python范围

用户图形界面-工资计算器

from tkinter import *


def f():
    w = int(e1.get()) + int(e2.get()) - int(e3.get())
    wage.insert(0,w)


root = Tk()
root.title("工资计算器")
Label(root, text="每月基本工资：").pack()
e1 = Entry(root)
e1.pack()
Label(root, text="补助工资：").pack()
e2 = Entry(root)
e2.pack()
Label(root, text="考勤扣款：").pack()
e3 = Entry(root)
e3.pack()
Button(root, text="计算", command=f).pack()
Label(root, text="实发工资：").pack()
wage=Entry(root)
wage.pack()
root.mainloop()
  1. 使用tk方法创建一个窗口类型root，并且给该窗口命名为工资计算器
  2. 用Label标签创建每月基本工资，补助工资，考勤扣款这几个标签，pack方法是将这几个标签放到窗口里
  3. 用Entry方法在root里创建输入框，并且将输入框创建在窗口里边
  4. 用Button方法创建一个按钮，与f方法绑定
  5. root.mainloop()显示窗口

政府工作报告-词云图

from PIL import Image
from wordcloud import WordCloud
import jieba
import numpy as np
#2、读取文本并分词
text = open("2023政府工作报告.txt","rb").read()
ss=" ".join(jieba.lcut(text))
mask=np.array(Image.open("ChinaMap.png"))
#3、配置词云参数，生成词云
wc = WordCloud(
    font_path="fonts/msyh.ttc",
    background_color = "white",
    max_words=300,
    mask =mask,
    max_font_size = 200,height=400,width=854,
stopwords={"的", "了", "是", "在", "和", "有", "一个", "与", "我", "我们", "你", "他", "她", "它", "这个", "那个", "对于",
            "因为", "所以", "如果", "如何", "这样", "但", "只有", "而", "也", "更加", "去", "将", "可以", "大", "小", "非常",
            "不仅", "更", "是的", "以及", "而且", "关于", "当", "能", "这些", "这些", "自己", "需要", "当时", "某些", "任何",
            "本", "此", "更", "过", "一些", "同样", "两", "三", "四", "五", "十", "不", "多", "少", "起来", "之前", "之后"},
colormap="Reds",contour_width=8,contour_color="red")
wc.generate(ss)
#4、生成图片并显示
wc.to_image( )
wc.to_file("C:/Users/Administrator/Desktop/new.png")
  1. 首先，导包
  2. 打开政府工作报告文件，并且读取文本存入text
  3. 使用jieba分词，生成字符串并使用空格连接，存入ss
  4. mask是使用该图像作为模板
  5. 创建一个词云示例wc，使用Wordcloud方法，并且定义font,background_color,max_words,mask,stopwords
  6. colormap为红色映射，后面两个设置词云的宽度和颜色
  7. wc.generate(ss)生成词云
  8. 展示图像并保存

七日天气-爬虫

#日期、天气如何、温度、风向、风速
import requests
from bs4 import BeautifulSoup
import time
import xlsxwriter
# 请求网页
def page_request(url, ua):
    response = requests.get(url=url, headers=ua)
    html = response.content.decode('utf-8')
    return html
# 解析网页
def page_parse(html):
    soup = BeautifulSoup(html, 'lxml')
    date = soup.select('#\\37 d > ul > li> h1')
    wendu_high = soup.select('#\\37 d > ul > li > p.tem > span')
    wendu_low = soup.select('#\\37 d > ul > li > p.tem > i')
    tianqi = soup.select('#\\37 d > ul > li > p.wea')
    fenxiang = soup.select('#\\37 d > ul > li > p.win > em > span')
    fengsu = soup.select('#\\37 d > ul > li > p.win > i')

    workbook= xlsxwriter.Workbook('tianqi.xlsx')
    #添加工作表
    worksheet=workbook.add_worksheet('data')
    headers=['日期','温度','天气','风向','风速']
    for col_num,headers in enumerate(headers):
        worksheet.write(0,col_num,headers)
    for i in range(6):
        						print(date[i].get_text()+'\t'+wendu_low[i].get_text()+'\t'+wendu_high[i].get_text()+'\t'+tianqi[i].get_text()+'\t'+fenxiang[i].get_text()+'\t'+fengsu[i].get_text())
        data=[date[i].get_text(),wendu_low[i].get_text()+'-'+wendu_high[i].get_text(),tianqi[i].get_text(),fenxiang[i].get_text(),fengsu[i].get_text()]
        for col_num,value in enumerate(data):
            worksheet.write(i+1,col_num,value)
    workbook.close()
if __name__ == "__main__":
    print('**************开始爬取七日天气**************')
    ua = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4421.5 Safari/537.36'}
    # 豆瓣电影Top250每页有25部电影，start就是每页电影的开头
    url = "https://www.weather.com.cn/weather/101180101.shtml"
    html = page_request(url=url, ua=ua)
    page_parse(html=html)
    #print('**************爬取完成**************')

分成三个部分

  1. 对网页的请求
  2. 解析网页，返回html
  3. 对html进行处理

详细叙述第三部分

  1. page_prase方法，首先soup = BeautifulSoup(html, 'lxml')将处理后的html保存在soup里边

  2. 然后使用soup.select方法将天气，最高最低温度，风速，风向，日期都创建变量进行保存

  3. 这一部分添加工作表并进行保存

    workbook= xlsxwriter.Workbook('tianqi.xlsx')
    #添加工作表
worksheet=workbook.add_worksheet('data')
headers=['日期','温度','天气','风向','风速']
for col_num,headers in enumerate(headers):
    worksheet.write(0,col_num,headers)
for i in range(6):
        						          print(date[i].get_text()+'\t'+wendu_low[i].get_text()+'\t'+wendu_high[i].get_text()+'\t'+tianqi[i].get_text()+'\t'+fenxiang[i].get_text()+'\t'+fengsu[i].get_text())
        data=[date[i].get_text(),wendu_low[i].get_text()+'-'+wendu_high[i].get_text(),tianqi[i].get_text(),fenxiang[i].get_text(),fengsu[i].get_text()]
        for col_num,value in enumerate(data):
            worksheet.write(i+1,col_num,value)

  4. 最后workbook.close()将该工作表进行保存

创建一个person类，输出hello

class Person:
    def __init__(self, name, age):
        self.name = name
        self.age = age
    def say_hello(self):
        print(f"Hello, my name is {self.name} and I am {self.age} years old.")

if __name__=="__main__":
    person1 = Person("Alice", 25)
    person1.say_hello()

整数列表按奇偶排序，并且从小到大



def key(list1,list2):
    list3=[]
    list4=[]
    for i in list1:
        if i%2==0:
            list3.append(i)
    for i in list2:
        if i%2==0:
            list3.append(i)
    for i in list1:
        if i%2!=0:
            list4.append(i)
    for i in list2:
        if i%2!=0:
            list4.append(i)
    list3=sorted(list3)
    list4=sorted(list4)
    print(list4+list3)


if __name__ == '__main__':
    list1=[1,5,8,2,22,9,7,20,25,24,99]
    list2=[111,112,113,114,115,116,117]
    key(list1,list2)

列表和元组的区别

列表（list）和元组（tuple）是 Python 中两种常用的数据结构，它们之间有以下几个主要区别：

1. 可变性

  • 列表（List）
    列表是可变的，可以修改元素的值、添加元素或删除元素。

    python复制代码lst = [1, 2, 3]
lst[0] = 10  # 修改元素
lst.append(4)  # 添加元素
lst.remove(2)  # 删除元素
print(lst)  # [10, 3, 4]

  • 元组（Tuple）
    元组是不可变的，一旦创建，不能修改其元素或结构。

    python复制代码tpl = (1, 2, 3)
# tpl[0] = 10  # 会报错：TypeError: 'tuple' object does not support item assignment
print(tpl)  # (1, 2, 3)

2. 性能

  • 元组因为不可变，所以在创建和访问时的性能通常比列表更高。
  • 如果需要处理大量不变的数据，使用元组更高效。

3. 用途

  • 列表更适合需要频繁修改数据的场景。
  • 元组更适合表示不可变的数据（如坐标、数据库记录）或作为函数返回多个值的容器。

4. 语法

  • 列表使用方括号

    []

    表示。

    python


复制代码
lst = [1, 2, 3]

  • 元组使用圆括号

    ()

    表示。如果元组只有一个元素，需加逗号。

    python复制代码tpl = (1, 2, 3)
single_tpl = (1,)  # 单元素元组

异常+ZeroDivisionError

#解释python中的异常处理机制
# 1. 异常处理机制
# 在程序运行的过程中，可能会出现各种各样的异常，比如输入错误、文件操作失败等等。如果不对这些异常进行处理，程序将会终止运行，并给出错误提示。
# 为了避免程序终止运行，我们需要对可能出现的异常进行处理，并给出合适的提示信息。
# Python中提供了try...except...finally语句来处理异常。
# try语句用来包含可能出现异常的语句，except语句用来处理异常，finally语句用来执行一些清理工作，无论是否出现异常都会执行。
#演示代码如何捕获并处理ZeroDivisionError异常：

try:
    a = 1 / 0
except ZeroDivisionError:
    print("division by zero!")

# 运行上述代码，将会输出"division by zero!"，说明程序正常运行，并捕获到了ZeroDivisionError异常。

画图

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import gridspec

# 定义函数 y = e^(2x) * cos(3πx + π/3)
def f(x):
    return np.exp(2 * x) * np.cos(3 * np.pi * x + np.pi / 3)

# 设置 x 的范围
x_range = np.linspace(0, 10)

# 创建图形，设置自定义布局
fig = plt.figure(figsize=(8, 12))

# 使用 gridspec 设置布局
gs = gridspec.GridSpec(2, 1, height_ratios=[2, 1])  # 上方大图占2/3, 下方小图占1/3

# 创建子图1：步长 0.2
ax1 = plt.subplot(gs[0])  # 上面的大图
x1 = np.arange(0, 10, 0.2)
y1 = f(x1)
ax1.plot(x1, y1, label='Step = 0.2', color='b', linestyle='-', marker='o')
ax1.set_title('Step Size = 0.2')
ax1.set_xlabel('x')
ax1.set_ylabel('y')
ax1.grid(True)
ax1.legend()

# 创建子图2和子图3：分别为步长 0.5 和 0.7，放在底部
gs2 = gridspec.GridSpecFromSubplotSpec(1, 2, subplot_spec=gs[1])  # 在底部创建两个子图

# 子图2：步长 0.5
ax2 = plt.subplot(gs2[0])
x2 = np.arange(0, 10, 0.5)
y2 = f(x2)
ax2.plot(x2, y2, label='Step = 0.5', color='g', linestyle='--', marker='x')
ax2.set_title('Step Size = 0.5')
ax2.set_xlabel('x')
ax2.set_ylabel('y')
ax2.grid(True)
ax2.legend()

# 步长 0.7
ax3 = plt.subplot(gs2[1])
x3 = np.arange(0, 10, 0.7)
y3 = f(x3)
ax3.plot(x3, y3, label='Step = 0.7', color='r', linestyle='-.', marker='s')
ax3.set_title('Step Size = 0.7')
ax3.set_xlabel('x')
ax3.set_ylabel('y')
ax3.grid(True)
ax3.legend()

# 调整布局
plt.tight_layout()

# 显示图形
plt.show()

数据分析

import  pandas as pd
import matplotlib.pyplot as plt

# 读取数据
df=pd.read_excel('sales.xlsx',parse_dates=['date'])
print(df.head())
# 按店铺分组并计算销售和利润的总和
store_sales=df.groupby("store")[["sales","profit"]].sum()
print(store_sales)

# 绘制柱状图
# 筛选出销售额大于200的记录
high_sales=df[df["sales"]>200]
print(high_sales)
# 按类别分组并计算利润的平均值
category_profit=df.groupby("category")["profit"].mean()
print(category_profit)
# 绘制各店铺总销售额的柱状图
store_sales["sales"].plot(kind="bar",figsize=(10,6),color="skyblue")
plt.title("Total Sales by Store")
plt.xlabel("Store")
plt.ylabel("Total Sales")
plt.show()
  1. 读取数据
  2. 计算销售和利润的总和
  3. 绘制柱状图，筛选出销售额大于200的记录
  4. 计算
  5. 绘制

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/954651.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

一些常见的Java面试题及其答案

一些常见的Java面试题及其答案

Java基础 1. Java中的基本数据类型有哪些？ 答案：Java中的基本数据类型包括整数类型（byte、short、int、long）、浮点类型（float、double）、字符类型（char）和布尔类型（boo…
阅读更多...
PyTorch框架——基于深度学习YOLOv5神经网络水果蔬菜检测识别系统

PyTorch框架——基于深度学习YOLOv5神经网络水果蔬菜检测识别系统

基于深度学习YOLOv5神经网络水果蔬菜检测识别系统，其能识别的水果蔬菜有15种，# 水果的种类 names: [黑葡萄, 绿葡萄, 樱桃, 西瓜, 龙眼, 香蕉, 芒果, 菠萝, 柚子, 草莓, 苹果, 柑橘, 火龙果, 梨子, 花生, 黄瓜, 土豆, 大蒜, 茄子, 白萝卜, 辣椒, 胡萝卜,…
阅读更多...
用css和html制作太极图

用css和html制作太极图

目录 css相关参数介绍 边距 边框 伪元素选择器 太极图案例实现、 代码 效果 css相关参数介绍 边距 <!DOCTYPE html> <html><head><meta charset"utf-8"><title></title><style>*{margin: 0;padding: 0;}div{width: …
阅读更多...
WPF、控件模板(ControlTemplate)和数据模板(DataTemplate)

WPF、控件模板(ControlTemplate)和数据模板(DataTemplate)

前言 在 WPF 中&#xff0c;控件种类丰富且功能非常完善。一个显著的优点是 WPF 提供了强大的自定义能力和灵活的用户界面表现&#xff0c;能够满足各种复杂的应用需求。其中&#xff0c;ControlTemplate 和 DataTemplate 是两个非常重要的概念&#xff0c;分别用于自定义控件…
阅读更多...
RAG实战_01代码生成_02智能检索

RAG实战_01代码生成_02智能检索

整理了RAG案例的Git代码 https://github.com/LGRY/RAG_Tutorial/tree/main 【注意事项】 01 代码生成系统源代码中使用的weaviate向量数据库&#xff0c;不支持window系统&#xff0c;建议换系统/换向量数据库02 智能检索系统 同样需要配置向量数据库&#xff0c;可以先安…
阅读更多...
【Linux系统编程】—— 自动化构建工具Makefile指南

【Linux系统编程】—— 自动化构建工具Makefile指南

文章目录 背景基本使用推导过程适度扩展语法 背景 Makefile 是衡量开发者是否具备完成大型工程能力的一个重要标志。在一个工程中&#xff0c;源文件的数量可能极多&#xff0c;这些文件会按照类型、功能或模块分布在多个目录中。Makefile 通过定义一系列规则&#xff0c;指定…
阅读更多...
【JavaWeb01】JavaWeb开发基础：HTML的深度解析与应用

【JavaWeb01】JavaWeb开发基础：HTML的深度解析与应用

文章目录 前言&#x1f30d;一.B/S 软件开发架构简述&#x1f30d;二.HTML 介绍❄️2.1 官方文档❄️2.2 网页的组成❄️2.3 HTML 是什么❄️2.4html基本结构 &#x1f30d;三.HTML标签1.html 的标签/元素-说明2. html 标签注意事项和细节3.font 字体标签4.标题标签5.超链接标签…
阅读更多...
Android-目前最稳定和高效的UI适配方案

Android-目前最稳定和高效的UI适配方案

谈到适配&#xff0c;首先需要介绍几个基本单位&#xff1a; 1、密度无关像素&#xff08;dp&#xff09;&#xff1a; 含义&#xff1a;density-independent pixel&#xff0c;叫dp或dip&#xff0c;与终端上的实际物理像素点无关 单位&#xff1a;dp&#xff0c;可以保证在…
阅读更多...
图片和短信验证码（头条项目-06）

图片和短信验证码（头条项目-06）

1 图形验证码接口设计 将后端⽣成的图⽚验证码存储在redis数据库2号库。 结构&#xff1a; {img_uuid:0594} 1.1 创建验证码⼦应⽤ $ cd apps $ python ../../manage.py startapp verifications # 注册新应⽤ INSTALLED_APPS [django.contrib.admin,django.contrib.auth,…
阅读更多...
java8 springboot 集成javaFx 实现一个客户端程序

java8 springboot 集成javaFx 实现一个客户端程序

1. 先创建一个springboot 程序(此步骤不做流程展示) 2. 更改springboot的版本依赖和导入所需依赖 <parent><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-parent</artifactId><version>2.7.7</versio…
阅读更多...
linux手动安装mysql5.7

linux手动安装mysql5.7

一、下载mysql5.7 1、可以去官方网站下载mysql-5.7.24-linux-glibc2.12-x86_64.tar压缩包&#xff1a; https://downloads.mysql.com/archives/community/ 2、在线下载&#xff0c;使用wget命令&#xff0c;直接从官网下载到linux服务器上 wget https://downloads.mysql.co…
阅读更多...
数据结构(链表 哈希表)

数据结构(链表 哈希表)

在Python中&#xff0c;链表和哈希表都是常见的数据结构&#xff0c;可以用来存储和处理数据。 链表是一种线性数据结构&#xff0c;由一系列节点组成&#xff0c;每个节点包含一个数据元素和一个指向下一个节点的指针。链表可以用来实现栈、队列以及其他数据结构。Python中可…
阅读更多...
【GPT进化之路】从 GPT-1 的初试锋芒到 GPT-4 的跨模态智能时代

【GPT进化之路】从 GPT-1 的初试锋芒到 GPT-4 的跨模态智能时代

网罗开发 &#xff08;小红书、快手、视频号同名&#xff09; 大家好&#xff0c;我是 展菲&#xff0c;目前在上市企业从事人工智能项目研发管理工作&#xff0c;平时热衷于分享各种编程领域的软硬技能知识以及前沿技术&#xff0c;包括iOS、前端、Harmony OS、Java、Python等…
阅读更多...
linux之进程信号(初识信号，信号的产生)

linux之进程信号(初识信号，信号的产生)

目录 引入一、初识信号(信号预备知识)1.生活中的信号2.Linux中的信号3.信号进程得出的初步结论 二、信号的产生1.通过终端输入产生信号拓展: 硬件中断2.调用系统函数向进程发信号3.硬件异常产生信号4.软件条件产生信号拓展: 核心转储技术总结一下&#xff1a; 引入 一、初识信…
阅读更多...
24-25-1-单片机开卷部分习题和评分标准

24-25-1-单片机开卷部分习题和评分标准

依据相关规定试卷必须按评分标准进行批改。 给分一定是宽松的&#xff0c;能给分一定给&#xff0c;如有疑问也可以向学院教务办申请查卷。 一部分学生期末成绩由于紧张或其他原因导致分数过低&#xff0c;也是非常非常遗憾的。 个人也是非常抱歉的。 开卷考试 简答题 第一…
阅读更多...
电动汽车V2G技术Matlab/Simulink仿真模型

电动汽车V2G技术Matlab/Simulink仿真模型

今天给大家更新关于V2G技术的仿真&#xff0c;不是研究这个方向的&#xff0c;可能会对这个名称比较陌生&#xff0c;那么&#xff0c;什么是“V2G”&#xff1f; V2G全称&#xff1a;Vehicle-to-Grid&#xff0c;即车网互动&#xff0c;利用电动汽车特有的储能功能与电网“双…
阅读更多...
统计学习算法——决策树

统计学习算法——决策树

内容来自B站Up主&#xff1a;风中摇曳的小萝卜https://www.bilibili.com/video/BV1ar4y137GD&#xff0c;仅为个人学习所用。 问题引入 有15位客户向某银行申请贷款&#xff0c;下面是他们的一些基本信息&#xff0c;类别列表示是否通过贷款申请&#xff0c;是表示通过贷款申…
阅读更多...
Pytorch导出onnx模型并在C++环境中调用（含python和C++工程）

Pytorch导出onnx模型并在C++环境中调用（含python和C++工程）

Pytorch导出onnx模型并在C环境中调用&#xff08;含python和C工程&#xff09; 工程下载链接&#xff1a;Pytorch导出onnx模型并在C环境中调用&#xff08;python和C工程&#xff09; 机器学习多层感知机MLP的Pytorch实现-以表格数据为例-含数据集和PyCharm工程中简单介绍了在…
阅读更多...
Uniapp判断设备是安卓还是 iOS，并调用不同的方法

Uniapp判断设备是安卓还是 iOS，并调用不同的方法

在 UniApp 中&#xff0c;可以通过 uni.getSystemInfoSync() 方法来获取设备信息&#xff0c;然后根据系统类型判断当前设备是安卓还是 iOS&#xff0c;并调用不同的方法。 示例代码 export default {onLoad() {this.checkPlatform();},methods: {checkPlatform() {// 获取系…
阅读更多...
VMWare虚拟机+Ubuntu24.04+ROS2Jazzy版本安装——踩坑及爬坑过程

VMWare虚拟机+Ubuntu24.04+ROS2Jazzy版本安装——踩坑及爬坑过程

VMWare安装 VMWare安装参考VMWare安装&#xff0c;WMWare workstation从17版本以后就面向个人用户免费开放了&#xff0c;所以在安装的最后只要勾选“用于个人”这个选项&#xff0c;就无需再输入激活码等&#xff0c;非常方便。 WMWare workstation17的获取地址&#xff1a;通…
阅读更多...
最新文章

Copyright @ 2022~2023