度。列的名字应该作为decimals 字典的键，或者decimals 序列的index。未在decimals 中指定精度的列将保留原样。如果decimals 中有不是列名的键或index，会被忽略。
返回：
DataFrame: 舍入到指定精度的DataFrame。
decimals=0时，返回的是浮点数而非整数。
round 并非四舍五入，对浮点数执行round 须谨慎。
对浮点数执行 round ，返回的不是四舍五入的值，而是按以下规则确定的：
我们输入和看到的浮点数，与计算机中存储和运算时使用的浮点数未必完全相同，多数时候后者只是前者的近似值。
round(2.675, 2) 返回2.67 而不是 2.68 ，并不是错误，也不是bug，而是使用计算机进行浮点运算必然会出现的现象。
除非对精确度要求比较底，否则尽量避免用round()函数处理浮点小数。
如果确实需要使用四舍五入的方式进行舍入，可以用 decimal 模块：
>>> import decimal
>>> D = decimal.Decimal
>>> decimal.getcontext().rounding = "ROUND_HALF_UP" # 设置舍入方式为四舍五入
>>> D('2.675').quantize(D('0.00'))
Decimal('2.68') # 四舍五入后的值
在 在Wagtail网站中提供 RESTful API 服务 一文中，介绍了怎样为Wagtail 内置的页面、图片、文档 等类型的内容配置API 端点路径，其中也提到，如果要增加新的内容类型，可以继承路径基类 wagtail.api.v2.views.BaseAPIViewSet ，本文以类型为BlogCategory 的Snippet 为例，介绍怎样为其创建API 路径端点。创建好之后，API 响应如下：
{
"meta": {
"total_count": 2
},
"items": [
{
"id": 1,
"meta": {
"type": "blog.BlogCategory",
"detail_url": "http://api.example.com/api/v2/categories/1/",
},
"name": "Test",
"slug": "category-test-1"
},
{
"id": 2,
"meta": {
"type": "blog.BlogCategory",
"detail_url": "http://api.example.com/api/v2/categories/2/",
},
"name": "Hello",
"slug": "category-test-2"
}
]
}
在进行数据处理时，有时会需要将这样的两个表整理成一个表，如下图所示
第一个表中为每日测量值，第二个表中是标准生效日期，第一个表中每日的测量值，是依据当日之前最新的标准进行测量得到的值。按照这个规则可以整理得到第三个表，这个表综合显示每日测量值所依据的标准和标准生效日期。
使用pandas , 可以综合运用合并、填充和丢弃缺失等方法，来从表1和表2得到表3：
pdm = pd.merge(df1,df2,how='outer',left_on='date',right_on='effective date',sort=True).fillna(method='ffill').dropna()
© 2020 Q Cloud By Qi. All Rights Reserved 冀ICP备20003377号-1 
冀公网安备 13010402001886号
