tqdm库融入猜数字小游戏(python

简介: tqdm库融入猜数字小游戏(python


1.介绍:

tqdm(全称为"taqaddum",阿拉伯语中表示"进展")是一个用于在Python命令行界面中创建进度条的库。它提供了一种简单而有效的方式来显示迭代过程的进度,使得长时间运行的任务更具可视化和交互性。

2.tqdm的主要特点包括:

简单易用:使用tqdm只需将迭代对象作为参数传递给tqdm函数即可创建一个进度条。它提供了直观的API和丰富的选项,可以轻松地自定义进度条的样式和功能。

实时更新:tqdm会自动计算并显示迭代过程的剩余时间、速度等有用的信息,并在每次迭代中实时更新进度条。

多种样式:tqdm支持多种进度条样式,例如简单的文本进度条、动画效果的进度条以及图形化的进度条。

嵌套支持:tqdm可以处理多个嵌套的迭代过程,每个进度条都会被正确地显示和更新。

跨平台支持:tqdm可以在各种操作系统上运行,并且对于大多数常见的Python解释器都兼容。

使用tqdm库可以提升用户体验,让长时间运行的任务更具有可视化和交互性。它在数据处理、机器学习、爬虫等需要迭代过程的场景中非常有用。

3.猜数字小游戏

import time
import random
import tqdm
print("正在加载游戏...")
# 使用tqdm库创建进度条
for i in tqdm.tqdm(range(10)):
    time.sleep(0.5)
print("\n欢迎来到猜数字游戏!")
time.sleep(1)
while True:
    # 打印进度条
    print("\n")
    time.sleep(0.5)
    for i in tqdm.tqdm(range(5)):
        time.sleep(0.5)
    print("我想了一个1到100之间的整数,请你猜猜看是多少。")
    # 生成1到100之间的随机整数作为目标数字
    target = random.randint(1, 100)
    # 等待玩家输入猜测的数字
    guess = int(input("请输入你的猜测:"))
    num_guesses = 1
    # 如果玩家没有猜中目标数字,就一直循环让玩家猜
    while guess != target:
        # 如果玩家猜小了,提示玩家再试一次,并让玩家继续猜测
        if guess < target:
            print("猜小了,请再试一次。")
        # 如果玩家猜大了,提示玩家再试一次,并让玩家继续猜测
        else:
            print("猜大了,请再试一次。")
        # 记录玩家猜测的次数
        guess = int(input("请输入你的猜测:"))
        num_guesses += 1
    # 如果玩家猜中了目标数字,打印恭喜信息,并告诉玩家猜了多少次
    print("恭喜你猜对了!你用了{}次猜中了数字{}。".format(num_guesses, target))
    # 询问玩家是否想再来一局
    play_again = input("再来一局?(y/n)")
    if play_again.lower() == "n":
        break
# 打印结束信息
print("\n谢谢玩猜数字游戏,下次再见!")

2.效果:

目录
相关文章
|
2天前
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
11 0
|
1天前
|
数据采集 JSON 测试技术
Python爬虫神器requests库的使用
在现代编程中,网络请求是必不可少的部分。本文详细介绍 Python 的 requests 库,一个功能强大且易用的 HTTP 请求库。内容涵盖安装、基本功能(如发送 GET 和 POST 请求、设置请求头、处理响应)、高级功能(如会话管理和文件上传)以及实际应用场景。通过本文,你将全面掌握 requests 库的使用方法。🚀🌟
15 7
|
17天前
|
网络协议 数据库连接 Python
python知识点100篇系列(17)-替换requests的python库httpx
【10月更文挑战第4天】Requests 是基于 Python 开发的 HTTP 库,使用简单,功能强大。然而,随着 Python 3.6 的发布,出现了 Requests 的替代品 —— httpx。httpx 继承了 Requests 的所有特性,并增加了对异步请求的支持,支持 HTTP/1.1 和 HTTP/2,能够发送同步和异步请求,适用于 WSGI 和 ASGI 应用。安装使用 httpx 需要 Python 3.6 及以上版本,异步请求则需要 Python 3.8 及以上。httpx 提供了 Client 和 AsyncClient,分别用于优化同步和异步请求的性能。
python知识点100篇系列(17)-替换requests的python库httpx
|
1天前
|
机器学习/深度学习 数据采集 算法
Python机器学习:Scikit-learn库的高效使用技巧
【10月更文挑战第28天】Scikit-learn 是 Python 中最受欢迎的机器学习库之一,以其简洁的 API、丰富的算法和良好的文档支持而受到开发者喜爱。本文介绍了 Scikit-learn 的高效使用技巧,包括数据预处理(如使用 Pipeline 和 ColumnTransformer)、模型选择与评估(如交叉验证和 GridSearchCV)以及模型持久化(如使用 joblib)。通过这些技巧,你可以在机器学习项目中事半功倍。
12 3
|
4天前
|
数据采集 数据可视化 数据处理
如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`)
本文介绍了如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`),加载历史数据,计算均线和其他技术指标,实现交易逻辑,记录和可视化交易结果。示例代码展示了如何根据均线交叉和价格条件进行开仓、止损和止盈操作。实际应用时需注意数据质量、交易成本和风险管理。
19 5
|
3天前
|
存储 数据挖掘 数据处理
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第26天】Python 是数据分析领域的热门语言,Pandas 库以其高效的数据处理功能成为数据科学家的利器。本文介绍 Pandas 在数据读取、筛选、分组、转换和合并等方面的高效技巧,并通过示例代码展示其实际应用。
14 1
|
13天前
|
数据可视化 数据挖掘 Python
Seaborn 库创建吸引人的统计图表
【10月更文挑战第11天】本文介绍了如何使用 Seaborn 库创建多种统计图表,包括散点图、箱线图、直方图、线性回归图、热力图等。通过具体示例和代码,展示了 Seaborn 在数据可视化中的强大功能和灵活性,帮助读者更好地理解和应用这一工具。
29 3
|
1天前
|
文字识别 自然语言处理 API
Python中的文字识别利器:pytesseract库
`pytesseract` 是一个基于 Google Tesseract-OCR 引擎的 Python 库,能够从图像中提取文字,支持多种语言,易于使用且兼容性强。本文介绍了 `pytesseract` 的安装、基本功能、高级特性和实际应用场景,帮助读者快速掌握 OCR 技术。
19 0
|
18天前
|
Linux Android开发 开发者
【Python】GUI:Kivy库环境安装与示例
这篇文章介绍了 Kivy 库的安装与使用示例。Kivy 是一个开源的 Python 库,支持多平台开发,适用于多点触控应用。文章详细说明了 Kivy 的主要特点、环境安装方法,并提供了两个示例:一个简单的 Hello World 应用和一个 BMI 计算器界面。
27 0
|
23天前
|
PyTorch 测试技术 算法框架/工具
Python中Thop库的常见用法和代码示例
肆十二在B站分享了关于THOP(Torch-OpCounter)的实战教学视频。THOP是一个用于计算PyTorch模型操作数和计算量的工具,帮助开发者评估模型复杂度和性能。本文介绍了THOP的安装、使用方法及基本用例,包括如何计算模型的FLOPs和参数量。
55 0