Python之tkinter:动态演示调用python库的tkinter带你进入GUI世界(Scale/Scale的Command)

简介: Python之tkinter:动态演示调用python库的tkinter带你进入GUI世界(Scale/Scale的Command)

目录


tkinter案例应用—Scale/Scale的Command


1、tkinter应用案例:利用指定范围的Scale组件实现


2、tkinter应用案例:利用指定范围的Scale组件实现点击按钮获取当前坐标点




tkinter案例应用—Scale/Scale的Command


1、tkinter应用案例:利用指定范围的Scale组件实现



image.png

#tkinter应用案例:利用指定范围的Scale组件实现

from tkinter import *

 

root = Tk()

root.title("Jason niu工作室")

theLabel=tk.Label(root,text="进入GUI世界,请开始你的表演!\nScale组件控制滚动范围")  

theLabel.pack()

s1=Scale(root,from_=0,to=100)

s1.pack()

s2=Scale(root,from_=0,to=2018,orient=HORIZONTAL)

s2.pack()

def show():

   print(s1.get(),s2.get())

Button(root,text="获取位置",command=show).pack()

mainloop()



2、tkinter应用案例:利用指定范围的Scale组件实现点击按钮获取当前坐标点


image.png


#tkinter应用案例:利用指定范围的Scale组件实现点击按钮获取当前坐标点

from tkinter import *

 

root = Tk()

root.title("Jason niu工作室")

theLabel=tk.Label(root,text="进入GUI世界,请开始你的表演!\n点击下方按钮即可获得你想要的坐标点")  

theLabel.pack()

s1=Scale(root,from_=0,to=100,tickinterval=10,resolution=20,length=100)

s1.pack()

s2=Scale(root,from_=0,to=2018,tickinterval=100,resolution=200,orient=HORIZONTAL,length=500)

s2.pack()

def show():

   print(s1.get(),s2.get())

Button(root,text="获取位置",command=show).pack()

mainloop()



相关文章
|
1天前
|
数据处理 Python
如何使用Python的Pandas库进行数据排序和排名
【4月更文挑战第22天】Pandas Python库提供数据排序和排名功能。使用`sort_values()`按列进行升序或降序排序,如`df.sort_values(by='A', ascending=False)`。`rank()`函数用于计算排名,如`df['A'].rank(ascending=False)`。多列操作可传入列名列表,如`df.sort_values(by=['A', 'B'], ascending=[True, False])`和分别对'A'、'B'列排名。
10 2
|
2天前
|
算法 Python
请解释Python中的关联规则挖掘以及如何使用Sklearn库实现它。
使用Python的mlxtend库,可以通过Apriori算法进行关联规则挖掘。首先导入TransactionEncoder和apriori等模块,然后准备数据集(如购买行为列表)。对数据集编码并转换后,应用Apriori算法找到频繁项集(设置最小支持度)。最后,生成关联规则并计算置信度(设定最小置信度阈值)。通过调整这些参数可以优化结果。
24 9
|
2天前
|
Python
如何使用Python的Pandas库进行数据缺失值处理?
Pandas在Python中提供多种处理缺失值的方法:1) 使用`isnull()`检查;2) `dropna()`删除含缺失值的行或列;3) `fillna()`用常数、前后值填充;4) `interpolate()`进行插值填充。根据需求选择合适的方法处理数据缺失。
28 9
|
2天前
|
索引 Python
如何在Python中使用Pandas库进行季节性调整?
在Python中使用Pandas和Statsmodels进行季节性调整的步骤包括:导入pandas和seasonal_decompose模块,准备时间序列DataFrame,调用`seasonal_decompose()`函数分解数据为趋势、季节性和残差,可选地绘制图表分析,以及根据需求去除季节性影响(如将原始数据减去季节性成分)。这是对时间序列数据进行季节性分析的基础流程。
17 2
|
3天前
|
缓存 自然语言处理 数据处理
Python自然语言处理面试:NLTK、SpaCy与Hugging Face库详解
【4月更文挑战第16天】本文介绍了Python NLP面试中NLTK、SpaCy和Hugging Face库的常见问题和易错点。通过示例代码展示了如何进行分词、词性标注、命名实体识别、相似度计算、依存关系分析、文本分类及预训练模型调用等任务。重点强调了理解库功能、预处理、模型选择、性能优化和模型解释性的重要性,帮助面试者提升NLP技术展示。
20 5
|
4天前
|
Python
如何使用Python的Plotly库创建交互式图表?
Plotly是Python的交互式图表库,支持多种图表类型,如折线图、散点图、柱状图。使用步骤包括安装库、导入模块、准备数据、创建图表对象、添加数据和设置属性,最后显示或保存图表。
16 6
|
4天前
|
机器学习/深度学习 数据采集 算法
请解释Python中的Sklearn库以及它的主要用途。
Sklearn是Python的机器学习库,提供数据预处理、特征选择、分类回归、聚类、模型评估和参数调优等工具。包含监督和无监督学习算法,如SVM、决策树、K-means等,并提供样例数据集便于实践。它是进行机器学习项目的重要资源。
11 1
|
Python
C调用Python崩溃的记录
C调用Python崩溃的记录
135 0
|
Python
C调用Python崩溃的记录
C调用Python崩溃的记录
110 0
|
12天前
|
安全 Java 数据处理
Python网络编程基础(Socket编程)多线程/多进程服务器编程
【4月更文挑战第11天】在网络编程中,随着客户端数量的增加,服务器的处理能力成为了一个重要的考量因素。为了处理多个客户端的并发请求,我们通常需要采用多线程或多进程的方式。在本章中,我们将探讨多线程/多进程服务器编程的概念,并通过一个多线程服务器的示例来演示其实现。