精华内容
下载资源
问答
  • (1)可视化库 (需用库:tkinter) (2)简单爬虫知识(需用库:requests) 注意:爬虫在获取翻译信息时,会因为一些反爬虫的机制导致失败,所以从翻译网站获取翻译信息时,要选择稳定性强的翻译网站,并做好针对...

    1.图片展示:

     

    2.写出上面图式的小脚本需要利用python两个方面的知识:

    (1)可视化库 (需用库:tkinter)

    (2)简单爬虫知识 (需用库:requests)

    注意:爬虫在获取翻译信息时,会因为一些反爬虫的机制导致失败,所以从翻译网站获取翻译信息时,要选择稳定性强的翻译网站,并做好针对网站的反爬机制做好措施,防止出错。该脚本用的翻译网站是随意找的,因而容易出错,建议用百度翻译、有道翻译等一些好的翻译网站。

    3.代码如下:

    from tkinter import *
    import requests
    
    # 在线翻译网站 post:f t w
    start_url = "http://fy.iciba.com/ajax.php?a=fy"
    # 创建窗口
    root = Tk()
    # 窗口标题
    root.title("中英互译")
    # 窗口大小
    root.geometry("370x100+500+300")
    # 标签控件
    label1 = Label(root, text="输入要翻译的文字:")
    label1.grid(row=0, column=0)
    label2 = Label(root, text="翻译之后的结果:")
    label2.grid(row=1, column=0)
    # 输入控件
    entry1 = Entry(root, font=("微软雅黑", 15))
    entry1.grid(row=0, column=1)
    entry2 = Entry(root, font=("微软雅黑", 15))
    entry2.grid(row=1, column=1)
    
    
    # 按钮
    def translate():
        entry2.delete(0, 'end')
        input_data = entry1.get()
        if not input_data.isalpha():
            input_data = input_data.lower()
            data = {
                "f": "auto",
                "t": "auto",
                "w": input_data
            }
            response = requests.post(start_url, data=data)
            result = response.json()
            output = result['content']['out']
        else:
            data = {
                "f": "auto",
                "t": "auto",
                "w": input_data
            }
            response = requests.post(start_url, data=data)
            result = response.json()
            output = result['content']['word_mean'][0]
        entry2.insert("insert", output)
    
    
    button1 = Button(root, text="翻译", width=10, command=translate)
    # sticky(对齐方式):N S W E
    button1.grid(row=2, column=0, sticky=W)
    button1 = Button(root, text="退出", width=10, command=root.quit)
    button1.grid(row=2, column=1, sticky=E)
    # 显示窗口 消息循环
    root.mainloop()

     

    转载于:https://www.cnblogs.com/loveprogramme/p/9471285.html

    展开全文
  • Ubuntu+PyQt5+Python3.6+Qt Designer 实现可视化窗口的编辑 2018年03月10日 14:53:29Kun_beim阅读数:8718 版权声明:本文为博主原创文章,未经博主允许不得转载。 ...

    Ubuntu+PyQt5+Python3.6+Qt Designer 实现可视化窗口的编辑

    2018年03月10日 14:53:29 Kun_beim 阅读数:8718

     版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/qq_33571896/article/details/79507843

    一、为什么写这片博文

       近期将实验室的电脑的OS换成了ubuntu,想对linux进一步的了解和使用。在使用的过程中想用python+pyqt5写一个音乐播放器和视频播放器(这也是linux的乐趣所在),就开始学习了一段时间pyqt5,对pyqt5基本的操作熟悉了。
       熟悉了pyqt5之后着手开始写播放器,安装qtdesigner的开发环境,但是发现几乎全是在windows环境下,与linux环境下有一些区别,所以在我安装好linux环境下的开发环境后想写这一片博文,记录下自己学习的过程,也为不会安装的朋友们出一个注意。也为linux平台做出自己的贡献。
    
    • 1
    • 2

    二、开始按装

    第一步 安装 pip,virtualenv,pyqt5,qtdesigner

    1.安装pip
         sudo apt-get install python3-pip 
    2.安装virtualenv
         python3 -m pip install virtualenv
         创建虚拟环境 env并切换到虚拟环境
    3.安装pyqt5
        pip install pyqt5
    4安装qtdesigner
        sudo apt-get install qt5-default qttools5-dev-tools
    在终端输入designer启动
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10

    三、pycharm配置

    File->Setting->Tools->External Tools

    这里写图片描述
    点击绿色的“加号” 
    这里写图片描述 
    这样子填写 
    Porgram填写虚拟环境中使用的python 
    Arguments填写-m PyQt5.uic.pyuic $FileName$ -o $FileNameWithoutExtension$.py 
    Workdirectory 填写你的工作目录 
    保存即可。

    四、工具使用

    1.在终端输入designer 打开qtdesigner选择widget 
    2.对编辑好的界面文件进行保存,保存到工作目录(与三里面的工作目录相同) 
    3.对ui文件进行转换 
    这里写图片描述 
    就会生成一个同样名称的一个py文件。 
    4.对生成的py文件进行修改。 
    在末尾添加

    if __name__=="__main__":
        import sys
        from PyQt5.QtGui import QIcon
        app=QtWidgets.QApplication(sys.argv)
        widget=QtWidgets.QWidget()
        ui=Ui_Form()
        ui.setupUi(widget)
        widget.setWindowIcon(QIcon('web.png'))#增加icon图标
        widget.show()
        sys.exit(app.exec_())
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10

    五、总结

    到现在就可以使用QtDesigner进行窗口的可视化编辑了。希望这片博文对大家有所帮助,有任何问题请联系我,学习交流。谢谢观看! 
    联系方式 
    邮箱 wongyinlong@yeah.com 
    QQ 3116316431

    展开全文
  • 前面了30篇博客来讲数据分析的基础部分,这篇博客终于开始数据可视化了 这篇博客一下Matplotlib简介及图表窗口,Matplotlib是一个Python版的matlab绘图接口,以2D为主,支持Python,numpy,pandas基本数据结构...

    前面写了30篇博客来讲数据分析的基础部分,这篇博客终于开始写数据可视化了
    这篇博客写一下Matplotlib简介及图表窗口,Matplotlib是一个Python版的matlab绘图接口,以2D为主,支持Python,numpy,pandas基本数据结构,运营高效且有较丰富的图表库
    使用Matplotlib的时候首先要引入它的包

    import numpy as np
    import pandas as pd
    import matplotlib.pyplot as plt#引入matplotlib包
    

    (1)图表窗口1—plt.show()
    plt.show( ) 直接生成图表

    plt.plot(np.random.rand(10))#创建数据
    plt.show()#显示图表
    

    输出结果:
    在这里插入图片描述
    (2)图表窗口2—魔法函数,嵌入图表
    可以使用魔法函数直接嵌入图表,不需要使用plt.show( ) 来显示

    % matplotlib inline  #引入模块
    x = np.random.randn(1000)
    y = np.random.randn(1000)
    plt.scatter(x,y)#绘制散点图
    

    输出结果:
    在这里插入图片描述
    (3)图表窗口3—模范函数,弹出可交互的matplotlib窗口
    matplotlib模块可以绘制可交互的图表窗口

    %matplotlib notebook #引入模块
    s = pd.Series(np.random.randn(100))
    s.plot(style = 'k--o',figsize=(10,5))
    

    输出结果:
    在这里插入图片描述
    这个可交互式窗口用起来还是很舒服的
    (4)图表窗口4----魔法函数,弹出matplotlib控制台
    如果在前面有加载过 notebook显示方式,则需要重启再运行魔法函数,一旦加载过一个显示方式则会一直默认为显示该方式

    %matplotlib qt5  #引入模块
    df = pd.DataFrame(np.random.rand(50,2),columns=['A','B'])
    df.hist(figsize=(12,5),color='g',alpha=0.8)
    

    输出结果:
    在这里插入图片描述
    (5)图表基本元素—图名,图例,轴标签,轴边界,轴刻度,轴刻度标签等

    创建数据,并创建图表对象,赋值于fig

    df = pd.DataFrame(np.random.rand(10,2),columns=['A','B'])
    fig = df.plot(figsize=(6,4))
    

    设置图表名称,x轴标签,y轴标签

    plt.title('Interesting Graph - Check it out')  # 图名
    plt.xlabel('Plot Number')  # x轴标签
    plt.ylabel('Important var') # y轴标签
    
    

    设置图例位置

    plt.legend(loc = 'upper right')  
    

    loc的参数有以下几种:
    ‘best’:自适应方式
    ‘upper right’:右上角
    ‘upper left’:左上角
    ‘lower left’:左下角
    ‘lower right’:右下角
    ‘right’:右边
    ‘center left’:
    ‘center right’:
    ‘lower center’:
    ‘upper center’:
    ‘center’:

    设置x轴和y轴边界以及刻度

    plt.xlim([0,12])  # x轴边界
    plt.ylim([0,1.5])  # y轴边界
    plt.xticks(range(10))  # 设置x刻度
    plt.yticks([0,0.2,0.4,0.6,0.8,1.0,1.2])  # 设置y刻度
    

    设置x轴和y轴刻度标签

    fig.set_xticklabels("%.1f" %i for i in range(10))  # x轴刻度标签
    fig.set_yticklabels("%.2f" %i for i in [0,0.2,0.4,0.6,0.8,1.0,1.2])  # y轴刻度标签
    

    绘制最终图表

    print(fig,type(fig))
    

    在这里插入图片描述
    (6)其他元素可视性
    通过ndarray创建图表

    x = np.linspace(-np.pi,np.pi,256,endpoint = True)
    c, s = np.cos(x), np.sin(x)
    plt.plot(x, c)
    plt.plot(x, s)
    

    显示网格

    plt.grid(True, linestyle = "--",color = "gray", linewidth = "0.5",axis = 'x')  
    

    这里要注意以下参数:
    linestyle:线型;
    color:颜色;
    linewidth:宽度;
    axis:x,y,both,显示x/y两者的网格

    刻度显示

    plt.tick_params(bottom='on',top='off',left='on',right='off')  
    

    设置刻度的方向

    import matplotlib
    matplotlib.rcParams['xtick.direction'] = 'out' 
    matplotlib.rcParams['ytick.direction'] = 'inout' 
    

    关闭坐标轴

    frame = plt.gca()#也可以写作plt.axis('off')
    

    输出结果:
    在这里插入图片描述
    太晚啦,就到这里啦

    关注欢喜,走向成功~

    展开全文
  • 上一篇博客简单介绍了一下Matplotlib的图表窗口和图表基本元素,这一篇着重一下Matplotlib图表的样式参数 (1)linestyle参数 linestyle是选择线型,即虚线还是直线等,它的参数有以下四个: # '-' solid line ...
  • 上一篇博客简单介绍了一下Matplotlib的图表窗口和图表基本元素,这一篇着重一下Matplotlib图表的样式参数 (1)linestyle参数 linestyle是选择线型,即虚线还是直线等,它的参数有以下四个: # '-' solid line ...

    上一篇博客简单介绍了一下Matplotlib的图表窗口和图表基本元素,这一篇着重写一下Matplotlib图表的样式参数
    (1)linestyle参数
    linestyle是选择线型,即虚线还是直线等,它的参数有以下四个:

    # '-'       solid line style
    # '--'      dashed line style
    # '-.'      dash-dot line style
    # ':'       dotted line style

    我们来看一个具体的例子,画一个虚线图

    plt.plot([i**2 for i in range(100)],
            linestyle = '-.')

    输出结果:
    在这里插入图片描述
    (2)marker参数
    marker参数是选择点的形状,这个参数非常非常多,以下:

    # '.'       point marker
    # ','       pixel marker
    # 'o'       circle marker
    # 'v'       triangle_down marker
    # '^'       triangle_up marker
    # '<'       triangle_left marker
    # '>'       triangle_right marker
    # '1'       tri_down marker
    # '2'       tri_up marker
    # '3'       tri_left marker
    # '4'       tri_right marker
    # 's'       square marker
    # 'p'       pentagon marker
    # '*'       star marker
    # 'h'       hexagon1 marker
    # 'H'       hexagon2 marker
    # '+'       plus marker
    # 'x'       x marker
    # 'D'       diamond marker
    # 'd'       thin_diamond marker
    # '|'       vline marker
    # '_'       hline marker

    来看一个具体的实例:

    
    s = pd.Series(np.random.randn(100).cumsum())
    s.plot(linestyle = '--',
          marker = '.')

    输出结果:
    在这里插入图片描述
    (3)color参数
    color参数即是选择颜色,主要是从colormap颜色版中选择,包括以下:

    # Accent, Accent_r, Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r, CMRmap, CMRmap_r, Dark2, Dark2_r, GnBu, GnBu_r, Greens, Greens_r,
    # Greys, Greys_r, OrRd, OrRd_r, Oranges, Oranges_r, PRGn, PRGn_r, Paired, Paired_r, Pastel1, Pastel1_r, Pastel2, Pastel2_r, PiYG, PiYG_r, 
    # PuBu, PuBuGn, PuBuGn_r, PuBu_r, PuOr, PuOr_r, PuRd, PuRd_r, Purples, Purples_r, RdBu, RdBu_r, RdGy, RdGy_r, RdPu, RdPu_r, RdYlBu, RdYlBu_r, 
    # RdYlGn, RdYlGn_r, Reds, Reds_r, Set1, Set1_r, Set2, Set2_r, Set3, Set3_r, Spectral, Spectral_r, Wistia, Wistia_r, YlGn, YlGnBu, YlGnBu_r, 
    # YlGn_r, YlOrBr, YlOrBr_r, YlOrRd, YlOrRd_r, afmhot, afmhot_r, autumn, autumn_r, binary, binary_r, bone, bone_r, brg, brg_r, bwr, bwr_r, 
    # cool, cool_r, coolwarm, coolwarm_r, copper, copper_r, cubehelix, cubehelix_r, flag, flag_r, gist_earth, gist_earth_r, gist_gray, gist_gray_r,
    # gist_heat, gist_heat_r, gist_ncar, gist_ncar_r, gist_rainbow, gist_rainbow_r, gist_stern, gist_stern_r, gist_yarg, gist_yarg_r, gnuplot, 
    # gnuplot2, gnuplot2_r, gnuplot_r, gray, gray_r, hot, hot_r, hsv, hsv_r, inferno, inferno_r, jet, jet_r, magma, magma_r, nipy_spectral, 
    # nipy_spectral_r, ocean, ocean_r, pink, pink_r, plasma, plasma_r, prism, prism_r, rainbow, rainbow_r, seismic, seismic_r, spectral, 
    # spectral_r ,spring, spring_r, summer, summer_r, terrain, terrain_r, viridis, viridis_r, winter, winter_r

    我们平时常用的包括红色,绿色,黑色,蓝色等,通常以简写的形式来表示:red-r, green-g, black-k, blue-b, yellow-y

    来看一个具体的实例

    plt.hist(np.random.randn(100),
            color = 'g',alpha = 0.8)#alpha为透明度,0-1

    输出结果:
    在这里插入图片描述
    再来看一下选择colormap的图表

    df = pd.DataFrame(np.random.randn(1000, 4),columns=list('ABCD'))
    df = df.cumsum()
    df.plot(style = '--.',alpha = 0.8,colormap = 'GnBu')

    输出结果:
    在这里插入图片描述
    (4)style参数
    style参数是对图表的整体设置,包括linestyle,marker,color
    来看一个具体的实例

    ts = pd.Series(np.random.randn(1000).cumsum(), index=pd.date_range('1/1/2000', periods=1000))
    ts.plot(style = '--g.',grid = True)#grid为添加网格

    输出结果:
    在这里插入图片描述
    (5)整体风格样式
    设置图表的整体风格需要引入新的模块,一旦选用样式后,所有的图表都会默认为选择该样式,需要重启后才能关掉

    import matplotlib.style as psl
    print(plt.style.available)#查看样式列表

    主要样式:
    ‘seaborn-ticks’, ‘ggplot’, ‘seaborn-paper’, ‘seaborn-whitegrid’, ‘grayscale’, ‘seaborn-deep’, ‘seaborn-poster’, ‘seaborn-talk’, ‘seaborn-muted’, ‘seaborn-white’, ‘seaborn-colorblind’, ‘seaborn-darkgrid’, ‘seaborn-dark’, ‘fivethirtyeight’, ‘bmh’, ‘dark_background’, ‘seaborn-bright’, ‘seaborn-pastel’, ‘classic’, ‘seaborn-notebook’, ‘seaborn-dark-palette’

    来看一个具体实例

    psl.use('ggplot')
    ts = pd.Series(np.random.randn(1000).cumsum(), index=pd.date_range('1/1/2000', periods=1000))
    ts.plot(style = '--g.',grid = True,figsize=(10,6))

    输出结果:
    在这里插入图片描述
    (6)设置图表刻度
    我们可以自己设置图表的刻度,需要引入新的模块

    from matplotlib.ticker import MultipleLocator, FormatStrFormatter
    
    t = np.arange(0.0, 100.0, 1)
    s = np.sin(0.1*np.pi*t)*np.exp(-t*0.01)
    ax = plt.subplot(111) #注意:一般都在ax中设置,不再plot中设置
    plt.plot(t,s,'--*')
    plt.grid(True, linestyle = "--",color = "gray", linewidth = "0.5",axis = 'both')  
    # 网格

    还有一些比较基础但不是很常用的设置方法

    xmajorLocator = MultipleLocator(10) # 将x主刻度标签设置为10的倍数
    xmajorFormatter = FormatStrFormatter('%.0f') # 设置x轴标签文本的格式
    xminorLocator   = MultipleLocator(5) # 将x轴次刻度标签设置为5的倍数  
    ymajorLocator = MultipleLocator(0.5) # 将y轴主刻度标签设置为0.5的倍数
    ymajorFormatter = FormatStrFormatter('%.1f') # 设置y轴标签文本的格式
    yminorLocator   = MultipleLocator(0.1) # 将此y轴次刻度标签设置为0.1的倍数  
    
    ax.xaxis.set_major_locator(xmajorLocator)  # 设置x轴主刻度
    ax.xaxis.set_major_formatter(xmajorFormatter)  # 设置x轴标签文本格式
    ax.xaxis.set_minor_locator(xminorLocator)  # 设置x轴次刻度
    
    ax.yaxis.set_major_locator(ymajorLocator)  # 设置y轴主刻度
    ax.yaxis.set_major_formatter(ymajorFormatter)  # 设置y轴标签文本格式
    ax.yaxis.set_minor_locator(yminorLocator)  # 设置y轴次刻度
    
    ax.xaxis.grid(True, which='both') #x坐标轴的网格使用主刻度
    ax.yaxis.grid(True, which='minor') #y坐标轴的网格使用次刻度

    输出结果:
    在这里插入图片描述

    (7)注解
    可以对图标上的某个点添加注解

    df = pd.DataFrame(np.random.randn(10,2))
    df.plot(style = '--o')
    plt.text(5,0.5,'hahaha',fontsize=10) 

    注解 → 横坐标,纵坐标,注解字符串,注解字大小
    输出结果:
    在这里插入图片描述

    (8)图表输出
    可以选择图表输出的文件位置和格式,一般这种方法不是很常用,保存图标直接右击即可

    df = pd.DataFrame(np.random.randn(1000, 4), columns=list('ABCD'))
    df = df.cumsum()
    df.plot(style = '--.',alpha = 0.5)
    plt.legend(loc = 'upper left')
    plt.savefig('C:/Users/XXX/Desktop/pic.png',
                dpi=400,#分辨率为400
                bbox_inches = 'tight',#图表需要保存的部分,设置为tight,尝试剪掉空白部分
                facecolor = 'g',
                edgecolor = 'b'#图表的背景色,默认为‘w’
                )

    以上就是一些非常基础的东西,可以看一下

    关注欢喜,走向成功~

    展开全文
  • 自己用python写了一个转换小工具,有json格式转换,base64编码转换、url编码转换,16进制编码转换、md5加密,然后用tkinter模块搭建了个可视化窗口 需要源码的可以自己查看,不需要源码的提供编译后的工具 编译后的...
  • 石头剪刀布小游戏 游戏截图: 代码: #功能:石头剪刀布小游戏 #日期:2020/10/14 import tkinter import random typestr = ('石头', '剪刀',...# 第2步,给窗口可视化起名字 window.title('猜拳小游戏') # 第3步
  • python Tkinter GUI可视化助手(又名:python Tkinter窗口布局助手)是由吾爱网友热心分享的一款绿色免费,功能实用的Python Tkinter模块助手工具。众所周知,有许多python gui的库或者插件,比较实用的是pyqt,但...
  • 基于PyQt5的数据库可视化操作界面

    万次阅读 多人点赞 2017-12-10 22:51:46
    这两天时间做了读了Qt库和pymssql的不少文档,边学边做了一个可视化窗口实现数据库的操作。对PyQt的理解也就限于槽和信号沟通环节,pymssql主要是连接部分,并未过多涉及。内容为医院挂号系统,基本实现和练习了增...
  • Python 多个图同时在不同窗口显示

    千次阅读 2019-05-16 09:43:07
    Python的matplotlib包可以轻松的将数据可视化,想同时在两个窗口展示两张图,但是代码运行结果总是显示一张图,把当前的图删掉之后才能显示另一张图。网上找了一些解决方案都是把它们放在一个窗口中,两个图片分别...
  • Python的matplotlib包可以轻松的将数据可视化,博主最近遇到了一个问题,博主想同时在两个窗口展示两张图,但是代码运行结果总是显示一张图,把当前的图删掉之后才能显示另一张图。网上找了一些解决方案都是把它们...
  • 利用tk创建一个可视化窗口: from tkinter import * # 创建窗口 root = Tk() # 循环显示 root.mainloop() mainloop为主循环,循环显示窗口; 之后的主程序代码都需要在mainloop之前, run ===> 调整...
  • python与pyqt5+pyaudio+user32.dll合力打造毕业设计,内有易语言的登陆器(包括了源码),还有爬虫部分,数据库sqlite3,UI与交互部分,窗口特效部分。 爬虫学得好,局子进的早。 背后又一凉
  • awesome-python 是 vinta 发起维护的 Python 资源列表,内容包括:Web 框架、网络爬虫、网络内容提取、模板引擎、数据库、数据可视化、图片处理、文本处理、自然语言处理、机器学习、日志、代码分析等。由「开源前哨...
  • 在前面】 自学python,不同于工作上的代码编程,...因此,就自学GUI,可以制作些可视化界面工具。 另外,我在制作GUI时,发现多窗口之间的信号传递和处理特别麻烦,网上有很多C或者JAVA的帖子,或者只有 介绍...
  • 一个tkinter窗口实例

    千次阅读 2020-01-23 10:06:25
    tkinter能像html那样搭建输入框,包括文本框,复选框,下拉框等可视化输入接口,配合pyinstaller模块可以将python程序封装成可视化小工具,我过这么一个例子使用pyinstaller将Python程序封装成可执行文件,还做了...
  • Python 科学计算

    2018-09-20 16:59:31
    1.4.4 绘图与可视化 .............................14 1.4.5 图像处理和计算机视觉..............15 第 2 章 NumPy——快速处理数据.......... 16 2.1 ndarray 对象...................................16 2.1.1 ...
  • 最近在论文需要给一些公式画图,老师说用...当然,在学习之前我们要先用好Matplotlib库,这个库是python最基本的可视化库,具体步骤如下: win+r打开命令窗口,输入cmd,再点击“确定” 输入pip install matplotl
  • 之前根据别人的翻译软件,发现别人的有bug,下面自己重新了下,站在巨人的肩膀上的,废话不多说,直接上代码: #coding:utf-8 import tkinter as tk ...# 第2步,给窗口可视化起名字 roo...
  • 进行python可视化编程时,在另一个模块的类下面一个调用窗口希望在Tkinter的button上显示图片,但是总是出现错误,而在主函数里面下以下代码确能显示希望得到的效果。出现错误:关于TclError: image "pyimage1...
  • python在界面开发这一块是没有什么优势的,但是当我们一些小项目需要可视化或者给别人使用的时候用python自带的模块会比较合适 但是我们不要在意太多细节,因为Tkinter还是有许多被吐槽的地方,只需坚持一个原则:...
  • 本书从一系列开源的Python模块讲起,介绍了很多实用的有关数据检索、清晰、操作、可视化等知识。同时,还涉及信号处理、预测性分析、机器学习等高端主题。非常适合想要深入学习并使用Python进行数据分析的读者,无论...
  • 2,非窗口界面,不懂DOS太痛苦,编写可视化太麻烦;3,不声明变量类型,导致反复查找莫名的错误;4,搞笑的冒号和缩进。唯一的优点是存在众多的库函数,只适合非专业人士开发大数据和人工智能简单项目。专业一点还是...
  • 常常需要一些脚本,配置一些参数后就开始执行计算, 并且希望能够让他人无障碍使用,会以可视化方式执行 主要使用tkinter库, 布局方面, 每一行构造一个Frame然后pack到窗口即可.而每一行的Frame可采用pack或者grid...
  • 在Qt编程中,程序员通常都是使用手动编写Python源代码来进行Qt程序开发,但有些程序员也喜欢使用可视化的方法进行对话框设计,因此,Qt为习惯利用可视化方式进行窗口程序设计的程序员提供了Designer,它可以给一个...
  • 在Qt编程中,程序员通常都是使用手动编写Python源代码来进行Qt程序开发,但有些程序员也喜欢使用可视化的方法进行对话框设计,因此,Qt为习惯利用可视化方式进行窗口程序设计的程序员提供了Designer,它可以给一个...
  • 很早以前的一个小爬虫,python3.8+pyqt5具体的网站自己看源码,只是一个简单的正则爬虫,做成了可视化窗口界面,也控制的比较死板,有兴趣的可以再添加一些控件上去,指定下载的URL执行下载

空空如也

空空如也

1 2 3
收藏数 50
精华内容 20
关键字:

python写可视化窗口

python 订阅