用Python做一个简易健身运动程序

简介: 用Python做一个简易健身运动程序

最近在做一些运动,昨天晚上在抖音上看见了一套燃脂的视频。
视频的内容讲述的内容是每组动作做多少个。
现在网上也是各种的减肥动作
那么问题来了,在运动时可能会因为太累而不会自己去数自己做了多少个动作
那么就需要写一个程序来告诉我门每组动作,做多少个,下一个动作该做什么。
今天就用Python来实现一个简易的运动程序,实现运动自由!
实现简易的运动播报功能以及简易的动作计数播报功能。

需求拆分


  • 首先先确定数据的结构,健身运动的数据结构是每组运动做多少个动作,那么我们可以使用字典来规定这种数据结构。
  • 将运动项作为key,需要做多少个动作作为value来存放在一个字典当中
  • 然后我们只需要写循环来遍历这个字典,在循环中在写一个循环根据运动项的次数来计数即可完成运动计数。

 

导入


 

import pyttsx3
import time

这里使用pyttsx3这个库来进行语音播报。

 

pyttsx3


pyttsx3是一个能让Python开口说话的库,pyttsx3通过初始化来获取语音引擎。当我们第一次调用init操作的时候,会返回一个pyttsx3的engine对象,再次调用的时候,如果存在engine对象实例,就会使用现有的,否则再重新创建一个。

pyttsx3属于第三方模块,如果你还未进行安装可以先安装这个库。


pip install pyttsx3

 

定义模型类

 

class Sports():
    def __init__(self, sports, speed):
        sports = sports
        speed = speed
    @staticmethod
    def say(content):
        engine = pyttsx3.init()
        engine.say(content)
        engine.runAndWait()
    @staticmethod
    def doSport():
        for key, value in sports.items():
            index = list(sports).index(key) + 1
            # 如果是最后一个动作,播报:加油加油,最后一个动作啦~
            if index == len(sports):
                Sports.say('加油~加油~,最后一个动作啦!')
                print('加油~加油~,最后一个动作啦!')
            result = f'第{index}个动作:{key},一组{value}秒'
            print(f'\r{result}', end='\n')
            Sports.say(result)
            # 每做完一个动作,让用户休息3秒钟
            for i in [3, 2, 1, '开始~']:
                print(f'\r{i}', end='')
                Sports.say(i)
                time.sleep(speed)
            for i in range(1, value + 1):
                print(f'\r{i}', end='')
                Sports.say(i)
                time.sleep(speed)
        # 运动结束
        end = '运动结束,放松一下吧~'
        Sports.say(end)

有了运动模型类,我们就可以复用这个类啦,比如有n套健身运动,我们只需要实例化n个类就可以复用这个类了。


语音播报:


@staticmethod
    def say(content):
        engine = pyttsx3.init()
        engine.say(content)
        engine.runAndWait()


运动方法:


@staticmethod
    def doSport():
        for key, value in sports.items():
            index = list(sports).index(key) + 1
            # 如果是最后一个动作,播报:加油加油,最后一个动作啦~
            if index == len(sports):
                Sports.say('加油~加油~,最后一个动作啦!')
                print('加油~加油~,最后一个动作啦!')
            result = f'第{index}个动作:{key},一组{value}秒'
            print(f'\r{result}', end='\n')
            Sports.say(result)
            # 每做完一个动作,让用户休息3秒钟
            for i in [3, 2, 1, '开始~']:
                print(f'\r{i}', end='')
                Sports.say(i)
                time.sleep(speed)
            for i in range(1, value + 1):
                print(f'\r{i}', end='')
                Sports.say(i)
                time.sleep(speed)
        # 运动结束
        end = '运动结束,放松一下吧~'
        Sports.say(end)

有了类模型,下面对类进行实例化,先传入4个动作来热热身吧~


if __name__ == '__main__':
    sports = {'开合跳1': 30,
              '原地深蹲': 15,
              '高抬腿': 30,
              '胯下击掌': 15,
              }
    speed = 0.02  # 速度
    spor = Sports(sports, speed)
    spor.doSport()
相关文章
|
8月前
|
人工智能 监控 搜索推荐
抖音电商API短视频种草,转化路径缩短70%!
在电商竞争激烈的当下,抖音电商API通过短视频种草功能,将用户购买路径缩短70%,大幅提升转化效率。本文解析其技术原理与实际应用,揭示其如何改变传统电商流程,助力商家抢占市场先机。
547 0
|
12月前
|
容器
vllm+vllm-ascend本地部署QwQ-32B
本指南介绍如何下载、安装和启动基于Ascend的vLLM模型。首先,可通过华为镜像或Hugging Face下载预训练模型;其次,安装vllm-ascend,支持通过基础镜像(如`quay.io/ascend/vllm-ascend:v0.7.3-dev`)或源码编译方式完成;最后,使用OpenAI兼容接口启动模型,例如运行`vllm serve`命令,设置模型路径、并行规模等参数。适用于大模型推理场景,需注意显存需求(如QwQ-32B需70G以上)。
4616 17
|
9月前
|
JSON 人工智能 API
API是电商的“秘密武器”,轻松搞定订单生成
在电商竞争激烈的今天,高效处理订单至关重要。API作为连接各系统的“桥梁”,通过自动化实现快速、准确的订单生成,大大提升运营效率。本文详解API如何简化下单流程,并提供Python示例展示其实际应用。
417 1
|
传感器 人工智能 机器人
水下无人机:深海探索的未来工具
【10月更文挑战第6天】水下无人机作为深海探索的未来工具,正不断突破技术瓶颈,拓宽人类对深海的认知边界。它们在深海科学研究、资源勘探、军事应用以及环境保护中展现出了巨大的潜力和价值。随着技术的不断进步和应用的不断拓展,水下无人机将迎来更加广阔的发展空间,为人类探索和保护海洋提供强有力的技术支持。
|
运维 负载均衡 监控
提升系统性能:高效运维的秘密武器——负载均衡技术
在当今数字化时代,系统的高可用性和高性能成为各类企业和组织追求的目标。本文旨在探讨负载均衡技术在运维工作中的关键作用,通过深入分析其原理、类型及实际应用案例,揭示如何利用这项技术优化资源分配,提高系统的响应速度和可靠性,确保用户体验的稳定与流畅。无论是面对突如其来的高流量冲击,还是日常的运维管理,负载均衡都展现出了不可或缺的重要性,成为现代IT架构中的基石之一。
780 4
|
人工智能 小程序
【一步步开发AI运动小程序】七、进行运动计时、计数
随着AI技术的发展,阿里体育推出的“乐动力”、“天天跳绳”等APP,使云上运动会、AI体育指导等概念备受关注。本文将引导您从零开始,利用“云智AI运动识别小程序插件”,在小程序中实现类似功能。通过插件的`sports`和`calc`命名空间,可轻松实现运动检测、计时计数等功能。示例代码展示了如何创建并使用俯卧撑运动分析器,以及如何通过摄像头捕获图像进行人体识别和运动分析。敬请期待后续关于姿态分析的内容。
|
存储 安全 Linux
Linux命令sync详解
`sync`命令在Linux中用于将内存缓冲区的数据强制写入磁盘,保证数据持久性和一致性。它在关机、重启或重要文件操作前后使用,以防数据丢失。工作原理是强制将内存中的数据同步到磁盘,特点是阻塞式执行且通常无需参数。常见用法包括安全关机、数据备份和配置文件修改后确保更改生效。应注意,过度使用可能影响性能,应适时使用`fsck`检查文件系统一致性。
|
存储 API 数据库
深入探索DDD与事件溯源:使用Entity Framework Core构建高效且可维护的领域驱动设计应用——从理论到实践的全方位指南,附带代码示例与最佳实践分享
【8月更文挑战第31天】本文通过实例介绍如何结合领域驱动设计(DDD)与事件溯源(Event Sourcing)及 Entity Framework Core(EF Core),构建高效且可维护的应用程序。DDD 强调业务逻辑与软件设计的紧密融合,而事件溯源则通过记录所有变更事件来重建状态。文章详细展示了创建基于 EF Core 的项目、配置数据库上下文、定义领域模型与事件,并存储和提交事件的具体步骤。通过这些技术,实现了复杂业务逻辑的持久化与重构,提高了应用程序的灵活性和扩展性。
620 0
|
Java 关系型数据库 MySQL
如何安装系统必备开发环境:JDK 1.8+、MySQL 5.7+ 与 Maven 3.0+
【7月更文挑战第1天】搭建Java开发环境:安装JDK 1.8+,MySQL 5.7+,Maven 3.0+。访问官方源下载对应软件,配置Windows或Linux/macOS的环境变量,包括`JAVA_HOME`, `PATH`, `MYSQL_ROOT_PASSWORD`及`MAVEN_HOME`。测试安装成功分别用`java/javac -version`, `mysql -u root -p`和`mvn -v`检查版本。完成后,即可开始Java项目开发。
1291 0
|
机器学习/深度学习 自然语言处理 算法
Python遗传算法GA对长短期记忆LSTM深度学习模型超参数调优分析司机数据|附数据代码
Python遗传算法GA对长短期记忆LSTM深度学习模型超参数调优分析司机数据|附数据代码