好玩又有趣的Python實例小游戲代碼，我能在電腦上琢磨一天

前言

本文的文字及圖片來源於網絡,僅供學習、交流使用,不具有任何商業用途,如有問題請及時聯系我們以作處理。

PS：如有需要Python學習資料的小伙伴可以點擊下方鏈接自行獲取

Python免費學習資料、代碼以及交流解答點擊即可加入

---

 

幾個簡單的Python實例，好玩有趣，基礎語法。

• turtle庫開始自己的繪畫
• 寫一個屬於自己的文本進度條
• 蒙特卡洛方法計算π
• 分形幾何，Koch雪花曲線
• 輸入一組數據，進行簡單的統計
• 小說詞頻統計，統計三國演義中誰出場率最高
• 輕松抓住文本主旨：文本詞雲生成

drawing with turtle

好玩有趣，入門級繪圖庫turtle，文檔在此。
文檔中的實例：太陽花

from turtle import * color('red', 'yellow') begin_fill() while True: forward(200) left(170) if abs(pos()) < 1: break end_fill() done() 

畫一個六芒星：

import turtle as t # size傳入最大的圓的半徑 def draw_Star(size): t.setup(1200, 1000) t.speed(11) t.pensize(2) t.pencolor('grey') for r, pen_size in [(size//7, 3), (size*6//7, 4), (size, 4)]: t.penup() t.goto(0, -r) t.pendown() t.pensize(pen_size) t.circle(r) t.penup() t.goto(0, 0) r = size * 5.5 // 7 for i in range(6): t.pendown() t.pensize(3) t.seth(i * 60 + 30) t.fd(r) t.goto(0, 0) t.goto(0, r) t.seth(-150) t.pensize(5) for i in range(6): t.fd(r) t.left(60) r = r - size // 50 t.goto(0, r) t.pensize(10) t.seth(-120) t.pencolor('orange') for i in range(3): t.fd(r * (3**0.5)) t.left(120) t.penup() t.goto(0, 0) t.seth(30) t.fd(r) t.seth(-180) t.pendown() for i in range(3): t.fd(r * (3 ** 0.5)) t.left(120) t.hideturtle() t.done() draw_Star(400) 

文本進度條

不停向下打印的版本：

import time def bar(scale): print('===========執行開始============') for i in range(scale + 1): a = '*' * i b = '.' * (scale - i) c = (i / scale) * 100 print('\r{:^3.0f}%[{}->{}]'.format(c, a, b), end = '') time.sleep(0.05) print('\n===========執行結束============') 

單行刷新版本：

import time def pro_bar(scale): print('執行開始'.center(scale // 2, '=')) start = time.perf_counter() for i in range(scale + 1): a = '*' * i b = '.' * (scale - i) c = (i / scale) * 100 dur = time.perf_counter() - start print('\r{:^3.0f}%[{}->{}] {:.2f}s'.format(c, a, b, dur), end = '') time.sleep(0.05) print('\n' + '執行結束'.center(scale // 2, '=')) pro_bar(50) 

單行刷新效果在cmd窗口中運行才有效，IDLE禁\r轉義字符。

蒙特卡洛方法計算π

隨機數生成使用random庫，文檔在此。思路即是隨機生成點，落在正方形內。計算正方形內的圓內落點與正方形內落點之比，近似為面積之比，隨機數越隨機，數量越大越准確。

from random import random from time import perf_counter def calPI(N = 100): hits = 0 start = perf_counter() for i in range(1, N*N+1): x, y = random(), random() dist = pow(x ** 2 + y ** 2, 0.5) if dist <= 1.0: hits += 1 pi = (hits * 4) / (N * N) use_time = perf_counter() - start return pi, use_time PI, use_time = calPI(1000) print('\nuse Monte Carlo method to calculate PI: {}'.format(PI)) print('use time: {} s'.format(use_time)) 

遞歸繪制Koch雪花曲線

koch雪花曲線是分形幾何中的一個經典曲線。
使用turtle庫，簡單的遞歸即可繪制。

import turtle def koch(size, n): if n == 0: turtle.fd(size) else: for angle in [0, 60, -120, 60]: turtle.left(angle) koch(size/3, n-1) def main(): turtle.setup(1200, 1000) turtle.speed(11) turtle.penup() turtle.goto(-300, 200) turtle.pendown() turtle.pensize(2) level = 4 koch(600, level) # 3階科赫曲線 turtle.right(120) koch(600, level) turtle.right(120) koch(600, level) turtle.hideturtle() turtle.done() main() 

簡單統計

輸入一組數據，計算均值，方差，中位數，絕對相對誤差。

# -*- coding: utf-8 -*- # 輸入數據 def getNum(): nums = [] iNumStr = input('please input a sequence of numbers (enter to exit): ') while iNumStr != '': nums.append(eval(iNumStr)) iNumStr = input('please input a sequence of numbers (enter to exit): ') return nums # 平均數 def average(numbers): return sum(numbers) / len(numbers) # 標准差 def dev(numbers, average): sdev = 0.0 for num in numbers: sdev += (num - average) ** 2 return pow(sdev / len(numbers), 0.5) # 中位數 def median(numbers): sorted(numbers) size = len(numbers) if size % 2 == 0: return (numbers[size//2-1] + numbers[size//2]) / 2 else: return numbers[size//2] # 絕對與相對誤差 def rel_dev(numbers, average): _max = max(abs(max(numbers) - average), abs(min(numbers) - average)) return _max, _max / average def main(): nums = getNum() if len(nums) == 0: print('no data') else: ave = average(nums) devs = rel_dev(nums, ave) print('和:{:.4f},平均數:{:.4f},中位數:{:.4f},方差:{:.4f},絕對誤差:{:4f},相對誤差:{:.4f}' \ .format(sum(nums), ave, median(nums), dev(nums, ave), devs[0], devs[1])) if __name__ == '__main__': main() 

小說詞頻統計

策略：

• 中文小說：使用第三方庫jieba切分，統計
• 英文小說：去掉特殊干擾字符，直接切分為單詞，遍歷統計

統計莎士比亞經典名著：Hamlet。統計最高出現單詞。

def getText(): txt = open('novels/hamlet.txt', 'r').read() txt = txt.lower() # 去掉大小寫干擾 # 去掉特殊符號干擾 for ch in '!"#$%&()*+,-./:;<=>?@[\\]^_`{|}~\'': txt = txt.replace(ch, ' ') return txt hamletTxt = getText() words = hamletTxt.split() counts = {} for word in words: counts[word] = counts.get(word, 0) + 1 items = list(counts.items()) # 將其按照詞出現數量按照降序排列 items.sort(key = lambda x : x[1], reverse = True) for i in range(20): word, count = items[i] print('{:^10}{:^10}'.format(word, count)) 

統計名著三國演義中人物名字出現次數：

其中一個jieba庫是一個對中文文本依照漢字間關聯概率進行詞組划分的第三方庫，使用簡單，且非常好用，文檔在此。

import jieba def getWords(): txt = open('novels/threekingdoms.txt', 'r', encoding = 'utf-8').read() words = jieba.lcut(txt) counts = {} for word in words: if len(word) == 1: continue else: counts[word] = counts.get(word, 0) + 1 word_list = list(counts.items()) word_list.sort(key = lambda x : x[1], reverse = True) return word_list 

進行人肉優化，去掉不是人名的詞語，並將一些指同一個人物的詞合並到一個人物下。

import jieba def countWords(excludes, merges): txt = open('novels/threekingdoms.txt', 'r', encoding = 'utf-8').read() words = jieba.lcut(txt) counts = {} # 取出長度為一的詞和符號以及excludes中的詞 for word in words: if len(word) == 1 or word in excludes: continue else: counts[word] = counts.get(word, 0) + 1 # 合並名稱相同的人名 for merge in merges: for name in merge[1]: counts[merge[0]] += counts.get(name, 0) del counts[name] word_list = list(counts.items()) word_list.sort(key = lambda x : x[1], reverse = True) return word_list excludes = {'卻說','二人','不可','主公','陛下','漢中','只見','眾將','后主','蜀兵','上馬','大叫','太守','此人','夫人', '先主','后人','背后','城中','天子','一面','何不','大軍','忽報','先生','百姓','何故','不能','如此','如何', '然后','先鋒','不如','趕來','原來','令人','江東','下馬','喊聲','正是','徐州','忽然','荊州','左右','軍馬', '因此','成都','不見','未知','大敗','大事','之后','一軍','引軍','起兵','軍中','接應','引兵','次日','大喜', '進兵','大驚','可以','以為','大怒','不得','心中','下文','一聲','追趕','糧草','天下','東吳','於是','都督', '曹兵','一齊','分解','回報','分付','只得','出馬','三千','大將','許都','隨后','報知','今日','不敢','魏兵', '前面','之兵','且說','眾官','洛陽','領兵','商議','軍士','星夜','精兵','城上','之計','不肯','相見','其言', '一日','而行','文武','襄陽','准備','若何','出戰','親自','必有','一人','人馬','不知','何人','此事','之中', '伏兵','祁山','乘勢','忽見','大笑','樊城','兄弟','首級','立於','西川','傳令','當先','五百','一彪','堅守', '此時','之間','投降','五千','埋伏','長安','三路','遣使','將軍','關興','軍師','朝廷','三軍','大王','回見', '大將軍','必然','將士','是夜','小路' } merges = [ ('劉備',('玄德','玄德曰','玄德問','劉玄德','玄德大','玄德自','玄德聞','皇叔','劉皇叔')), ('關羽',('關公','雲長','關雲長')), ('孔明',('諸葛亮','孔明曰','孔明笑','孔明之','孔明自')), ('曹操',('丞相','孟德','曹公','曹孟德')), ('張飛',('翼德','張翼德')) ] word_list = countWords(excludes, merges) for i in range(30): word, count = word_list[i] print('{0:^10}{1:{3}^10}{2:^15}'.format(i+1, word, count, chr(12288))) # chr(12288)為中文空格 

結果如下，當然其中類似將軍、英雄、主公、大哥、君這種詞語無法判斷指的是誰，這里僅統計能夠判斷的，所以這里只能做一個相對的參考。

    1     　　　　劉備　　　　     1578      
    2     　　　　曹操　　　　     1485      
    3     　　　　孔明　　　　     1485      
    4     　　　　關羽　　　　      820      
    5     　　　　張飛　　　　      393      
    6     　　　　呂布　　　　      300      
    7     　　　　趙雲　　　　      278      
    8     　　　　孫權　　　　      264      
    9     　　　 司馬懿　　　　     221      
    10    　　　　周瑜　　　　      217      
    11    　　　　袁紹　　　　      191      
    12    　　　　馬超　　　　      185      
    13    　　　　魏延　　　　      180      
    14    　　　　黃忠　　　　      168      
    15    　　　　姜維　　　　      151      
    16    　　　　馬岱　　　　      127      
    17    　　　　龐德　　　　      122      
    18    　　　　孟獲　　　　      122      
    19    　　　　劉表　　　　      120      
    20    　　　 夏侯惇　　　　     116      
    21    　　　　董卓　　　　      114      
    22    　　　　孫策　　　　      108      
    23    　　　　魯肅　　　　      107      
    24    　　　　徐晃　　　　      97       
    25    　　 　司馬昭　　　　     89       
    26    　　 　夏侯淵　　　　     88       
    27    　　　　王平　　　　      88       
    28    　　　　劉璋　　　　      85       
    29    　　　　袁術　　　　      84       
    30    　　　　呂蒙　　　　      83