天秀,手机也可以写Python代码了,还支持Numpy,Pandas等库的安装!

简介: 天秀,手机也可以写Python代码了,还支持Numpy,Pandas等库的安装!

前言

不得不说,对于写代码这件事,真的必须就是在电脑上才会有很好的体验。手机上写Python代码,那种感觉确实不敢想。


但是总有粉丝私信我:


有没有手机端写Python代码的软件呢?

上班、下班坐地铁,坐公交挺无聊的,想要练练代码。

鉴于此,我还是写一篇文章给大家推荐这款软件(软件名字叫做QPython😊),为大家谋个福利吧。



安装

安装很简单,下载后和普通软件一样安装,大家直接文末获取该软件即可,如图正在下载中。

image.png

下载完成后,会提示你是写Python2代码,还是Python3代码。

image.png


如何使用呢?

在介绍该软件之前,我们先来看看这款软件的主界面。这上面有几个常用的菜单,我简单给大家介绍一下。


终端:类似于电脑上的cmd窗口,打开后可以直接输入Python代码;

编辑器:如果有多行代码需要写,可以直接打开“编辑器”,最后可以将写好的Python脚本保存成“.py”文件,供我们后续调用;

文件:我们可以从这里读取自己写的Python脚本文件,或者读取别人写好的

二维码:我们可以在电脑上将自己的写的Python脚本,转换为二维码,然后点击这里的二维码,扫描转换后的二维码,就可以直接获取你在电脑上写的代码;

image.png

下面我们针对每一个菜单,给大家做一个演示。



终端

单机“终端”,就会出现如下界面。从下图我们可以看到Python的版本为3.6.6,接着我们还写了一个列表拼接的代码。


image.png

编辑器

点击“编辑器”,我们就可以在这个界面输入我们的Python脚本了,如下我们写了一个简单的Python脚本,记得编写完成后,点击那个“保存按钮”。

image.png

点击保存后,会提示我们给这个Python脚本文件命名,这里我取名为“name.py”。

image.png

再次点击保存后,直接点击运行(下方菜单栏找),就可以直接跳转到终端运行。

image.png


文件

毕竟是一款手机端Python编辑器,文件肯定是和Python环境都在同一个文件目录下,这样就不需要我们使用啥相对路径、绝对路径,毕竟手机上弄这些也太不方便。

image.png

从上图可以看出:我们之前保存的“name.py”脚本文件,就明明白白的放在这里。


QPYPI

关于二维码那个菜单,我这里就不给大家演示了,大家自行下去尝试,下面我们来看看怎么安装第三方扩展库呢?


点击“QPYPI”,在点击“AIPY”,可以看到下方有很多我们经常使用的库,需要什么库,我们就下载哪一个。

image.png

下图pandas库正在下载中。

image.png

接着大家就可以去终端玩一玩这个库吧!


相关文章
|
2天前
|
SQL 并行计算 API
Dask是一个用于并行计算的Python库,它提供了类似于Pandas和NumPy的API,但能够在大型数据集上进行并行计算。
Dask是一个用于并行计算的Python库,它提供了类似于Pandas和NumPy的API,但能够在大型数据集上进行并行计算。
19 9
|
3天前
|
机器学习/深度学习 数据采集 数据挖掘
解锁 Python 数据分析新境界:Pandas 与 NumPy 高级技巧深度剖析
【7月更文挑战第12天】Python的Pandas和NumPy库助力高效数据处理。Pandas用于数据清洗,如填充缺失值和转换类型;NumPy则擅长数组运算,如元素级加法和矩阵乘法。结合两者,可做复杂数据分析和特征工程,如产品平均销售额计算及销售额标准化。Pandas的时间序列功能,如移动平均计算,进一步增强分析能力。掌握这两者高级技巧,能提升数据分析质量和效率。
17 4
|
2天前
|
数据采集 数据挖掘 数据处理
探索数据科学前沿:Pandas与NumPy库的高级特性与应用实例
【7月更文挑战第13天】Pandas与NumPy是Python数据分析的基石。Pandas的DataFrame和Series提供高效数据处理,如缺失值填充(fillna(), dropna())、重复值去除(drop_duplicates())和数据合并(pd.merge(), pd.concat())。数据聚合与透视分析(groupby(), pivot_table())简化复杂任务。NumPy则擅长多维数组运算,支持矩阵乘法(np.dot())、行列式计算(np.linalg.det()),并利用广播机制进行灵活的数组运算。掌握这些高级特性能增强数据科学家的分析效能。
12 2
|
1天前
|
数据采集 数据挖掘 数据处理
Python数据分析加速器:深度挖掘Pandas与NumPy的高级功能
【7月更文挑战第14天】Python的Pandas和NumPy库是数据分析的核心工具。Pandas以其高效的数据处理能力,如分组操作和自定义函数应用,简化了数据清洗和转换。NumPy则以其多维数组和广播机制实现快速数值计算。两者协同工作,如在DataFrame与NumPy数组间转换进行预处理,提升了数据分析的效率和精度。掌握这两者的高级功能是提升数据科学技能的关键。**
7 0
|
2天前
|
存储 数据可视化 数据处理
`geopandas`是一个开源项目,它为Python提供了地理空间数据处理的能力。它基于`pandas`库,并扩展了其对地理空间数据(如点、线、多边形等)的支持。`GeoDataFrame`是`geopandas`中的核心数据结构,它类似于`pandas`的`DataFrame`,但包含了一个额外的地理列(通常是`geometry`列),用于存储地理空间数据。
`geopandas`是一个开源项目,它为Python提供了地理空间数据处理的能力。它基于`pandas`库,并扩展了其对地理空间数据(如点、线、多边形等)的支持。`GeoDataFrame`是`geopandas`中的核心数据结构,它类似于`pandas`的`DataFrame`,但包含了一个额外的地理列(通常是`geometry`列),用于存储地理空间数据。
4 0
|
3天前
|
数据挖掘 数据处理 决策智能
Python 数据分析工具箱:深挖 Pandas 与 NumPy 高级功能,驱动智能决策
【7月更文挑战第12天】Python的Pandas和NumPy是数据分析的基石。Pandas提供灵活的数据结构如DataFrame,用于高效处理关系型数据,而NumPy则以多维数组和科学计算功能著称。两者结合,支持数据合并(如`pd.merge`)、时间序列分析(`pd.to_datetime`)和高级数组运算。通过掌握它们的高级特性,能提升数据分析效率,应用于各领域,如金融风险评估、市场分析和医疗预测,助力数据驱动的决策。学习和熟练运用Pandas与NumPy是成为出色数据分析师的关键。
|
10天前
|
机器学习/深度学习 数据可视化 搜索推荐
Python在社交媒体分析中扮演关键角色,借助Pandas、NumPy、Matplotlib等工具处理、可视化数据及进行机器学习。
【7月更文挑战第5天】Python在社交媒体分析中扮演关键角色,借助Pandas、NumPy、Matplotlib等工具处理、可视化数据及进行机器学习。流程包括数据获取、预处理、探索、模型选择、评估与优化,以及结果可视化。示例展示了用户行为、话题趋势和用户画像分析。Python的丰富生态使得社交媒体洞察变得高效。通过学习和实践,可以提升社交媒体分析能力。
25 1
|
2月前
|
程序员 开发工具 索引
图解Python numpy基本操作
图解Python numpy基本操作
|
1月前
|
BI 测试技术 索引
Python学习笔记之NumPy模块——超详细(安装、数组创建、正态分布、索引和切片、数组的复制、维度修改、拼接、分割...)-1
Python学习笔记之NumPy模块——超详细(安装、数组创建、正态分布、索引和切片、数组的复制、维度修改、拼接、分割...)
|
10天前
|
数据采集 机器学习/深度学习 数据可视化
了解数据科学面试中的Python数据分析重点,包括Pandas(DataFrame)、NumPy(ndarray)和Matplotlib(图表绘制)。
【7月更文挑战第5天】了解数据科学面试中的Python数据分析重点,包括Pandas(DataFrame)、NumPy(ndarray)和Matplotlib(图表绘制)。数据预处理涉及缺失值(dropna(), fillna())和异常值处理。使用describe()进行统计分析,通过Matplotlib和Seaborn绘图。回归和分类分析用到Scikit-learn,如LinearRegression和RandomForestClassifier。
26 3