本文目錄一覽:
- 1、Python其實很簡單 第十五章 文件操作
- 2、用Keras生成面部Python實現
- 3、python怎麼做圖形界面
- 4、強烈推薦一款Python可視化神器!強烈必備!
- 5、Python 創建對面類和方法
- 6、python如何做界面
Python其實很簡單 第十五章 文件操作
在各種變量中保存的數據都是臨時的,隨着程序運行結束都會丟失。要做到數據長期有效,必須建立在磁盤中建立文件,將數據輸入到文件中並保存。需要獲取數據時需要打開文件讀取。
而我們自己建立的程序都是應用程序,從本質上講,應用程序是無法直接操作計算機的硬件的,譬如讀寫磁盤中文件,這就需要調用操作系統中的相應命令。接下來我們使用的Python內置函數open()、write()都是通過調用操作系統的相關命令才實現文件讀寫的,至於其中的細節,我們就不需要考慮了。
15.1創建和打開文件
在Python 中創建或打開文件,實際上是建立一個對象,該對象通過調用內置的open()函數創建或打開一個文件。
語法:
file object = open(filename [, mode][, buffering])
參數說明如下:
filename:file_name變量是一個包含了你要訪問的文件名稱的字符串值;
mode:mode決定了打開文件的模式:只讀,寫入,追加等。所有可取值見如下的完全列表。這個參數是非強制的,默認文件訪問模式為只讀(r)。
Buffering:如果buffering的值被設為0,就不會有寄存;如果buffering的值取1,訪問文件時會寄存行;如果將buffering的值設為大於1的整數,表明了這就是的寄存區的緩衝大小;如果取負值,寄存區的緩衝大小則為系統默認。
mode參數的參數值及說明
對於其中最難區別的r、r+、w、w+、a、a+幾個參數的區別總結如下,要特別注意指針的位置:
下面舉例說明open( )函數的使用方法。
例1:
file=open(‘1.py’)
如果文件“1.py”存在,則可以打開此文件;如果文件“1.py”不存在,則會出現如下提示:
Traceback (most recent call last):
File ” “, line 1, in
file=open(‘1.py’)
FileNotFoundError: [Errno 2] No such file or directory: ‘1.py’
例2:
file=open(‘4.py’,’a+’)
雖然文件“4.py”不存在,但運行並未出現錯誤,參見上表,“a+”的含義是以讀寫模式打開文件,如果該文件已經存在,新內容將以追加方式寫入;如果該文件不存在,則新建文件用於寫入。查看文件夾,發現已經生成了一個新的文件4.py。
例3:
file=open(‘python.png’,’rb’)
print(file)
運行結果:
這就是說,雖然Python可以打開一個圖片格式的文件,但print()並不能將其輸出,還需要第三方庫中模塊的相應方法去處理,如PIL中的open()f方法。
例4:
file = open(“f.txt”, “w”,encoding=’utf-8′)
# 以只寫模式打開文件f.txt,編碼方式為utf-8
print( “文件名: “, file.name) # 輸出文件名
print( “是否已關閉 : “, file.closed) # 文件是否打開
print( “訪問模式 : “, file.mode) # 文件訪問模式
運行結果:
文件名: f.txt
是否已關閉 : False
訪問模式 : w
例5:
15.2關閉文件
打開文件使用後要及時關閉,以免造成不必要的破壞,同時也可以釋放內存。在Python中使用close()方法可以關閉文件。
語法格式:
file.close()
其中,file為文件對象。
15.3 with語句
with 語句適用於對資源進行訪問的場合,確保不管使用過程中是否發生異常都會執行必要的“清理”操作,釋放資源,比如文件使用後自動關閉、線程中鎖的自動獲取和釋放等。
with語句的語法格式如下:
with expression as target:
with-body
其中,expression用於指定一個表達式,譬如打開文件的open()函數。target用於指定一個變量,並且將expression的結果保存到該變量中,譬如文件對象file。with-body用於指定with語句體,譬如一些文件操作的相關語句,如果沒有要執行的語句體,則直接用pass語句代替。
假設python當前目錄下存在一個test.txt文件,其內容如下:
Python是一種解釋型語言: 這意味着開發過程中沒有了編譯這個環節。類似於PHP和Perl語言。
Python是交互式語言: 這意味着,您可以在一個 Python 提示符 後直接執行代碼。
Python是面向對象語言: 這意味着Python支持面向對象的風格或代碼封裝在對象的編程技術。
Python是初學者的語言:Python 對初級程序員而言,是一種偉大的語言,它支持廣泛的應用程序開發。
舉例如下:
with open(‘test.txt’,’r’,encoding=’utf-8′) as file:
line=file.readline() # readline()方法可以讀取文件一行數據,接下來就會講到。
print(line)
運行結果如下:
Python是一種解釋型語言: 這意味着開發過程中沒有了編譯這個環節。類似於PHP和Perl語言。
而此時,我們給該段代碼with語句之外再增加一個讀取文件的語句,代碼如下:
with open(‘test.txt’,’r’,encoding=’utf-8′) as file:
line=file.readline()
print(line)
line2=file.readline()
print(line2)
發現出現了如下錯誤提示:
Traceback (most recent call last):
File “C:/Users/zym/AppData/Local/Programs/Python/Python39/3.py”, line 5, in
line2=file.readline()
ValueError: I/O operation on closed file.
意思是要讀取的文件已經被關閉了。
由此可知,當with語句運行結束後,被打開的test.txt文件就自動關閉了。
15.4讀取文件
在Python 中讀取文件的方法有:
1、讀取指定個數的字符
格式如下:
File.read([size])
其中,file為打開的文件對象。size為可選參數,可以指定要讀取的字符個數,省缺表示讀取所有內容。
在調用read()方法讀取文件內容時,文件必須是以r(只讀)或者r+(讀寫)方式打開。
如:
with open(‘test.txt’,’r’,encoding=’utf-8′) as file:
txt=file.read() (或txt=file.read(10))
print(txt)
將讀取、輸出test.txt文件的全部內容(或前10個字符)。
2、移動文件的指針
對於剛打開的文件,文件指針總是指向文件頭的。也可以通過seek()方法將文件的指針移動到新的位置。
格式如下:
file.seek(offset[,whence])
其中,file表示已經打開的文件對象;offset用於指定移動的字符個數;whence表示從哪個位置起始計算個數,其值為0表示從文件頭開始計算,其值為1表示從當前位置開始計算,其值為2表示從文件尾開始計算,默認值為0。
例如:
with open(‘test.txt’,’r’,encoding=’utf-8′) as file:
string=file.read(9)
print(‘取9個字符: ‘+string)
file.seek(2) #指針從文件頭開始移動2個字符
string=file.read(9) #從當前位置讀取10個字符
輸出結果:
取9個字符:
Python是一種
取9個字符:
thon是一種解釋
而下面的代碼會拋出錯誤:
with open(‘test.txt’,’r’,encoding=’utf-8′) as file:
file.seek(2,1) #指針從當前位置開始移動2個字符
string=file.read(10) #從當前位置讀取10個字符
print(‘取10個字符: ‘+string)
錯誤提示為:
Traceback (most recent call last):
File “C:UserszymAppDataLocalProgramsPythonPython393.py”, line 7, in
file.seek(2,1) #指針從當前位置開始移動2個字符
io.UnsupportedOperation: can’t do nonzero cur-relative seeks
原因在於,必須使用b模式(即rb)打開文件,才能使用whence參數。但是,b模式(二進制)不適合文本文件。對於test.txt這樣的文本文件,為了解決通過改變指針讀取任意位置字符,可以採用加一個位置變量的方法來存儲指針的值。
例如:
with open(‘test.txt’,’r’,encoding=’utf-8′) as file:
#utf-8漢字與英文字符都佔一個字符
string=” #設置一個空字符串
pointer=0 #當前指針為0
str1=file.read(6) #讀取6個字符
pointer+=6 #指針變量後移6個字符
string+=str1 #string用來存放已讀取的字符
print(‘取6個字符: ‘,str1)
file.seek(pointer) #指針從文件頭開始移動2個字符
str1=file.read(8) #從當前位置讀取10個字符
pointer+=8 #指針跳過已讀取的字符
string+=str1
print(‘再取8個字符: ‘,str1)
print(‘所有讀取的字符: ‘,string)
print(‘當前指針所處的位置: ‘,pointer)
str1=file.read(1)
print(‘當前指針所處的字符: ‘,str1)
運行結果如下:
取6個字符:
Python
再取8個字符:
是一種解釋型語言
所有讀取的字符:
Python是一種解釋型語言
當前指針所處的位置:
14
當前指針所處的字符:
:
3、讀取一行數據readline()方法
語法格式:
file.readline()
例:
with open(‘test.txt’,’r’,encoding=’utf-8′) as f:
string=f.read(1) # 讀取文件的第一個字符
if string != ”: # 防止文件為空文件
lineno=0
while True:
line=f.readline()
if line != ”:
lineno+=1
print(‘第’+str(lineno)+’行:’+line,end=”)
# 因為每行都有自帶的分行符,print()語句不允許換行
else:
break # 出現空行時停止讀取
else:
print(‘要讀取的文件為空文件!’)
運行結果:
第1行:ython是一種解釋型語言: 這意味着開發過程中沒有了編譯這個環節。類似於PHP和Perl語言。
第2行:Python是交互式語言: 這意味着,您可以在一個 Python 提示符 後直接執行代碼。
第3行:Python是面向對象語言: 這意味着Python支持面向對象的風格或代碼封裝在對象的編程技術。
第4行:Python是初學者的語言:Python 對初級程序員而言,是一種偉大的語言,它支持廣泛的應用程序開發。
4、讀取全部行命令readlines()方法
語法格式:
File.readlines()
該方法與read()方法一樣,在調用read()方法讀取文件內容時,文件必須是以r(只讀)或者r+(讀寫)方式打開。
例:
with open(‘test.txt’,’r’,encoding=’utf-8′) as f:
txt=f.readlines()
print(txt)
運行結果:
[‘Python是一種解釋型語言: 這意味着開發過程中沒有了編譯這個環節。類似於PHP和Perl語言。 ‘, ‘Python是交互式語言: 這意味着,您可以在一個 Python 提示符 後直接執行代碼。 ‘, ‘Python是面向對象語言: 這意味着Python支持面向對象的風格或代碼封裝在對象的編程技術。 ‘, ‘Python是初學者的語言:Python 對初級程序員而言,是一種偉大的語言,它支持廣泛的應用程序開發。 ‘]
從上面的運行結果可以看出,readlines()方法的返回值為一個字符串列表。所以,也可以以讀取列表元素的方法輸出。如下所示:
with open(‘test.txt’,’r’,encoding=’utf-8′) as f:
txt=f.readlines()
for line in txt:
print(line,end=”)
運行結果:
Python是一種解釋型語言: 這意味着開發過程中沒有了編譯這個環節。類似於PHP和Perl語言。
Python是交互式語言: 這意味着,您可以在一個 Python 提示符 後直接執行代碼。
Python是面向對象語言: 這意味着Python支持面向對象的風格或代碼封裝在對象的編程技術。
Python是初學者的語言:Python 對初級程序員而言,是一種偉大的語言,它支持廣泛的應用程序開發。
15.5 寫入文件內容
語法格式如下:
file.write(string)
其中,file為打開的文件對象,string為要寫入的字符串。
寫入文件內容時,文件必須以w(可寫)或a(追加)模式打開。否則,會拋出如下異常提示:
Traceback (most recent call last):
File “C:UsersAdministratorAppDataLocalProgramsPythonPython383.py”, line 2, in
f.write(‘人生苦短,我用Python!’)
io.UnsupportedOperation: not writable
關於write()方法的用法舉例如下:
with open(‘test.txt’,’a’,encoding=’utf-8′) as f:
f.write(‘人生苦短,我用Python!’)
with open(‘test.txt’,’r’,encoding=’utf-8′) as f:
txt=f.read()
print(txt)
運行結果:
Python是一種解釋型語言: 這意味着開發過程中沒有了編譯這個環節。類似於PHP和Perl語言。
Python是交互式語言: 這意味着,您可以在一個 Python 提示符 後直接執行代碼。
Python是面向對象語言: 這意味着Python支持面向對象的風格或代碼封裝在對象的編程技術。
Python是初學者的語言:Python 對初級程序員而言,是一種偉大的語言,它支持廣泛的應用程序開發。
人生苦短,我用Python!
可以看出,由於文件的打開方式為a模式(追加模式),寫入的內容被寫入到文件的末尾。
在Python中,文件操作方法里沒有類似於字符串內的計算長度、查找、替換、截取、分隔等方法,為什麼沒有?原因可能是文件的類型太複雜,譬如說二進制文件,上述操作的意義不大。如果僅僅要對文本文件進行上述操作,完全可以先把文件的內容讀取到字符串中,再用相應的字符串函數或方法去操作就可以了。譬如,要將test.txt文件中的字符串‘Python’替換為’PHP’,則可以用如下代碼完成:
txt1=”
with open(‘test.txt’,’r’,encoding=’utf-8′) as f:
txt1=f.read() #先將文件內容存入字符串txt1中
txt2=txt1.replace(‘Python’,’PHP’) #將txt1中的’Python’替換為’PHP’,並存入txt2
with open(‘test.txt’,’w’,encoding=’utf-8′) as f:
f.write(txt2) #將字符串txt2的內容寫回到文件中
這裡之所以分兩步打開文件(第一次為r模式,第二次為w模式),而沒有採用一次讀寫(r+、w+方式),因為那樣比較容易出錯。實踐證明,將文件的讀操作和寫操作分開其實是非常正確的選擇。
用Keras生成面部Python實現
可採用的機器學習數據集:
兩者都包含人臉圖像。我把這兩個組合成一個文件夾。
最常聽到的兩種圖像生成技術是生成對抗網絡(GAN)和LSTM網絡。
LSTM訓練的時候速度非常慢,GAN訓練會快得多。實際結果花不到半小時,模糊的面孔就會開始出現。隨着時間的推移,圖像會更加逼真。
有許多GAN變種。我使用的一種稱為深度卷積神經網絡(DCGAN)。DCGAN的優點在於它使用了卷積層。卷積神經網絡目前是存在的最佳圖像分類算法。
生成對抗網絡是由一位名叫Ian Goodfellow的研究員發明的,並於2014年引入了GAN。
GAN非常強大。利用正確的數據,網絡架構和超參數,您可以生成非常逼真的圖像。
將來,一些高級版本的GAN或其他一些內容生成算法可能會讓我們做一些很酷的事情:
但GAN是如何運作的呢?
GAN實際上不是一個神經網絡,而是兩個。其中之一是Generator。它將隨機值作為輸入並生成圖像。
第二是discriminator。它試圖確定圖像是假的還是真的。
訓練GAN就像一場競賽。Generator試圖在愚弄discriminator時變得儘可能好。discriminator試圖儘可能地將假圖像與真實圖像分開。
這將迫使他們兩個都改善。理想情況下,這將在某種程度上導致以下情況:
在現實中,您需要確保一切正常(數據、體系結構、超參數)。GAN對超參數值的微小變化非常敏感。
導入庫
第一步是導入所有需要的Python庫。
FaceGenerator類
這段Python代碼初始化了訓練所需的一些重要變量。
將訓練數據加載到模型中
此函數將文件夾的名稱作為輸入,並將該文件夾中的所有圖像作為numpy數組返回。所有圖像的大小都調整為__init__函數中指定的大小。
Shape=(圖像的數量,寬度,高度,通道)。
神經網絡
這兩個函數定義了generator和discriminator。
神經網絡模型訓練
對於每個epoch:
訓練結束後:
此函數可用於在訓練後生成新圖像。
訓練GAN很難,當你成功時,這種感覺會非常有益。
此Python代碼可以輕鬆用於其他圖像數據集。請記住,您可能需要編輯網絡體系結構和參數,具體取決於您嘗試生成的圖像。
python怎麼做圖形界面
python3.X以上版本有自帶的內置模塊,可以進行圖形界面的編程邏輯(turtle模塊,小烏龜,可以畫圖書寫等等)
也可以用其他第三方的模塊來實現。
強烈推薦一款Python可視化神器!強烈必備!
Plotly Express 是一個新的高級 Python 可視化庫:它是 Plotly.py 的高級封裝,它為複雜的圖表提供了一個簡單的語法。
受 Seaborn 和 ggplot2 的啟發,它專門設計為具有簡潔,一致且易於學習的 API :只需一次導入,您就可以在一個函數調用中創建豐富的交互式繪圖,包括分面繪圖(faceting)、地圖、動畫和趨勢線。 它帶有數據集、顏色面板和主題,就像 Plotly.py 一樣。
Plotly Express 完全免費:憑藉其寬鬆的開源 MIT 許可證,您可以隨意使用它(是的,甚至在商業產品中!)。
最重要的是,Plotly Express 與 Plotly 生態系統的其他部分完全兼容:在您的 Dash 應用程序中使用它,使用 Orca 將您的數據導出為幾乎任何文件格式,或使用JupyterLab 圖表編輯器在 GUI 中編輯它們!
用 pip install plotly_express 命令可以安裝 Plotly Express。
一旦導入Plotly Express(通常是 px ),大多數繪圖只需要一個函數調用,接受一個整潔的Pandas dataframe,並簡單描述你想要製作的圖。 如果你想要一個基本的散點圖,它只是 px.scatter(data,x =“column_name”,y =“column_name”)。
以下是內置的 Gapminder 數據集的示例,顯示2007年按國家/地區的人均預期壽命和人均GDP 之間的趨勢:
如果你想通過大陸區分它們,你可以使用 color 參數為你的點着色,由 px 負責設置默認顏色,設置圖例等:
這裡的每一點都是一個國家,所以也許我們想要按國家人口來衡量這些點…… 沒問題:這裡也有一個參數來設置,它被稱為 size:
如果你好奇哪個國家對應哪個點? 可以添加一個 hover_name ,您可以輕鬆識別任何一點:只需將鼠標放在您感興趣的點上即可! 事實上,即使沒有 hover_name ,整個圖表也是互動的:
也可以通過 facet_col =”continent“ 來輕鬆劃分各大洲,就像着色點一樣容易,並且讓我們使用 x軸 對數(log_x)以便在我們在圖表中看的更清晰:
也許你不僅僅對 2007年 感興趣,而且你想看看這張圖表是如何隨着時間的推移而演變的。 可以通過設置 animation_frame=“year” (以及 animation_group =“country” 來標識哪些圓與控制條中的年份匹配)來設置動畫。
在這個最終版本中,讓我們在這裡調整一些顯示,因為像“gdpPercap” 這樣的文本有點難看,即使它是我們的數據框列的名稱。 我們可以提供更漂亮的“標籤” (labels),可以在整個圖表、圖例、標題軸和懸停(hovers)中應用。 我們還可以手動設置邊界,以便動畫在整個過程中看起來更棒:
因為這是地理數據,我們也可以將其表示為動畫地圖,因此這清楚地表明 Plotly Express 不僅僅可以繪製散點圖(不過這個數據集缺少前蘇聯的數據)。
事實上,Plotly Express 支持三維散點圖、三維線形圖、極坐標和地圖上三元坐標以及二維坐標。 條形圖(Bar)有二維笛卡爾和極坐標風格。
進行可視化時,您可以使用單變量設置中的直方圖(histograms)和箱形圖(box)或小提琴圖(violin plots),或雙變量分布的密度等高線圖(density contours)。 大多數二維笛卡爾圖接受連續或分類數據,並自動處理日期/時間數據。 可以查看我們的圖庫 (ref-3) 來了解每個圖表的例子。
數據 探索 的主要部分是理解數據集中值的分布,以及這些分布如何相互關聯。 Plotly Express 有許多功能來處理這些任務。
使用直方圖(histograms),箱形圖(box)或小提琴圖(violin plots)可視化單變量分布:
直方圖:
箱形圖:
小提琴圖:
還可以創建聯合分布圖(marginal rugs),使用直方圖,箱形圖(box)或小提琴來顯示雙變量分布,也可以添加趨勢線。 Plotly Express 甚至可以幫助你在懸停框中添加線條公式和R²值! 它使用 statsmodels 進行普通最小二乘(OLS)回歸或局部加權散點圖平滑(LOWESS)。
在上面的一些圖中你會注意到一些不錯的色標。 在 Plotly Express 中, px.colors 模塊包含許多有用的色標和序列:定性的、序列型的、離散的、循環的以及所有您喜歡的開源包:ColorBrewer、cmocean 和 Carto 。 我們還提供了一些功能來製作可瀏覽的樣本供您欣賞(ref-3):
定性的顏色序列:
眾多內置順序色標中的一部分:
我們特別為我們的交互式多維圖表感到自豪,例如散點圖矩陣(SPLOMS)、平行坐標和我們稱之為並行類別的並行集。 通過這些,您可以在單個圖中可視化整個數據集以進行數據 探索 。 在你的Jupyter 筆記本中查看這些單行及其啟用的交互:
散點圖矩陣(SPLOM)允許您可視化多個鏈接的散點圖:數據集中的每個變量與其他變量的關係。 數據集中的每一行都顯示為每個圖中的一個點。 你可以進行縮放、平移或選擇操作,你會發現所有圖都鏈接在一起!
平行坐標允許您同時顯示3個以上的連續變量。 dataframe 中的每一行都是一行。 您可以拖動尺寸以重新排序它們並選擇值範圍之間的交叉點。
並行類別是並行坐標的分類模擬:使用它們可視化數據集中多組類別之間的關係。
Plotly Express 之於 Plotly.py 類似 Seaborn 之於 matplotlib:Plotly Express 是一個高級封裝庫,允許您快速創建圖表,然後使用底層 API 和生態系統的強大功能進行修改。 對於Plotly 生態系統,這意味着一旦您使用 Plotly Express 創建了一個圖形,您就可以使用Themes,使用 FigureWidgets 進行命令性編輯,使用 Orca 將其導出為幾乎任何文件格式,或者在我們的 GUI JupyterLab 圖表編輯器中編輯它 。
主題(Themes)允許您控制圖形範圍的設置,如邊距、字體、背景顏色、刻度定位等。 您可以使用模板參數應用任何命名的主題或主題對象:
有三個內置的 Plotly 主題可以使用, 分別是 plotly, plotlywhite 和 plotlydark。
px 輸出繼承自 Plotly.py 的 Figure 類 ExpressFigure 的對象,這意味着你可以使用任何 Figure 的訪問器和方法來改變 px生成的繪圖。 例如,您可以將 .update() 調用鏈接到 px 調用以更改圖例設置並添加註釋。 .update() 現在返回修改後的數字,所以你仍然可以在一個很長的 Python 語句中執行此操作:
在這裡,在使用 Plotly Express 生成原始圖形之後,我們使用 Plotly.py 的 API 來更改一些圖例設置並添加註釋。
Dash 是 Plotly 的開源框架,用於構建具有 Plotly.py 圖表的分析應用程序和儀錶板。Plotly Express 產生的對象與 Dash 100%兼容,只需將它們直接傳遞到 dash_core_components.Graph,如下所示: dcc.Graph(figure = px.scatter(…))。 這是一個非常簡單的 50行 Dash 應用程序的示例,它使用 px 生成其中的圖表:
這個 50 行的 Dash 應用程序使用 Plotly Express 生成用於瀏覽數據集的 UI 。
可視化數據有很多原因:有時您想要提供一些想法或結果,並且您希望對圖表的每個方面施加很多控制,有時您希望快速查看兩個變量之間的關係。 這是交互與 探索 的範疇。
Plotly.py 已經發展成為一個非常強大的可視化交互工具:它可以讓你控制圖形的幾乎每個方面,從圖例的位置到刻度的長度。 不幸的是,這種控制的代價是冗長的:有時可能需要多行 Python 代碼才能用 Plotly.py 生成圖表。
我們使用 Plotly Express 的主要目標是使 Plotly.py 更容易用於 探索 和快速迭代。
我們想要構建一個庫,它做出了不同的權衡:在可視化過程的早期犧牲一些控制措施來換取一個不那麼詳細的 API,允許你在一行 Python 代碼中製作各種各樣的圖表。 然而,正如我們上面所示,該控件並沒有消失:你仍然可以使用底層的 Plotly.py 的 API 來調整和優化用 Plotly Express 製作的圖表。
支持這種簡潔 API 的主要設計決策之一是所有 Plotly Express 的函數都接受“整潔”的 dataframe 作為輸入。 每個 Plotly Express 函數都體現了dataframe 中行與單個或分組標記的清晰映射,並具有圖形啟發的語法簽名,可讓您直接映射這些標記的變量,如 x 或 y 位置、顏色、大小、 facet-column 甚至是 動畫幀到數據框(dataframe)中的列。 當您鍵入 px.scatter(data,x =’col1’,y=’col2’) 時,Plotly Express 會為數據框中的每一行創建一個小符號標記 – 這就是 px.scatter 的作用 – 並將 “col1” 映射到 x 位置(類似於 y 位置)。 這種方法的強大之處在於它以相同的方式處理所有可視化變量:您可以將數據框列映射到顏色,然後通過更改參數來改變您的想法並將其映射到大小或進行行分面(facet-row)。
接受整個整潔的 dataframe 的列名作為輸入(而不是原始的 numpy 向量)也允許 px 為你節省大量的時間,因為它知道列的名稱,它可以生成所有的 Plotly.py 配置用於標記圖例、軸、懸停框、構面甚至動畫幀。 但是,如上所述,如果你的 dataframe 的列被笨拙地命名,你可以告訴 px 用每個函數的 labels 參數替換更好的。
僅接受整潔輸入所帶來的最終優勢是它更直接地支持快速迭代:您整理一次數據集,從那裡可以使用 px 創建數十種不同類型的圖表,包括在 SPLOM 中可視化多個維度 、使用平行坐標、在地圖上繪製,在二維、三維極坐標或三維坐標中使用等,所有這些都不需要重塑您的數據!
在 API 級別,我們在 px 中投入了大量的工作,以確保所有參數都被命名,以便在鍵入時最大限度地發現:所有 scatter -類似的函數都以 scatter 開頭(例如 scatter_polar, scatter_ternary)所以你可以通過自動補全來發現它們。 我們選擇拆分這些不同的散點圖函數,因此每個散點圖函數都會接受一組定製的關鍵字參數,特別是它們的坐標系。 也就是說,共享坐標系的函數集(例如 scatter, line & bar,或 scatter_polar, line_polar 和 bar_polar )也有相同的參數,以最大限度地方便學習。 我們還花了很多精力來提出簡短而富有表現力的名稱,這些名稱很好地映射到底層的 Plotly.py 屬性,以便於在工作流程中稍後調整到交互的圖表中。
最後,Plotly Express 作為一個新的 Python 可視化庫,在 Plotly 生態系統下,將會迅速發展。所以不要猶豫,立即開始使用 Plotly Express 吧!
Python 創建對面類和方法
如下:
class Animal:
def __init__(self,name,kind,age,gender):
self.name=name #姓名
self.kind=kind #種類
self.age=age #年齡
self.gender=gender #性別
def eat(self):
print(‘eat’)
class Dog(Animal):
def __init__(self,name,kind,age,gender,speed):
Animal.__init__(self,name,kind,age,gender)
self.tail=”尾巴”
self.speed=speed
def run(self):
print(‘run’)
def call(self):
print(‘call’)
class Cat(Animal):
def __init__(self,name,kind,age,gender,speed):
Animal.__init__(self,name,kind,age,gender)
self.tail=”尾巴”
self.speed=speed
def run(self):
print(‘run’)
def call(self):
print(‘call’)
python如何做界面
PyQt,一個基於Qt的Python接口包,可以直接使用Qt的控件,還可以使用QSS進行界面美化,下面我簡單介紹一下這個包的安裝和使用,實驗環境Win7+Python3.6+PyCharm5.0,主要內容如下:
1.首先,安裝PyQt,這個直接在cmd窗口輸入命令“pip install pyqt5”就行,如下,由於安裝包比較大,所以需要等待一會兒:
這裡我新建了一個簡單的窗口程序,一個登錄頁面對話框,2個QLabel,2個QLineEdit和2個QPushButton,如下,設計完成後,可以直接編輯對應控件的styleSheet屬性,利用QSS(類似CSS)對控件進行美化,也可以在代碼中進行詳細美化設計(如果美化比較複雜的話,可以專門編寫QSS文件,然後在程序中加載就行):
這裡我新建了一個簡單的窗口程序,一個登錄頁面對話框,2個QLabel,2個QLineEdit和2個QPushButton,如下,設計完成後,可以直接編輯對應控件的styleSheet屬性,利用QSS(類似CSS)對控件進行美化,也可以在代碼中進行詳細美化設計(如果美化比較複雜的話,可以專門編寫QSS文件,然後在程序中加載就行):
設計完成的UI界面,可以直接使用自帶轉化工具pyuic5轉化為Python程序(命令pyuic5 -o py文件 ui文件,如pyuic5 -o test.py test.ui),如下,就是剛才設計的UI界面的Python代碼:
這裡我們再添加一下main函數,直接創建上面類的對象,顯示對話框就行,如下:
點擊運行這個程序,效果如下,和上面設計的一樣,非常方便:
原創文章,作者:MCDS7,如若轉載,請註明出處:https://www.506064.com/zh-hant/n/127587.html