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