本文目录一览：
- 1、Python其实很简单 第十五章 文件操作
- 2、用Keras生成面部Python实现
- 3、python怎么做图形界面
- 4、强烈推荐一款Python可视化神器！强烈必备！
- 5、Python 创建对面类和方法
- 6、python如何做界面
Python其实很简单 第十五章 文件操作
在各种变量中保存的数据都是临时的，随着程序运行结束都会丢失。要做到数据长期有效，必须建立在磁盘中建立文件，将数据输入到文件中并保存。需要获取数据时需要打开文件读取。
而我们自己建立的程序都是应用程序，从本质上讲，应用程序是无法直接操作计算机的硬件的，譬如读写磁盘中文件，这就需要调用操作系统中的相应命令。接下来我们使用的Python内置函数open()、write()都是通过调用操作系统的相关命令才实现文件读写的，至于其中的细节，我们就不需要考虑了。
15.1创建和打开文件
在Python 中创建或打开文件，实际上是建立一个对象，该对象通过调用内置的open()函数创建或打开一个文件。
语法：
file object = open(filename [, mode][, buffering])
参数说明如下：
filename：file_name变量是一个包含了你要访问的文件名称的字符串值；
mode：mode决定了打开文件的模式：只读，写入，追加等。所有可取值见如下的完全列表。这个参数是非强制的，默认文件访问模式为只读(r)。
Buffering：如果buffering的值被设为0，就不会有寄存；如果buffering的值取1，访问文件时会寄存行；如果将buffering的值设为大于1的整数，表明了这就是的寄存区的缓冲大小；如果取负值，寄存区的缓冲大小则为系统默认。
mode参数的参数值及说明
对于其中最难区别的r、r+、w、w+、a、a+几个参数的区别总结如下，要特别注意指针的位置：
下面举例说明open( )函数的使用方法。
例1：
file=open('1.py')
如果文件“1.py”存在，则可以打开此文件；如果文件“1.py”不存在，则会出现如下提示：
Traceback (most recent call last):
File " ", line 1, in
file=open('1.py')
FileNotFoundError: [Errno 2] No such file or directory: '1.py'
例2：
file=open('4.py',’a+’)
虽然文件“4.py”不存在，但运行并未出现错误，参见上表，“a+”的含义是以读写模式打开文件，如果该文件已经存在，新内容将以追加方式写入；如果该文件不存在，则新建文件用于写入。查看文件夹，发现已经生成了一个新的文件4.py。
例3：
file=open('python.png','rb')
print(file)
运行结果：
这就是说，虽然Python可以打开一个图片格式的文件，但print()并不能将其输出，还需要第三方库中模块的相应方法去处理，如PIL中的open()f方法。
例4：
file = open("f.txt", "w",encoding='utf-8')
# 以只写模式打开文件f.txt，编码方式为utf-8
print( "文件名: ", file.name) # 输出文件名
print( "是否已关闭 : ", file.closed) # 文件是否打开
print( "访问模式 : ", file.mode) # 文件访问模式
运行结果：
文件名: f.txt
是否已关闭 : False
访问模式 : w
例5：
15.2关闭文件
打开文件使用后要及时关闭，以免造成不必要的破坏，同时也可以释放内存。在Python中使用close()方法可以关闭文件。
语法格式：
file.close()
其中，file为文件对象。
15.3 with语句
with 语句适用于对资源进行访问的场合，确保不管使用过程中是否发生异常都会执行必要的“清理”操作，释放资源，比如文件使用后自动关闭、线程中锁的自动获取和释放等。
with语句的语法格式如下：
with expression as target:
with-body
其中，expression用于指定一个表达式，譬如打开文件的open()函数。target用于指定一个变量，并且将expression的结果保存到该变量中，譬如文件对象file。with-body用于指定with语句体，譬如一些文件操作的相关语句，如果没有要执行的语句体，则直接用pass语句代替。
假设python当前目录下存在一个test.txt文件，其内容如下：
Python是一种解释型语言： 这意味着开发过程中没有了编译这个环节。类似于PHP和Perl语言。
Python是交互式语言： 这意味着，您可以在一个 Python 提示符 后直接执行代码。
Python是面向对象语言: 这意味着Python支持面向对象的风格或代码封装在对象的编程技术。
Python是初学者的语言：Python 对初级程序员而言，是一种伟大的语言，它支持广泛的应用程序开发。
举例如下：
with open('test.txt','r',encoding='utf-8') as file:
line=file.readline() # readline()方法可以读取文件一行数据，接下来就会讲到。
print(line)
运行结果如下：
Python是一种解释型语言： 这意味着开发过程中没有了编译这个环节。类似于PHP和Perl语言。
而此时，我们给该段代码with语句之外再增加一个读取文件的语句，代码如下：
with open('test.txt','r',encoding='utf-8') as file:
line=file.readline()
print(line)
line2=file.readline()
print(line2)
发现出现了如下错误提示：
Traceback (most recent call last):
File "C:/Users/zym/AppData/Local/Programs/Python/Python39/3.py", line 5, in
line2=file.readline()
ValueError: I/O operation on closed file.
意思是要读取的文件已经被关闭了。
由此可知，当with语句运行结束后，被打开的test.txt文件就自动关闭了。
15.4读取文件
在Python 中读取文件的方法有：
1、读取指定个数的字符
格式如下：
File.read([size])
其中，file为打开的文件对象。size为可选参数，可以指定要读取的字符个数，省缺表示读取所有内容。
在调用read()方法读取文件内容时，文件必须是以r（只读）或者r+(读写）方式打开。
如：
with open('test.txt','r',encoding='utf-8') as file:
txt=file.read() （或txt=file.read(10)）
print(txt)
将读取、输出test.txt文件的全部内容（或前10个字符）。
2、移动文件的指针
对于刚打开的文件，文件指针总是指向文件头的。也可以通过seek()方法将文件的指针移动到新的位置。
格式如下：
file.seek(offset[,whence])
其中，file表示已经打开的文件对象；offset用于指定移动的字符个数；whence表示从哪个位置起始计算个数，其值为0表示从文件头开始计算，其值为1表示从当前位置开始计算，其值为2表示从文件尾开始计算，默认值为0。
例如：
with open('test.txt','r',encoding='utf-8') as file:
string=file.read(9)
print('取9个字符： '+string)
file.seek(2) #指针从文件头开始移动2个字符
string=file.read(9) #从当前位置读取10个字符
输出结果：
取9个字符：
Python是一种
取9个字符：
thon是一种解释
而下面的代码会抛出错误：
with open('test.txt','r',encoding='utf-8') as file:
file.seek(2,1) #指针从当前位置开始移动2个字符
string=file.read(10) #从当前位置读取10个字符
print('取10个字符： '+string)
错误提示为：
Traceback (most recent call last):
File "C:UserszymAppDataLocalProgramsPythonPython393.py", line 7, in
file.seek(2,1) #指针从当前位置开始移动2个字符
io.UnsupportedOperation: can't do nonzero cur-relative seeks
原因在于，必须使用b模式（即rb）打开文件，才能使用whence参数。但是，b模式（二进制）不适合文本文件。对于test.txt这样的文本文件，为了解决通过改变指针读取任意位置字符，可以采用加一个位置变量的方法来存储指针的值。
例如：
with open('test.txt','r',encoding='utf-8') as file:
#utf-8汉字与英文字符都占一个字符
string='' #设置一个空字符串
pointer=0 #当前指针为0
str1=file.read(6) #读取6个字符
pointer+=6 #指针变量后移6个字符
string+=str1 #string用来存放已读取的字符
print('取6个字符： ',str1)
file.seek(pointer) #指针从文件头开始移动2个字符
str1=file.read(8) #从当前位置读取10个字符
pointer+=8 #指针跳过已读取的字符
string+=str1
print('再取8个字符： ',str1)
print('所有读取的字符： ',string)
print('当前指针所处的位置： ',pointer)
str1=file.read(1)
print('当前指针所处的字符： ',str1)
运行结果如下：
取6个字符：
Python
再取8个字符：
是一种解释型语言
所有读取的字符：
Python是一种解释型语言
当前指针所处的位置：
14
当前指针所处的字符：
：
3、读取一行数据readline()方法
语法格式：
file.readline()
例：
with open('test.txt','r',encoding='utf-8') as f:
string=f.read(1) # 读取文件的第一个字符
if string != '': # 防止文件为空文件
lineno=0
while True:
line=f.readline()
if line != '':
lineno+=1
print('第'+str(lineno)+'行：'+line,end='')
# 因为每行都有自带的分行符，print()语句不允许换行
else:
break # 出现空行时停止读取
else:
print('要读取的文件为空文件！')
运行结果：
第1行：ython是一种解释型语言： 这意味着开发过程中没有了编译这个环节。类似于PHP和Perl语言。
第2行：Python是交互式语言： 这意味着，您可以在一个 Python 提示符 后直接执行代码。
第3行：Python是面向对象语言: 这意味着Python支持面向对象的风格或代码封装在对象的编程技术。
第4行：Python是初学者的语言：Python 对初级程序员而言，是一种伟大的语言，它支持广泛的应用程序开发。
4、读取全部行命令readlines()方法
语法格式：
File.readlines()
该方法与read()方法一样，在调用read()方法读取文件内容时，文件必须是以r（只读）或者r+(读写）方式打开。
例：
with open('test.txt','r',encoding='utf-8') as f:
txt=f.readlines()
print(txt)
运行结果：
['Python是一种解释型语言： 这意味着开发过程中没有了编译这个环节。类似于PHP和Perl语言。 ', 'Python是交互式语言： 这意味着，您可以在一个 Python 提示符 后直接执行代码。 ', 'Python是面向对象语言: 这意味着Python支持面向对象的风格或代码封装在对象的编程技术。 ', 'Python是初学者的语言：Python 对初级程序员而言，是一种伟大的语言，它支持广泛的应用程序开发。 ']
从上面的运行结果可以看出，readlines()方法的返回值为一个字符串列表。所以，也可以以读取列表元素的方法输出。如下所示：
with open('test.txt','r',encoding='utf-8') as f:
txt=f.readlines()
for line in txt:
print(line,end='')
运行结果：
Python是一种解释型语言： 这意味着开发过程中没有了编译这个环节。类似于PHP和Perl语言。
Python是交互式语言： 这意味着，您可以在一个 Python 提示符 后直接执行代码。
Python是面向对象语言: 这意味着Python支持面向对象的风格或代码封装在对象的编程技术。
Python是初学者的语言：Python 对初级程序员而言，是一种伟大的语言，它支持广泛的应用程序开发。
15.5 写入文件内容
语法格式如下：
file.write(string)
其中，file为打开的文件对象，string为要写入的字符串。
写入文件内容时，文件必须以w（可写）或a（追加）模式打开。否则，会抛出如下异常提示：
Traceback (most recent call last):
File "C:UsersAdministratorAppDataLocalProgramsPythonPython383.py", line 2, in
f.write('人生苦短，我用Python！')
io.UnsupportedOperation: not writable
关于write()方法的用法举例如下：
with open('test.txt','a',encoding='utf-8') as f:
f.write('人生苦短，我用Python！')
with open('test.txt','r',encoding='utf-8') as f:
txt=f.read()
print(txt)
运行结果：
Python是一种解释型语言： 这意味着开发过程中没有了编译这个环节。类似于PHP和Perl语言。
Python是交互式语言： 这意味着，您可以在一个 Python 提示符 后直接执行代码。
Python是面向对象语言: 这意味着Python支持面向对象的风格或代码封装在对象的编程技术。
Python是初学者的语言：Python 对初级程序员而言，是一种伟大的语言，它支持广泛的应用程序开发。
人生苦短，我用Python！
可以看出，由于文件的打开方式为a模式（追加模式），写入的内容被写入到文件的末尾。
在Python中，文件操作方法里没有类似于字符串内的计算长度、查找、替换、截取、分隔等方法，为什么没有？原因可能是文件的类型太复杂，譬如说二进制文件，上述操作的意义不大。如果仅仅要对文本文件进行上述操作，完全可以先把文件的内容读取到字符串中，再用相应的字符串函数或方法去操作就可以了。譬如，要将test.txt文件中的字符串‘Python’替换为’PHP’，则可以用如下代码完成：
txt1=''
with open('test.txt','r',encoding='utf-8') as f:
txt1=f.read() #先将文件内容存入字符串txt1中
txt2=txt1.replace('Python','PHP') #将txt1中的'Python'替换为'PHP'，并存入txt2
with open('test.txt','w',encoding='utf-8') as f:
f.write(txt2) #将字符串txt2的内容写回到文件中
这里之所以分两步打开文件（第一次为r模式，第二次为w模式），而没有采用一次读写（r+、w+方式），因为那样比较容易出错。实践证明，将文件的读操作和写操作分开其实是非常正确的选择。
用Keras生成面部Python实现
可采用的机器学习数据集：
两者都包含人脸图像。我把这两个组合成一个文件夹。
最常听到的两种图像生成技术是生成对抗网络（GAN）和LSTM网络。
LSTM训练的时候速度非常慢，GAN训练会快得多。实际结果花不到半小时，模糊的面孔就会开始出现。随着时间的推移，图像会更加逼真。
有许多GAN变种。我使用的一种称为深度卷积神经网络（DCGAN）。DCGAN的优点在于它使用了卷积层。卷积神经网络目前是存在的最佳图像分类算法。
生成对抗网络是由一位名叫Ian Goodfellow的研究员发明的，并于2014年引入了GAN。
GAN非常强大。利用正确的数据，网络架构和超参数，您可以生成非常逼真的图像。
将来，一些高级版本的GAN或其他一些内容生成算法可能会让我们做一些很酷的事情：
但GAN是如何运作的呢？
GAN实际上不是一个神经网络，而是两个。其中之一是Generator。它将随机值作为输入并生成图像。
第二是discriminator。它试图确定图像是假的还是真的。
训练GAN就像一场竞赛。Generator试图在愚弄discriminator时变得尽可能好。discriminator试图尽可能地将假图像与真实图像分开。
这将迫使他们两个都改善。理想情况下，这将在某种程度上导致以下情况：
在现实中，您需要确保一切正常(数据、体系结构、超参数)。GAN对超参数值的微小变化非常敏感。
导入库
第一步是导入所有需要的Python库。
FaceGenerator类
这段Python代码初始化了训练所需的一些重要变量。
将训练数据加载到模型中
此函数将文件夹的名称作为输入，并将该文件夹中的所有图像作为numpy数组返回。所有图像的大小都调整为__init__函数中指定的大小。
Shape=（图像的数量，宽度，高度，通道）。
神经网络
这两个函数定义了generator和discriminator。
神经网络模型训练
对于每个epoch：
训练结束后：
此函数可用于在训练后生成新图像。
训练GAN很难，当你成功时，这种感觉会非常有益。
此Python代码可以轻松用于其他图像数据集。请记住，您可能需要编辑网络体系结构和参数，具体取决于您尝试生成的图像。
python怎么做图形界面
python3.X以上版本有自带的内置模块，可以进行图形界面的编程逻辑（turtle模块，小乌龟，可以画图书写等等）
也可以用其他第三方的模块来实现。
强烈推荐一款Python可视化神器！强烈必备！
Plotly Express 是一个新的高级 Python 可视化库：它是 Plotly.py 的高级封装，它为复杂的图表提供了一个简单的语法。
受 Seaborn 和 ggplot2 的启发，它专门设计为具有简洁，一致且易于学习的 API ：只需一次导入，您就可以在一个函数调用中创建丰富的交互式绘图，包括分面绘图（faceting）、地图、动画和趋势线。 它带有数据集、颜色面板和主题，就像 Plotly.py 一样。
Plotly Express 完全免费：凭借其宽松的开源 MIT 许可证，您可以随意使用它（是的，甚至在商业产品中！）。
最重要的是，Plotly Express 与 Plotly 生态系统的其他部分完全兼容：在您的 Dash 应用程序中使用它，使用 Orca 将您的数据导出为几乎任何文件格式，或使用JupyterLab 图表编辑器在 GUI 中编辑它们！
用 pip install plotly_express 命令可以安装 Plotly Express。
一旦导入Plotly Express（通常是 px ），大多数绘图只需要一个函数调用，接受一个整洁的Pandas dataframe，并简单描述你想要制作的图。 如果你想要一个基本的散点图，它只是 px.scatter（data，x =“column_name”，y =“column_name”）。
以下是内置的 Gapminder 数据集的示例，显示2007年按国家/地区的人均预期寿命和人均GDP 之间的趋势：
如果你想通过大陆区分它们，你可以使用 color 参数为你的点着色，由 px 负责设置默认颜色，设置图例等：
这里的每一点都是一个国家，所以也许我们想要按国家人口来衡量这些点...... 没问题：这里也有一个参数来设置，它被称为 size：
如果你好奇哪个国家对应哪个点？ 可以添加一个 hover_name ，您可以轻松识别任何一点：只需将鼠标放在您感兴趣的点上即可！ 事实上，即使没有 hover_name ，整个图表也是互动的：
也可以通过 facet_col =”continent“ 来轻松划分各大洲，就像着色点一样容易，并且让我们使用 x轴 对数（log_x）以便在我们在图表中看的更清晰：
也许你不仅仅对 2007年 感兴趣，而且你想看看这张图表是如何随着时间的推移而演变的。 可以通过设置 animation_frame=“year” （以及 animation_group =“country” 来标识哪些圆与控制条中的年份匹配）来设置动画。
在这个最终版本中，让我们在这里调整一些显示，因为像“gdpPercap” 这样的文本有点难看，即使它是我们的数据框列的名称。 我们可以提供更漂亮的“标签” （labels），可以在整个图表、图例、标题轴和悬停（hovers）中应用。 我们还可以手动设置边界，以便动画在整个过程中看起来更棒：
因为这是地理数据，我们也可以将其表示为动画地图，因此这清楚地表明 Plotly Express 不仅仅可以绘制散点图（不过这个数据集缺少前苏联的数据）。
事实上，Plotly Express 支持三维散点图、三维线形图、极坐标和地图上三元坐标以及二维坐标。 条形图（Bar）有二维笛卡尔和极坐标风格。
进行可视化时，您可以使用单变量设置中的直方图（histograms）和箱形图（box）或小提琴图（violin plots），或双变量分布的密度等高线图（density contours）。 大多数二维笛卡尔图接受连续或分类数据，并自动处理日期/时间数据。 可以查看我们的图库 (ref-3) 来了解每个图表的例子。
数据 探索 的主要部分是理解数据集中值的分布，以及这些分布如何相互关联。 Plotly Express 有许多功能来处理这些任务。
使用直方图（histograms），箱形图（box）或小提琴图（violin plots）可视化单变量分布：
直方图：
箱形图：
小提琴图：
还可以创建联合分布图（marginal rugs），使用直方图，箱形图（box）或小提琴来显示双变量分布，也可以添加趋势线。 Plotly Express 甚至可以帮助你在悬停框中添加线条公式和R²值！ 它使用 statsmodels 进行普通最小二乘（OLS）回归或局部加权散点图平滑（LOWESS）。
在上面的一些图中你会注意到一些不错的色标。 在 Plotly Express 中， px.colors 模块包含许多有用的色标和序列：定性的、序列型的、离散的、循环的以及所有您喜欢的开源包：ColorBrewer、cmocean 和 Carto 。 我们还提供了一些功能来制作可浏览的样本供您欣赏（ref-3）：
定性的颜色序列：
众多内置顺序色标中的一部分：
我们特别为我们的交互式多维图表感到自豪，例如散点图矩阵（SPLOMS）、平行坐标和我们称之为并行类别的并行集。 通过这些，您可以在单个图中可视化整个数据集以进行数据 探索 。 在你的Jupyter 笔记本中查看这些单行及其启用的交互：
散点图矩阵（SPLOM）允许您可视化多个链接的散点图：数据集中的每个变量与其他变量的关系。 数据集中的每一行都显示为每个图中的一个点。 你可以进行缩放、平移或选择操作，你会发现所有图都链接在一起！
平行坐标允许您同时显示3个以上的连续变量。 dataframe 中的每一行都是一行。 您可以拖动尺寸以重新排序它们并选择值范围之间的交叉点。
并行类别是并行坐标的分类模拟：使用它们可视化数据集中多组类别之间的关系。
Plotly Express 之于 Plotly.py 类似 Seaborn 之于 matplotlib：Plotly Express 是一个高级封装库，允许您快速创建图表，然后使用底层 API 和生态系统的强大功能进行修改。 对于Plotly 生态系统，这意味着一旦您使用 Plotly Express 创建了一个图形，您就可以使用Themes，使用 FigureWidgets 进行命令性编辑，使用 Orca 将其导出为几乎任何文件格式，或者在我们的 GUI JupyterLab 图表编辑器中编辑它 。
主题（Themes）允许您控制图形范围的设置，如边距、字体、背景颜色、刻度定位等。 您可以使用模板参数应用任何命名的主题或主题对象：
有三个内置的 Plotly 主题可以使用， 分别是 plotly， plotlywhite 和 plotlydark。
px 输出继承自 Plotly.py 的 Figure 类 ExpressFigure 的对象，这意味着你可以使用任何 Figure 的访问器和方法来改变 px生成的绘图。 例如，您可以将 .update（） 调用链接到 px 调用以更改图例设置并添加注释。 .update（） 现在返回修改后的数字，所以你仍然可以在一个很长的 Python 语句中执行此操作：
在这里，在使用 Plotly Express 生成原始图形之后，我们使用 Plotly.py 的 API 来更改一些图例设置并添加注释。
Dash 是 Plotly 的开源框架，用于构建具有 Plotly.py 图表的分析应用程序和仪表板。Plotly Express 产生的对象与 Dash 100％兼容，只需将它们直接传递到 dash_core_components.Graph，如下所示： dcc.Graph（figure = px.scatter（...））。 这是一个非常简单的 50行 Dash 应用程序的示例，它使用 px 生成其中的图表：
这个 50 行的 Dash 应用程序使用 Plotly Express 生成用于浏览数据集的 UI 。
可视化数据有很多原因：有时您想要提供一些想法或结果，并且您希望对图表的每个方面施加很多控制，有时您希望快速查看两个变量之间的关系。 这是交互与 探索 的范畴。
Plotly.py 已经发展成为一个非常强大的可视化交互工具：它可以让你控制图形的几乎每个方面，从图例的位置到刻度的长度。 不幸的是，这种控制的代价是冗长的：有时可能需要多行 Python 代码才能用 Plotly.py 生成图表。
我们使用 Plotly Express 的主要目标是使 Plotly.py 更容易用于 探索 和快速迭代。
我们想要构建一个库，它做出了不同的权衡：在可视化过程的早期牺牲一些控制措施来换取一个不那么详细的 API，允许你在一行 Python 代码中制作各种各样的图表。 然而，正如我们上面所示，该控件并没有消失：你仍然可以使用底层的 Plotly.py 的 API 来调整和优化用 Plotly Express 制作的图表。
支持这种简洁 API 的主要设计决策之一是所有 Plotly Express 的函数都接受“整洁”的 dataframe 作为输入。 每个 Plotly Express 函数都体现了dataframe 中行与单个或分组标记的清晰映射，并具有图形启发的语法签名，可让您直接映射这些标记的变量，如 x 或 y 位置、颜色、大小、 facet-column 甚至是 动画帧到数据框（dataframe）中的列。 当您键入 px.scatter（data，x ='col1'，y='col2'） 时，Plotly Express 会为数据框中的每一行创建一个小符号标记 - 这就是 px.scatter 的作用 - 并将 “col1” 映射到 x 位置（类似于 y 位置）。 这种方法的强大之处在于它以相同的方式处理所有可视化变量：您可以将数据框列映射到颜色，然后通过更改参数来改变您的想法并将其映射到大小或进行行分面（facet-row）。
接受整个整洁的 dataframe 的列名作为输入（而不是原始的 numpy 向量）也允许 px 为你节省大量的时间，因为它知道列的名称，它可以生成所有的 Plotly.py 配置用于标记图例、轴、悬停框、构面甚至动画帧。 但是，如上所述，如果你的 dataframe 的列被笨拙地命名，你可以告诉 px 用每个函数的 labels 参数替换更好的。
仅接受整洁输入所带来的最终优势是它更直接地支持快速迭代：您整理一次数据集，从那里可以使用 px 创建数十种不同类型的图表，包括在 SPLOM 中可视化多个维度 、使用平行坐标、在地图上绘制，在二维、三维极坐标或三维坐标中使用等，所有这些都不需要重塑您的数据！
在 API 级别，我们在 px 中投入了大量的工作，以确保所有参数都被命名，以便在键入时最大限度地发现：所有 scatter -类似的函数都以 scatter 开头（例如 scatter_polar， scatter_ternary）所以你可以通过自动补全来发现它们。 我们选择拆分这些不同的散点图函数，因此每个散点图函数都会接受一组定制的关键字参数，特别是它们的坐标系。 也就是说，共享坐标系的函数集（例如 scatter， line ＆ bar，或 scatter_polar， line_polar 和 bar_polar ）也有相同的参数，以最大限度地方便学习。 我们还花了很多精力来提出简短而富有表现力的名称，这些名称很好地映射到底层的 Plotly.py 属性，以便于在工作流程中稍后调整到交互的图表中。
最后，Plotly Express 作为一个新的 Python 可视化库，在 Plotly 生态系统下，将会迅速发展。所以不要犹豫，立即开始使用 Plotly Express 吧！
Python 创建对面类和方法
如下:
class Animal:
def __init__(self,name,kind,age,gender):
self.name=name #姓名
self.kind=kind #种类
self.age=age #年龄
self.gender=gender #性别
def eat(self):
print('eat')
class Dog(Animal):
def __init__(self,name,kind,age,gender,speed):
Animal.__init__(self,name,kind,age,gender)
self.tail="尾巴"
self.speed=speed
def run(self):
print('run')
def call(self):
print('call')
class Cat(Animal):
def __init__(self,name,kind,age,gender,speed):
Animal.__init__(self,name,kind,age,gender)
self.tail="尾巴"
self.speed=speed
def run(self):
print('run')
def call(self):
print('call')
python如何做界面
PyQt，一个基于Qt的Python接口包，可以直接使用Qt的控件，还可以使用QSS进行界面美化，下面我简单介绍一下这个包的安装和使用，实验环境Win7+Python3.6+PyCharm5.0，主要内容如下：
1.首先，安装PyQt，这个直接在cmd窗口输入命令“pip install pyqt5”就行，如下，由于安装包比较大，所以需要等待一会儿：
这里我新建了一个简单的窗口程序，一个登录页面对话框，2个QLabel，2个QLineEdit和2个QPushButton，如下，设计完成后，可以直接编辑对应控件的styleSheet属性，利用QSS（类似CSS）对控件进行美化，也可以在代码中进行详细美化设计（如果美化比较复杂的话，可以专门编写QSS文件，然后在程序中加载就行）：
这里我新建了一个简单的窗口程序，一个登录页面对话框，2个QLabel，2个QLineEdit和2个QPushButton，如下，设计完成后，可以直接编辑对应控件的styleSheet属性，利用QSS（类似CSS）对控件进行美化，也可以在代码中进行详细美化设计（如果美化比较复杂的话，可以专门编写QSS文件，然后在程序中加载就行）：
设计完成的UI界面，可以直接使用自带转化工具pyuic5转化为Python程序（命令pyuic5 -o py文件 ui文件，如pyuic5 -o test.py test.ui），如下，就是刚才设计的UI界面的Python代码：
这里我们再添加一下main函数，直接创建上面类的对象，显示对话框就行，如下：
点击运行这个程序，效果如下，和上面设计的一样，非常方便：
