python GUI编程(Tkinter)

简介: python GUI编程(Tkinter)

常用的图像界面开发的库


  • Tkinter
  • wxPython
  • Jython
    在这里用到Tkinter库,关于Tkinter安装流程如下:
    安装Tkinter分二部分:安装tkdnd和安装TkinterDnD2

安装tkdnd

网址:tkdnd

20210520134933640.png


下载即可(这里下载时要注意选择电脑系统32x,64x)下载完成后解压资源,将解压后的文件夹直接放到anaconda\tcl\tcl8.6中,

2021052013514155.png

安装TkinterDnD2


网址:tkinterDnD


下载完成后,解压文件后,文件名为TkinterDnD2-0.3,双击文件夹进入文件夹。

将文件夹为TkinterDnD2的文件,复制到**\Anaconda3\Lib\site-packages**下。


20210520140018306.png


Tkinter编程


Tkinter程序流程:


  • 导入Tkinter模块
  • 创建窗口对象
  • 创建窗口控件
  • 消息循环


#导入库
from tkinter import *
#创建窗口对象
root=TK()
li=['C','python','php','html','SQL','java']
movie=['CSS','jQuery','Bootstrap']
#创建列表控件
list1=Listbox(root)
list2=Listbox(root)
for item in li:
    list1.insert(0,item)
for item in movie:
    list2.insert(0,item)
#将控件放置到主窗口中
list1.pack()
list2.pack()
#进入消息循环
root.mainloop()


Tkinter控件


由于在实际工作中涉及到的控件不会太多,这里对常用的控件进行简单的说明


Button:简单按钮。执行点击按钮的命令和操作

Canvas:组织图像,创建图形编辑器

Checkbutton:点击按钮,命令生成的值,会进行切换

Frame:边框背景

Label:显示文本或者图像

Listbox:显示可以选择的列表,下拉筛选

Menu:菜单条,实现下拉和弹出式菜单

Menubutton:实现下拉菜单

Message:显示一文本,跟label相似,可以自动调整文本的宽度

Radiobutton:代表一个变量,它可以有多个值中的一个。点击它将为这个变量设置值,并且清除与这同一变量相关的其它radiobutton

Scale:设置界面的滑轮

Scrollbar:配合canvas, entry, listbox, and text窗口部件的标准滚动条

Text:格式化文本显示

Toplevel:一个容器窗口部件

messageBox:消息框

实例:


global team
global exchange_rate
window = tk.Tk()  # 创建最上层主窗口
window.title("生成销售额")  # 窗口标题
window.geometry("900x600")  # 窗口大小,中间是英文x,而不能是运算符*,很搞笑
# lable 组件是显示文字或图片,第一个参数是父窗口名称。
# text,参数显示内容,\n用来换行。每一行居中显示,靠左显示没研究,不需要,没那么高的要求。
# font字体,窗口太大,不设置字体,就会很小。
# place是依据主窗口的相对位置,,x就是x轴,下面所有的控件都需要这样定位
tk.Label(window, text="使用说明:\n1.team是登陆后的获取小组参数;\n2.exchange_rate汇率", font=("华文行楷", 20)).place(x=50, y=20)
tk.Label(window, text="team:", font=("华文行楷", 20)).place(x=50, y=150)
tk.Label(window, text="exchange_rate:", font=("华文行楷", 20)).place(x=50, y=200)
# Text组件用于显示和处理多行文本。我用来展示程序的运行状态,输出到这个组件里面
# Entry输入框,输入的值必须要定义,这里定义成字符串类型
var_team = tk.StringVar()
var_exchange_rate = tk.DoubleVar()
# Entry输入框,输入的值必须要定义
entry_team = tk.Entry(window, textvariable=var_team)
entry_team.place(x=160, y=150)
# Entry输入框
entry_exchange_rate = tk.Entry(window, textvariable=var_exchange_rate)
entry_exchange_rate.place(x=300, y=200)
# 按钮组件点击触发的函数,我把输入框的获取到的两个值输出到Text控件
# END就是插入到Text控件里面最后。
# .get就是获取目标的输入框的方法
def get_tar():
        team = var_team.get()
        exchange_rate = var_exchange_rate.get()
        return team,exchange_rate
# Button组件,按钮组件,主要是触发一些功能,command指向一个函数就只触发的功能函数
get_detail = tk.Button(window, text='获取', font='20', command=get_tar)
get_detail.place(x=170, y=230)
window.mainloop()

20210521112316889.png


相关文章
|
1月前
|
机器学习/深度学习 存储 设计模式
Python 高级编程与实战:深入理解性能优化与调试技巧
本文深入探讨了Python的性能优化与调试技巧,涵盖profiling、caching、Cython等优化工具,以及pdb、logging、assert等调试方法。通过实战项目,如优化斐波那契数列计算和调试Web应用,帮助读者掌握这些技术,提升编程效率。附有进一步学习资源,助力读者深入学习。
|
21天前
|
人工智能 Java 数据安全/隐私保护
[oeasy]python081_ai编程最佳实践_ai辅助编程_提出要求_解决问题
本文介绍了如何利用AI辅助编程解决实际问题,以猫屎咖啡的购买为例,逐步实现将购买斤数换算成人民币金额的功能。文章强调了与AI协作时的三个要点:1) 去除无关信息,聚焦目标;2) 将复杂任务拆解为小步骤,逐步完成;3) 巩固已有成果后再推进。最终代码实现了输入验证、单位转换和价格计算,并保留两位小数。总结指出,在AI时代,人类负责明确目标、拆分任务和确认结果,AI则负责生成代码、解释含义和提供优化建议,编程不会被取代,而是会更广泛地融入各领域。
81 28
|
1月前
|
机器学习/深度学习 数据可视化 TensorFlow
Python 高级编程与实战:深入理解数据科学与机器学习
本文深入探讨了Python在数据科学与机器学习中的应用,介绍了pandas、numpy、matplotlib等数据科学工具,以及scikit-learn、tensorflow、keras等机器学习库。通过实战项目,如数据可视化和鸢尾花数据集分类,帮助读者掌握这些技术。最后提供了进一步学习资源,助力提升Python编程技能。
|
1月前
|
Python
[oeasy]python074_ai辅助编程_水果程序_fruits_apple_banana_加法_python之禅
本文回顾了从模块导入变量和函数的方法,并通过一个求和程序实例,讲解了Python中输入处理、类型转换及异常处理的应用。重点分析了“明了胜于晦涩”(Explicit is better than implicit)的Python之禅理念,强调代码应清晰明确。最后总结了加法运算程序的实现过程,并预告后续内容将深入探讨变量类型的隐式与显式问题。附有相关资源链接供进一步学习。
37 4
|
1月前
|
设计模式 机器学习/深度学习 前端开发
Python 高级编程与实战:深入理解设计模式与软件架构
本文深入探讨了Python中的设计模式与软件架构,涵盖单例、工厂、观察者模式及MVC、微服务架构,并通过实战项目如插件系统和Web应用帮助读者掌握这些技术。文章提供了代码示例,便于理解和实践。最后推荐了进一步学习的资源,助力提升Python编程技能。
|
1月前
|
Java API Docker
在线编程实现!如何在Java后端通过DockerClient操作Docker生成python环境
以上内容是一个简单的实现在Java后端中通过DockerClient操作Docker生成python环境并执行代码,最后销毁的案例全过程,也是实现一个简单的在线编程后端API的完整流程,你可以在此基础上添加额外的辅助功能,比如上传文件、编辑文件、查阅文件、自定义安装等功能。 只有锻炼思维才能可持续地解决问题,只有思维才是真正值得学习和分享的核心要素。如果这篇博客能给您带来一点帮助,麻烦您点个赞支持一下,还可以收藏起来以备不时之需,有疑问和错误欢迎在评论区指出~
在线编程实现!如何在Java后端通过DockerClient操作Docker生成python环境
|
1月前
|
机器学习/深度学习 设计模式 API
Python 高级编程与实战:构建 RESTful API
本文深入探讨了使用 Python 构建 RESTful API 的方法,涵盖 Flask、Django REST Framework 和 FastAPI 三个主流框架。通过实战项目示例,详细讲解了如何处理 GET、POST 请求,并返回相应数据。学习这些技术将帮助你掌握构建高效、可靠的 Web API。
|
1月前
|
机器学习/深度学习 设计模式 测试技术
Python 高级编程与实战:构建自动化测试框架
本文深入探讨了Python中的自动化测试框架,包括unittest、pytest和nose2,并通过实战项目帮助读者掌握这些技术。文中详细介绍了各框架的基本用法和示例代码,助力开发者快速验证代码正确性,减少手动测试工作量。学习资源推荐包括Python官方文档及Real Python等网站。
|
1月前
|
机器学习/深度学习 设计模式 API
Python 高级编程与实战:构建微服务架构
本文深入探讨了 Python 中的微服务架构,介绍了 Flask、FastAPI 和 Nameko 三个常用框架,并通过实战项目帮助读者掌握这些技术。每个框架都提供了构建微服务的示例代码,包括简单的 API 接口实现。通过学习本文,读者将能够使用 Python 构建高效、独立的微服务。
|
1月前
|
消息中间件 分布式计算 并行计算
Python 高级编程与实战:构建分布式系统
本文深入探讨了 Python 中的分布式系统,介绍了 ZeroMQ、Celery 和 Dask 等工具的使用方法,并通过实战项目帮助读者掌握这些技术。ZeroMQ 是高性能异步消息库,支持多种通信模式;Celery 是分布式任务队列,支持异步任务执行;Dask 是并行计算库,适用于大规模数据处理。文章结合具体代码示例,帮助读者理解如何使用这些工具构建分布式系统。