1、python-pptx模块简介
使用python操作PPT，需要使用的模块就是python-pptx，下面来对该模块做一个简单的介绍。这里提前做一个说明：python操作PPT，最好是我们提前设计好自己的一套样式，然后利用进行python进行内容的获取和填充（最主要的功能！），最好是不用使用python代码操作PPT的格式，格式的修改肯定不如我们直接在PPT中修改方便。
这里有一点需要注意的是：安装的库是python-pptx，但是导入的时候却有点不同。
在使用python操作PPT之前，首先应该清楚PPT的结构，这个对于之后代码的编写很有帮助
结果如下：
结果如下：
结果如下：
5）获取某一页Slide中的内容
结果如下：
这个概念在下面的效果中，会得以体现。其中prs.slide_layouts[]传入0表示获取的是第一个版式，传入1表示获取的是第二个版式，以此类推下去。
效果如下：
② PPT内容的填写
效果如下：
效果如下：
② 段落的添加
效果如下：
③ 给段落设定层级关系
效果如下：
效果如下：
第一种展示：
效果如下：
第二种展示：
效果如下：
结果如下：
上面我们已经知道怎么添加文本框，现在我们需要做的就是，怎么调整文本框的位置。
结果如下：
结果如下：
结果如下：
当然这里还有一些其他样式的调整，和word很类似，就不一一叙述了。
代码如下：
结果如下：
我用python执行时间23秒，用pypy执行时间1.54秒，用numba加速为1.5秒，c语言在本机macos上执行时间1.3秒,java运行速度1.45秒（jre8）,详细见图片，可见引入jit编译后，性能直逼c语言，而写python比写c容易太多,比java简洁，写代码速度也是非常非常重要。由于历史原因，很多python库用的c语言库，如pandas（pandas的矩阵计算用numpy优化过非常快，可能比手写c语言循环还要快），可以通过设计来分离c语言加速后的python代码和pure python，分别用不同的加速方法，如numba可以单独加速一个函数，把需要大量计算的放在一个函数用numba加速（numbapro支持显卡加速但是商业版的）。所以只适当设计一下，python在一般计算问题下有这些解决方案下性能不是问题，实在不行，你还可以用boost::python来写个c/c++调用库来解决性能问题。
下面的测试说明，对于性能，原生python比较慢，在windows下python比linux,macos要快，用pypy后相当于java,c#速度，pypy,c#在windows下受益msvc表现较快，,go语言速度表现比较稳定，c语言理论上是最快，但受环境和编译器影响较大。对c#,java可能在GC垃圾回收时会表现不稳定，因为在oop中有大量计算后可能要回收垃圾内存对象，这个没有用到oop，只是纯计算，理论上还是c/c++语言最快。
python和java比，运行速度比java慢，java强大于改进n次的强大jre，但python在很多领域能调用很多现成的开源库，在数据分析中有优势，pyhton的代码比java要简洁，容易入门和使用。在优化的计算库帮助下,如numpy numba，pandas，scikit-learn，python的实际问题运算性能并不低于java。java主要是框架太多，相对复杂，java主要用于业务程序开发，符合软件工程理论，可伸缩性强,强类型有利于对程序的静态检查分析。java随着安卓,hadoop,spark的兴起，加入java语言的公司很多，性能也可以通过优化解决很多问题。很多服务器如ubuntu server,centos都默认支持python，而java虚拟机需要安装配置，python的安装使用也相对简单。python的库有开箱即用感，很多业务领域，你可能还在用oop写代码，考虑设计模式，用锄头挖沟时，而python调用挖掘机api已经炒菜完工开饭了，缺点是油耗比较大。
