你好，我是悦创。
最近刚刚开始返校，断更了，为此还是非常抱歉的。接下来更新频率是周更，还是继续更新办公自动化。
这篇是 excel 自动话的文章的最后一篇，这些都是从我的自动化讲义中截取的一部分。对于上一篇 moviepy 视频处理的部分，因为一些小 bug 或者还需要看看官方文档，所以大家就多耐心等待一下。也希望我的每一篇，小伙伴们多多分享。这样后期看情况加快更新速度咯，谢谢支持咯。
提高效率
一张图片的分辨率，小点的有 50x50=2500 个像素，大的则有 1920*1080=2073600 个像素。
而且 Python 操作 Excel，逐个的给 Excel 单元格上色，还是比较慢的，所以一张图片也需要比较多的时间去完成像素画。
如果有一批图片需要处理，那速度就会特别的慢。
本节内容就来介绍下，如何高效的生成大量的像素画。
说到高效，肯定和电脑性能有关。但是提高性能是最后的办法。
提高效率，还有就是电脑的线程。毕竟电脑都是多核心多线程，而且 Python 默认是单线程的，所以提高效率，第一步是使用线程。
封装成函数
首先，将我们前面写好的脚本代码，封装成函数，只需要传入图片路径，直接生成对应的 xlsx 文件，且函数方便调用，易于管理。如下代码：
import xlsxwriter
from PIL import Image
import os
from concurrent import futures
def paint_excel(filename):
print("开始处理{}".format(filename))
wb = xlsxwriter.Workbook(filename+'.xlsx')
ws = wb.add_worksheet('sheet1')
img = Image.open(filename)
imgL = img.convert("P").convert("RGB")
pix = imgL.load()
w, h = imgL.size
def RGB_to_Hex(tmp):
rgb = list(tmp)
strs = '#'
for i in rgb:
num = int(i)
strs += str(hex(num))[-2:].replace('x','0').upper()
return strs
for i in range(w):
for j in range(h):
rgb = pix[i,j]
color = RGB_to_Hex(rgb)
style = wb.add_format({'bg_color': '{}'.format(color)})
ws.write(j,i,'',style)
ws.set_row(j,1)
ws.set_column(0,w-1,0.5)
wb.close()
print("处理完成，文件名{}".format(filename),'\n')
封装的函数，接收一个图片路径，然后生成对应的 xlsx 文件，没有返回值。
单线程处理图片集
那图片的位置，是在和这个代码文件同一个目录中，如下截图：
然后使用 python 的 os 库，取出 course 目录中的全部图片，将图片名和路径全部拼接，得到图片的绝对路径，然后逐个的调用函数，就可以得到单线程版本的批量生成像素图程序了。如下代码：
import xlsxwriter
from PIL import Image
import os
def paint_excel(filename):
print("开始处理{}".format(filename))
wb = xlsxwriter.Workbook(filename+'.xlsx')
ws = wb.add_worksheet('sheet1')
img = Image.open(filename)
imgL = img.convert("P").convert("RGB")
pix = imgL.load()
w, h = imgL.size
def RGB_to_Hex(tmp):
rgb = list(tmp)
strs = '#'
for i in rgb:
num = int(i)
strs += str(hex(num))[-2:].replace('x','0').upper()
return strs
for i in range(w):
for j in range(h):
rgb = pix[i,j]
color = RGB_to_Hex(rgb)
style = wb.add_format({'bg_color': '{}'.format(color)})
ws.write(j,i,'',style)
ws.set_row(j,1)
ws.set_column(0,w-1,0.5)
wb.close()
print("处理完成，文件名{}".format(filename),'\n')
if __name__ == "__main__":
path = os.getcwd()+'\course'
# 单线程
for filename in os.listdir('./course'):
full_path_filename = os.path.join(path,filename)
print(full_path_filename)
paint_excel(full_path_filename)
测试可以正常工作，没有什么问题，如下图：
但是有个问题，单线程效率低，速度慢，花时间。那就准备介入多线程吧。
多线程的使用示例
多线程操作，使用 python 的 concurrent 库，这是官方的，基于 threading 封装，使用更方便。先导入库
from concurrent import futures
导入之后，看下使用示例：
tasklist = [1,2,3,4,5]
with futures.ThreadPoolExecutor(50) as executor:
executor.map(函数, tasklist)
这是使用示例，创建 50 个线程，然后通过高阶函数 map，将任务 tasklist 全部丢给工作函数，等待他们执行完即可。
50 这个数值是自己新建的，如果只有 5 个任务，也就不需要 50 个，5 个就够。所以这个数值，可以按照图片个数或者一半来指定并发数。
多线程加速生成像素画
最后完成的代码如下：
# coding: utf-8
import xlsxwriter
from PIL import Image
import os
from concurrent import futures
def paint_excel(filename):
print("开始处理{}".format(filename))
wb = xlsxwriter.Workbook(filename+'.xlsx')
ws = wb.add_worksheet('sheet1')
img = Image.open(filename)
imgL = img.convert("P").convert("RGB")
pix = imgL.load()
w, h = imgL.size
def RGB_to_Hex(tmp):
rgb = list(tmp)
strs = '#'
for i in rgb:
num = int(i)
strs += str(hex(num))[-2:].replace('x','0').upper()
return strs
for i in range(w):
for j in range(h):
rgb = pix[i,j]
color = RGB_to_Hex(rgb)
style = wb.add_format({'bg_color': '{}'.format(color)})
ws.write(j,i,'',style)
ws.set_row(j,1)
ws.set_column(0,w-1,0.5)
wb.close()
print("处理完成，文件名{}".format(filename),'\n')
if __name__ == "__main__":
path = os.getcwd()+'\course'
# 单线程
# for filename in os.listdir('./course'):
# full_path_filename = os.path.join(path,filename)
# print(full_path_filename)
# paint_excel(full_path_filename)
# 多线程
tasklist = [os.path.join(path,filename) for filename in os.listdir('./course')]
with futures.ThreadPoolExecutor(len(tasklist)) as executor:
executor.map(paint_excel, tasklist)
这里是完整的代码，有单线程和多线程，具体的时间差可以自行测试下。
效果图：
