基于Tkinter的python背单词软件

用python写一个背单词程序 words = [(row[0],row[1]) for row in sheet.iter_rows(min_row=r,max_row = max_words,values_only = True)] #将一维列表转换为二维列表。print ("*****中文释义:",random_word[a][1]) #从一维列表选择中文释义。print ("*****英文:",random_word[a][0])choice = input("请输入选项(输入q退出):") 阅读详情

基于Tkinter的背单词软件

设计思路

  1. 页面布局:主要分为左中右部分 a. 正确拼写区域b. 单词拼写区域c. 错误拼写区域
  2. 事件监听:通过给功能按钮绑定事件,来实现不同的功能,如:提交输入答案、更换题目等。

涉及知识点

  1. 开发工具:Python3.8 , PyCharm2022
  2. Tkinter 是 Python 的标准 GUI 库。Python 使用 Tkinter 可以快速的创建 GUI 应用程序。
  3. pandas 是基于NumPy 的一种工具,该工具是为解决数据分析任务而创建的。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
  4. Button按钮控件是一个标准的tkinter控件。按钮上可以显示文字或者图片作为提示信息。文字只能使用一种字体以及颜色。按钮的最主要作用是被点击后,可以调用指定的回调函数,完成特定的功能。比如,关闭窗口、执行命令等。
  5. Label控件,用来显示指定的窗口中的文本和图像。

数据文件

(包括共5500个单词)
在这里插入图片描述

运行截图

初始界面
在这里插入图片描述

提交单词(正确)
在这里插入图片描述

提交单词(错误)
在这里插入图片描述

换题
在这里插入图片描述

核心代码

# Application初始化
def __init__(self, master=None):
    super().__init__(master)
    self.dictionary = Dictionary()
    self.text = StringVar()
    self.master = master
    self.bgcolor = "#ecf2f1"
    self.pack()
    self.create_widget()

# 绘制页面
def create_widget(self):
    frame_right = Frame(root, width=250, height=500, bg='#bfdccf', padx=10)
    frame_right.pack(side='left')
    frame_main = Frame(root, padx=10)
    frame_main.pack(side='left')
    frame_wrong = Frame(root, width=250, height=500, bg='#e9bcc1', padx=10)
    frame_wrong.pack(side='left')
    # 创建单词显示区
    self.text.set(self.dictionary.get_word_text())
    self.word_show = Label(frame_main, textvariable=self.text, width=25,                           height=10, justify='center', anchor='center',                           font=('微软雅黑', 18),  fg='white', bg='grey',                           padx=20, pady=10) 
    self.word_show.pack()
    # 输入单词区
    self.entry_word = Entry(frame_main)
    self.entry_word.pack(pady=5)
    # 提交按钮
    button = Button(frame_main, text='提交', command=self.submit)
    button.pack(side=LEFT, padx=100, pady=5)
    # 换题按钮
    change_button = Button(frame_main, text='换题', command=self.change)
    change_button.pack(side=LEFT, padx=100, pady=5)
    # 正确单词
    right_label = Label(frame_right)    right_label.pack()
    self.right_list = Listbox(frame_right, width=30, height=20)
    self.right_list.pack()

    wrong_label = Label(frame_wrong)    wrong_label.pack()
    self.wrong_list = Listbox(frame_wrong, width=30, height=20)
    self.wrong_list.pack()

# 添加书籍信息事件
def add_book(self):
    values = []
    for val in self.val_arr:
        v = val.get()
        if v == '':
            messagebox.showinfo('提示', '请输入内容')
            return
        values.append(v)
    for book in self.tree.get_children():
        no = self.tree.item(book)['values'][0]
        if no == values[0]:
            messagebox.showinfo('提示', '编号已经存在')
            return
    self.tree.insert('', 'end', values=values)
    for val in self.val_arr:
        val.set('')
# 词典类
class Dictionary:
    def __init__(self):
        self.dict = pd.read_excel("words.xlsx")
        self.word = self.dict.sample(1, axis=0)
        print(self.word)
        self.right = pd.DataFrame()
        self.wrong = pd.DataFrame()

    def random_set_a_word(self):
        self.word = self.dict.sample(1, axis=0)
        print(self.word)

    def get_now_word(self):
        return self.word.单词.values[0]

    def get_now_word_chinese(self):
        return self.word.解释.values[0]
    def word_right(self):
        self.dict.drop(self.word.index)  # 删除背过的单词
        self.right = pd.concat([self.right, self.word])
        self.random_set_a_word()

    def word_wrong(self):
        self.wrong = pd.concat([self.wrong, self.word])

    def get_word_text(self):
        word = ""
        for c in self.word.单词.values[0]:
            if random.random() > 0.5:
                word += c + ' '
            else:
                word += ' _ '
        return word + "\n\n" + self.word.音标.values[0] + "\n\n" + self.word.解释.values[0]
# 单词提交事件
def submit(self):
    if self.entry_word.get() == self.dictionary.get_now_word():
        self.right_list.insert(END, self.dictionary.get_now_word() + self.dictionary.get_now_word_chinese())
        self.dictionary.word_right()
        self.text.set(self.dictionary.get_word_text())

        self.entry_word.delete(0, END)
    else:
        self.dictionary.word_wrong()
        self.wrong_list.insert(END, self.dictionary.get_now_word() + self.dictionary.get_now_word_chinese())

# 单词更换事件
def change(self):
    self.dictionary.random_set_a_word()
    self.text.set(self.dictionary.get_word_text())


 
 


用 python+tkinter+有道云API 写一个自用的背单词软件 导语 最近在学英语,新单词需要反复背,所以就想写一个可以自己存储单词的应用。刚好tkinter也一直没有学过,就趁这次的机会边学边写。 程序功能 程序主要分为三个功能区,分别是: Search模块:用于检索词库中的单词 Upload模块:用于向词库加入新单词 Next模块:用于背单词,由Next和Answer两个按键共同实现 最后呈现的功能如图所示: 需要用的工具 py... 阅读详情

相关推荐

用python实现背单词的功能(python3经典编程案例)

使用 Python 实现背单词功能,可以通过以下步骤完成: 单词库管理:存储单词及其释义。 随机抽取单词:从单词库中随机抽取单词进行测试。 用户输入与验证:用户输入单词的释义,程序验证是否正确。 反馈与统计:提供反馈并统计用户的正确率。 以下是一个简单的背单词程序实现:

数据知道的博客 2万+

如何使用python代码来实现背英语单词的功能

我们学习计算机的,总是免不了要和英语接触,有时候,程序报错,冒出一大堆英语报错信息,看都看不懂,学习需要用到一些英文网站的时候,有的英文网站还翻译不了,界面全是英文,对于博主这种英语有点差的,不免使人有些头大,所以,为了让和博主一样英语不好的同学,一边学习python,一边学习英语单词,博主在这给大家分享一个博主自己设计的代码程序,望别嫌弃。那么,我们是不是可以拓展提升一下,利用python代码,爬取网站上的英语单词和翻译,用逗号或空格隔开单词和翻译,将其存入txt文本中,然后我们再用代码来读取这个文档。

m0_58444310的博客 1250

使用Python开发的单词记忆软件+源码(毕业设计&课程设计&项目开发)

使用Python开发的单词记忆软件+源码,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用~ 使用Python开发的单词记忆软件+源码,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用~ 使用Python开发的单词记忆软件+源码,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用~ 使用Python开发的单词记忆软件+源码,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用~

Python制作背单词exe

python背单词软件并打包exe

weixin_66686759的博客 1642

J1939协议实用指南与J1939数据记录方案

“没错,这是一份SAE J1939简单、实用指南。”—虹科 **开篇:**在这篇介绍中,我们介绍了J1939协议的基本知识,其中包括PGN和SPN。因为这是一篇偏向应用的简介,所以您还将会学习到如何通过DBC文件解码J1939数据、如何记录J1939、典型的应用案例和实用技巧。下面,来了解下这份简单易懂的J1939介绍吧~ 什么是J1939? 简而言之,SAE J1939其实是一套标准,重型车辆ECU间就是按照这套标准在CAN总线上进行通信的。当今大多数车辆都通过CAN(Controller Area Ne

1万+

深入解析CRC-16校验算法及其Verilog硬件实现

本文深入解析了CRC-16校验算法的原理及其在Verilog中的硬件实现方法。从基础的模2除法到串行和并行实现方案,详细介绍了LFSR结构、状态转移分析以及工业应用中的优化技巧。通过实际案例和性能对比,帮助开发者理解如何选择适合的CRC实现方案,确保数据传输的可靠性。

yolo5detector的博客 322

python写背单词软件_GREat: GREat@, 使用Python+Tkinter 编写的GUI背单词软件,附带词书...

GREat@背单词this is the Recite helper script that helps to recite words.Intergrated with GRE-3000 and GRE-Red(6000). Have fun!Usage 如何使用:python3 bei.py [-file-to-read-]e.g.python3 bei.py 08red/11.txtU...

weixin_39592137的博客 512

FOC实战笔记:RC吸收电路的设计考量与参数调优

本文深入探讨了FOC驱动器中RC吸收电路的设计与调优。针对MOS管开关过程中的电压尖峰问题,详细阐述了RC电路的钳位与能量吸收原理,并提供了从参数计算、实验调试到布局布线的完整实战指南,旨在帮助工程师有效提升系统可靠性与稳定性。

weixin_29219539的博客 275

用python开发一个背单词软件-python实现屏保程序(适用于背单词)

今天要给大家分享的是一款自己写的屏保程序,大学大家最头疼的就是四六级的考试了,上次考试做阅读的时候,情不自禁的发呆,想着如果我能在电脑上写一个屏保程序,那么就可以天天记单词了!开始首先:我们使用的是python自带的GUI模块,大部分操作网上都可以查到,对于写一些小的交互程序是完全够了。首先我们来定义一个类,这个类可以实列出一个屏幕显示对象,我把它称为Screensaver()。from tkin...

weixin_37988176的博客 1586

dify离线部署

以bge-m3为例,本地部署bge-m3首先在一台能连网的linux服务器上(部署有ollama)创建想要保存模型的文件夹编辑ollama.service,配置ollama模型的保存路径添加模型存储地址将models目录设置属主,必须做,否则ollama无法启动重新加载配置文件并重启ollama测试ollama 运行是否正常最后拉取 bge-m3可在/opt/LLMModels/bge_m3/models目录下看到拉取得模型使用tar命令压缩文件夹。

weixin_42538734的博客 3070

算法竞赛入门到进阶 --- 完整学习路线(含知识点讲解)

前言: 咳咳,接触算法竞赛也有一年了,却从来都没有进行过一次系统的学习,稀里糊涂的就这么搞了半年,如今,我决定认认真真的进行一次系统的复盘。嗯嗯,先把大体路线列出来,然后往后每天搞几篇,可能大三能完成,可能永远也不能写完这些,我只能慢慢来,一起共勉吧。冲了!(主要是太菜了,不系统学习下,怕是铜牌都拿不到呀!) 算法竞赛入门到进阶一、sort函数自定义排序二、c++容器的使用1.vector动态数组2.stack栈3.queue队列4.list链表5.set集合6.map映射三、二进制子集生成四、bfs.

qq_43514659的博客 2万+

python写背单词软件_python实现屏保程序(适用于背单词)

今天要给大家分享的是一款自己写的屏保程序,大学大家最头疼的就是四六级的考试了,上次考试做阅读的时候,情不自禁的发呆,想着如果我能在电脑上写一个屏保程序,那么就可以天天记单词了!开始首先:我们使用的是python自带的GUI模块,大部分操作网上都可以查到,对于写一些小的交互程序是完全够了。首先我们来定义一个类,这个类可以实列出一个屏幕显示对象,我把它称为Screensaver()。from tkin...

weixin_39845406的博客 236

3D Slicer中文教程(三)—数据加载及保存方式

1.打开数据与保存数据 (1)打开数据 ——可以将数据拖拽到3D Slicer应用窗口或者从菜单栏工具栏打开。 ——多种方式加载大量数据。 有关DICOM数据,请参阅DICOM模块文档。 对于几乎所有其他(包括场景),您可以使用添加数据对话框。 有关支持的数据格式的列表,请参阅此列表。 请注意,仅部分支持列出的某些格式。 ——对于一些更复杂的格式(特别是DWI),建议首先使用DICOM到n...

weixin_33676492的博客 5535

python编写背单词程序

目录1 功能介绍2 文件准备3 源码 一年多前初学python时写的代码,这里分享给大家。 1 功能介绍 首先运行程序,进入欢迎界面。如下图,界面是一个小方框,可以选择词库,默认是六级词库。 选好之后点击左上角的关闭按钮,即可进入主页面,并显示选择的词库的剩余单词数。排版并不是很美观,读者可以尝试修改程序来美化界面。 写入本次计划背诵的单词数,点击“开始”按钮即可开始背诵,界面中显示单词的拼写、音标和释义。 有三个单词处理按钮,左键“太简单了!斩!”是模仿百词斩APP的说法,可以将你觉得比较简单的单词从

tuqitimi的博客 1万+

华为OD机试 - 压缩日志查询(Python/JS/C/C++ 双机位C卷 100分)

本专栏收录于《华为OD机试真题(Python/JS/C/C++)》。刷的越多,抽中的概率越大,私信哪吒,备注华为OD,加入华为OD刷题交流群,每一题都有详细的答题思路、详细的代码注释、3个测试用例、为什么这道题采用XX算法、XX算法的适用场景,发现新题目,随时更新。某设备需要记录每分钟检测到的指标值。为了节约存储空间,将连续相同指标值的记录合并。压缩之前:202411231000,11 202411231001,11 202411231002,12 202411231003,12 202411231004,

学Java,找哪吒 1880

基于STM32F1XX 、HAL库的LTR-303ALS-01 环境光传感器驱动应用C语言程序设计

printf("制造商ID: 0x%02X\r\n", LTR303_ReadManufacID());printf("器件ID: 0x%02X\r\n", LTR303_ReadPartID());LTR-303ALS-01是一款数字环境光传感器(ALS),由Lite-On公司生产。printf("LTR-303ALS初始化失败!printf("LTR-303ALS初始化成功!printf("数据无效\r\n");* @param mode: 0-待机, 1-激活。

PP_Cottage的博客 1033

用python打造中英文词频统计系统(1)--利用tkinter设计图形化界面

Menu: 1.利用tkinter设计界面 2.底层逻辑 3.细节处理和利用pyinstaller打包成exe文件

tanclay的博客 2677

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

用Python和Tkinter打造个性化背单词工具:从零开始实现百词斩核心功能

本文详细介绍了如何利用Python和Tkinter库从零开始构建一个个性化的背单词工具。通过复现百词斩的核心功能,如“斩词”和“难词标记”,并加入智能学习引擎与复习测试模块,开发者可以学习到桌面应用开发、GUI设计、数据持久化等实用技能,打造一个完全符合自身学习习惯的无广告、高效率学习助手。

weixin_29061465的博客 497

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

基于tkinter库python背单词GUI设计——单词越背越开心

#time:2022/2/14 20:26 #author: import time import tkinter as tk from tkinter import ttk,messagebox as msg import tkinter.font as tkfont import random ##########################——————————主要全局变量——————————############################### DISTANCE=10 DISPL...

冲击10w 2691

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

Python+Tkinter打造个性化背单词神器:从词库整理到复习测试全流程指南

本文详细介绍了如何使用Python和Tkinter库从零开发一个个性化的桌面背单词程序。内容涵盖从项目架构设计、智能词库系统构建、Tkinter图形界面实现,到基于记忆模型的智能复习算法与学习数据分析的全流程。该指南不仅提供了完整的代码示例,还深入讲解了如何打造一个支持多格式词库、个性化学习路径及数据可视化的高效学习工具,适合Python开发者构建专属的英语学习助手。

f9g0h的博客 499

pythonGUI:tkinter 背单词

主要依赖于python的tkinter实现英语背单词的程序,通过选择六级/四级/考研词汇,读取文件的单词,随机选择单词,背诵并复习。##选择单词文件 定义Next函数,背下一个单词 定义delete函数,删除过于简单的单词 定义dif函数,把较难的词汇加入“难词.txt” 运行 开始 赞赏80,备注:背单词,评论留下邮箱,收到即回复...

hello world 1760

python tkinter学习 制作悬浮于桌面最上方的英语单词显示窗口

题主最近想考雅思,但是目前正在读研,课多,导师也push,所以可专注背单词的时间较少,所以想利用看电脑的时候顺便背背单词,但是网上只找到一个要开会员的软件。题主觉得这种程序不值得付费(好好好,其实就是题主穷)所以学习tkinter,制作一个简单的程序用于学习。

qq_45698889的博客 1653

python背单词程序设计_python实现屏保程序(适用于背单词)

今天要给大家分享的是一款自己写的屏保程序,大学大家最头疼的就是四六级的考试了,上次考试做阅读的时候,情不自禁的发呆,想着如果我能在电脑上写一个屏保程序,那么就可以天天记单词了!开始首先:我们使用的是python自带的GUI模块,大部分操作网上都可以查到,对于写一些小的交互程序是完全够了。首先我们来定义一个类,这个类可以实列出一个屏幕显示对象,我把它称为Screensaver()。from tkin...

weixin_39861823的博客 611

python单词背诵教程_python创建属于自己的单词词库 便于背单词

本文实例为大家分享了python创建单词词库的具体代码,供大家参考,具体内容如下基本思路:以COCA两万单词表为基础,用python爬取金山词霸的单词词性,词义,音频分别存入sqllite。背单词的时候根据需要自定义数据的选择方式。效果如下:代码写的比较随意,还请见谅。创建数据库cu.execute('create table test (id INTEGER PRIMARY KEY AUTOIN...

weixin_39677106的博客 462

python-产品篇-软件-背单词程序

【代码】python-产品篇-软件-背单词程序。

stqer的博客 736

python 开发 背单词 软件_python适合开发桌面软件吗?

其实Python/Java/PHP都不适合用来做桌面开发,Java还是有几个比较成熟的产品的,比如大名鼎鼎的Java集成开发环境IntelliJ IDEA、Eclipse就是用Java开发的,不过PHP和Python没有比较成熟桌面产品。尽管Python本身不擅长做桌面开发,可是Python跟C++融合得非常好,而C++非常擅长做桌面开发,Python的强大正是因为Python和C++融合得非常好...

weixin_35049138的博客 259
上一篇: python吃豆人AI
下一篇: COMP9020 Assignment 1
todcode
博客等级 码龄7年 359粉丝 108原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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