骷髅解说来分享1--音乐播放器[python]

大家好everybody,我是骷髅skelety(原名skeleton),欢迎打开优快云这个family!
伴随着优快云的升级,骷髅我的文章管理也升级了!!!👏👏👏👏👏👏👏👏

那么废话不多说,今天分享的是音乐播放器。

PC版(WINDOWS)

使用工具

1. MICROSOFT WINDOWS\HUAWEI CORE
2. python3
3. playsound.py

下载方式
(给勤劳的小伙子看)

import os
string = "pip install"+"playsound"
os.system(string)

tkinter是python自带的。
如果你是python2,就是Tkinter。
代码是不同的。

python 2

from Tkinter import *
t = Tk()
t.title('你看不见我')
t.geometry('800x800')
t.mainloop()

python 3

from tkinter import *
t = Tk()
t.title('你看不见我')
t.geometry('800x800')
t.mainloop()

(没什么区别。。。就tkinter或Tkinter改了一下大写。。。)

进入正题:
PC系统

#imports
from tkinter import *
t = Tk()

from tkinter.filedialog import askopenfilename as opf

import playsound as p

#settings
t.wm_title('playsounds')
t.wm_geometry('800x800')

#methods
def vocalplay(sd):
    t.wm_title(sd)
    f = opf()
    p._playsoundWin(sd)
    t.wm_title('playsounds')

#controls
st = Button(t,text='播放',command=vocalplay)
st.pack()

t.mainloop()

osd系统

#imports
from tkinter import *
t = Tk()

from tkinter.filedialog import askopenfilename as opf

import playsound as p

#settings
t.wm_title('playsounds')
t.wm_geometry('800x800')

#methods
def vocalplay(sd):
    t.wm_title(sd)
    f = opf()
    p._playsoundOsd(sd)
    t.wm_title('playsounds')

#controls
st = Button(t,text='播放',command=vocalplay)
st.pack()

t.mainloop()

nix系统

#imports
from tkinter import *
t = Tk()

from tkinter.filedialog import askopenfilename as opf

import playsound as p

#settings
t.wm_title('playsounds')
t.wm_geometry('800x800')

#methods
def vocalplay(sd):
    t.wm_title(sd)
    f = opf()
    p._playsoundNix(sd)
    t.wm_title('playsounds')

#controls
st = Button(t,text='播放',command=vocalplay)
st.pack()

t.mainloop()

如果有喜欢的评论666,有帮助到您吗?
我是骷髅skelety,我们下期再见!

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值