python处理菜单消息

一 代码

import win32ui
import win32api
from win32con import *
from pywin.mfc import window
class MyWnd(window.Wnd):
    def __init__ (self):
        window.Wnd.__init__(self,win32ui.CreateWnd())
        self._obj_.CreateWindowEx(WS_EX_CLIENTEDGE,\
                                 win32ui.RegisterWndClass(0,0,COLOR_WINDOW+1),\
                                 'MFC GUI',WS_OVERLAPPEDWINDOW,\
                                 (10,10,800,500),None,0,None)
        submenu = win32ui.CreateMenu()
        menu = win32ui.CreateMenu()
        submenu.AppendMenu(MF_STRING,1051,'&Open')
        submenu.AppendMenu(MF_STRING,1052,'&Close')
        submenu.AppendMenu(MF_STRING,1053,'&Save')
        menu.AppendMenu(MF_STRING|MF_POPUP,submenu.GetHandle(),'&File')
        self._obj_.SetMenu(menu)
        self.HookCommand(self.MenuClick,1051)
        self.HookCommand(self.MenuClick,1052)
        self.HookCommand(self.MenuClick,1053)
    def OnClose(self):
        self.EndModalLoop(0)
    def MenuClick(self,lParam,wParam):
        if lParam == 1051:
            self.MessageBox('Open','Python',MB_OK)
        elif lParam == 1053:
            self.MessageBox('Sava','python',MB_OK)
        else:
            self.OnClose()
w = MyWnd()
w.ShowWindow()
w.UpdateWindow()
w.RunModalLoop(1)

 

二 运行结果

 
  • 大小: 6.7 KB
### 使用Python解析和处理菜单及订单数据 #### 数据采集阶段 为了获取餐饮平台上的菜单和订单数据,可以采用 Python 的爬虫技术。通过 `requests` 和 `BeautifulSoup` 可以轻松抓取静态网页中的结构化信息;而针对动态加载的内容,则可借助 Selenium 来模拟浏览器行为并提取所需数据[^2]。 #### 数据清洗与预处理 在实际应用中,原始数据可能包含大量噪声或不一致之处。因此,在正式进入分析环节前,需先对这些数据进行必要的清理工作。例如去除重复项、填补缺失值以及统一单位格式等操作均可依靠 Pandas 库高效完成[^1]。 ```python import pandas as pd # 假设已有一个DataFrame df_raw 存储着初步获取的数据 df_cleaned = (pd.DataFrame(df_raw) .drop_duplicates() # 删除完全相同的记录 .fillna({'price':0}) # 对特定列的价格字段填充默认值为零元表示未知情况下的售价 ) ``` #### 数据探索性分析(EDA) 接着便是运用统计学原理去理解整体分布特征及其背后隐藏规律的过程。比如计算平均消费水平、各类菜品销量占比等等指标可以帮助商家更好地制定营销策略或者调整库存管理方式等方面提供决策支持依据[^1]。 ```python summary_stats = df_cleaned.describe() popular_items = df_cleaned.groupby('item_name').sum()['quantity'].sort_values(ascending=False).head(5) print(summary_stats) print(popular_items) ``` #### 结果展示 - 数据可视化 最后一步就是把前面所得结论直观呈现出来给目标受众看懂明白为止 。这里推荐 Matplotlib 或 Seaborn 这样的绘图包来进行图表制作 ,它们能够生成高质量图形满足大多数场合需求[^1]。 ```python import matplotlib.pyplot as plt import seaborn as sns plt.figure(figsize=(8,6)) sns.barplot(x=popular_items.index, y=popular_items.values) plt.title('Top Selling Items') plt.xlabel('Item Name') plt.ylabel('Total Quantity Sold') plt.show() ```
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