python的dim

1. 按键精灵里的 Dim 命令

按键精灵软件中的Dim命令作为局部变量应用，简单的先写个小范例，执行一遍基本可以理解什么是局部变量应用，代码如下：

(1)python的dim扩展阅读

窗口句柄的标题，得到窗口的标题，如果窗口标题看不出来，那只能往后台窗口发送信息，确认后台窗口接收到信息，如果后台窗口是文本文件，可以后台循不发送字符，这样就能判断，窗口是否是窗口HH了，那可以后台点击鼠标，拖动鼠标等方法来确认窗口。

代码是检测是否有弹出窗口，如果弹出窗口宽度大于300像素（弹出不同对话框执行不同操作，一般成功和失败对应的对话框大小不同），goto跳转到指定位置去执行相关的功能代码。

对话框总有些特征，比如有确定按钮,取消按钮或者关闭按钮,那么利用这些特征来作为代码判断弹窗是否出现的条件，可以适用找图命令或者找色命令,加入判断即可。

2. 求大神帮忙做道Python题。

menu = {'蒜泥黄瓜':6,'花生米':6,'青椒炒肉':28,'西红柿鸡蛋':18,'红烧肉':38,'烤鱼':30,'手撕鸡':45,'海带排骨':35,'白菜':12,'三鲜汤':15}
def order(*dish):
s = 0
for i in dish:
s += menu[i]
return s
m = order('蒜泥黄瓜','花生米','青椒炒肉','西红柿鸡蛋')
print(f'结账: {m}元')

程序缩进如图所示

3. python 如何画出KD数

简单的KNN算法在为每个数据点预测类别时都需要遍历整个训练数据集来求解距离，这样的做法在训练数据集特别大的时候并不高效，一种改进的方法就是使用kd树来存储训练数据集，这样可以使KNN分类器更高效。
KD树的主要思想跟二叉树类似，我们先来回忆一下二叉树的结构，二叉树中每个节点可以看成是一个数，当前节点总是比左子树中每个节点大，比右子树中每个节点小。而KD树中每个节点是一个向量(也可能是多个向量)，和二叉树总是按照数的大小划分不同的是，KD树每层需要选定向量中的某一维，然后根据这一维按左小右大的方式划分数据。在构建KD树时，关键需要解决2个问题：（1）选择向量的哪一维进行划分（2）如何划分数据。第一个问题简单的解决方法可以是选择随机选择某一维或按顺序选择，但是更好的方法应该是在数据比较分散的那一维进行划分（分散的程度可以根据方差来衡量）。好的划分方法可以使构建的树比较平衡，可以每次选择中位数来进行划分，这样问题2也得到了解决。下面是建立KD树的Python代码：
def build_tree(data, dim, depth):
"""
建立KD树

Parameters
----------
data:numpy.array
需要建树的数据集
dim:int
数据集特征的维数
depth:int
当前树的深度
Returns
-------
tree_node:tree_node namedtuple
树的跟节点
"""
size = data.shape[0]
if size == 0:
return None
# 确定本层划分参照的特征
split_dim = depth % dim
mid = size / 2
# 按照参照的特征划分数据集
r_indx = np.argpartition(data[:, split_dim], mid)
data = data[r_indx, :]
left = data[0: mid]
right = data[mid + 1: size]
mid_data = data[mid]
# 分别递归建立左右子树
left = build_tree(left, dim, depth + 1)
right = build_tree(right, dim, depth + 1)
# 返回树的根节点
return Tree_Node(left=left,
right=right,
data=mid_data,
split_dim=split_dim)


对于一个新来的数据点x，我们需要查找KD树中距离它最近的节点。KD树的查找算法还是和二叉树查找的算法类似，但是因为KD树每次是按照某一特定的维来划分，所以当从跟节点沿着边查找到叶节点时候并不能保证当前的叶节点就离x最近，我们还需要回溯并在每个父节点上判断另一个未查找的子树是否有可能存在离x更近的点（如何确定的方法我们可以思考二维的时候，以x为原点，当前最小的距离为半径画园，看是否与划分的直线相交，相交则另一个子树中可能存在更近的点），如果存在就进入子树查找。
当我们需要查找K个距离x最近的节点时，我们只需要维护一个长度为K的优先队列保持当前距离x最近的K个点。在回溯时，每次都使用第K短距离来判断另一个子节点中是否存在更近的节点即可。下面是具体实现的python代码：
def search_n(cur_node, data, queue, k):
"""
查找K近邻，最后queue中的k各值就是k近邻

Parameters
----------
cur_node:tree_node namedtuple
当前树的跟节点
data:numpy.array
数据
queue:Queue.PriorityQueue
记录当前k个近邻，距离大的先输出
k:int
查找的近邻个数
"""
# 当前节点为空，直接返回上层节点
if cur_node is None:
return None
if type(data) is not np.array:
data = np.asarray(data)
cur_data = cur_node.data
# 得到左右子节点
left = cur_node.left
right = cur_node.right
# 计算当前节点与数据点的距离
distance = np.sum((data - cur_data) ** 2) ** .5
cur_split_dim = cur_node.split_dim
flag = False # 标记在回溯时是否需要进入另一个子树查找
# 根据参照的特征来判断是先进入左子树还是右子树
if data[cur_split_dim] > cur_data[cur_split_dim]:
tmp = right
right = left
left = tmp
# 进入子树查找
search_n(left, data, queue, k)
# 下面是回溯过程
# 当队列中没有k个近邻时，直接将当前节点入队，并进入另一个子树开始查找
if len(queue) < k:

neg_distance = -1 * distance
heapq.heappush(queue, (neg_distance, cur_node))
flag = True
else:
# 得到当前距离数据点第K远的节点
top_neg_distance, top_node = heapq.heappop(queue)
# 如果当前节点与数据点的距离更小，则更新队列（当前节点入队，原第k远的节点出队）
if - 1 * top_neg_distance > distance:
top_neg_distance, top_node = -1 * distance, cur_node
heapq.heappush(queue, (top_neg_distance, top_node))
# 判断另一个子树内是否可能存在跟数据点的距离比当前第K远的距离更小的节点
top_neg_distance, top_node = heapq.heappop(queue)
if abs(data[cur_split_dim] - cur_data[cur_split_dim]) < -1 * top_neg_distance:
flag = True
heapq.heappush(queue, (top_neg_distance, top_node))
# 进入另一个子树搜索
if flag:
search_n(right, data, queue, k)525354555657

以上就是KD树的Python实践的全部内容，由于本人刚接触python不久，可能实现上并不优雅，也可能在算法理解上存在偏差，如果有任何的错误或不足，希望各位赐教。

4. python中dim as project是什么

project（项目）：project 即项目，是一个很大的文件夹，里面有好多的 .py 文件。在Spyder 中点击菜单栏 projects ----->? new project? 就可以新建一个项目。

5. Python 题

如果是Python2.7的
a = '中国'
b = u'中国'
如果是Python3.*的，所有字符串都是unicode类型的。

6. 任意输入10个正整数，找出其中的素数，并将这些素数按由小到大排序，这个用python怎么做呀

Sub a()Dim a(0 To 19) As LongDim b() As LongDim i As LongDim k As Longk = 0For i = 0 To UBound(a)a(i) = InputBox("","")If 素数(a(i)) ThenReDim Preserve b(k) As Longb(k) = a(i)k = k + 1End IfNext ib = ...

7. [1:3] python符号表示什么意思

意思是：切片.Python下标是以0开始的
x[1:3]表示返回集合中下标1至3（不包括3)的元素集合
x[:3] 表示返回从开始到下标3（不包括3）的元素集合
x[3:]表示返回从下标3到结束的元素集合
即返回从开始下标到结束下标之间的集合（不包括结束下标）

8. python 怎么通过windows gui(鼠标双击程序图标)打开第三方软件,而不是通过cmd命令

你说的是用python模拟键鼠吧？
下面是一个模拟鼠标键盘操作登录软件的python代码

from pymouse.windows import PyMouse
from pykeyboard import PyKeyboard
import time

m = PyMouse() # 鼠标对象
k = PyKeyboard() # 键盘对象
x_dim, y_dim = m.position() # 获得屏幕尺寸
print('鼠标当前位置: ', x_dim, y_dim)

'''模拟鼠标定时点击'''
#鼠标点击指定位置
m.move(62, 350)
m.click(62,350,1)
for i in range(1,3):
time.sleep(5)
m.click(62,350,1)

'''模拟鼠标键盘登录软件'''
#打开应用
m.click(51,543,1,2)
time.sleep(8)
#输入密码
m.click(568,544,1)
k.type_string('你的密码')
time.sleep(3)
#回车
k.tap_key(k.enter_key)
time.sleep(6)
#确认登录
m.click(568,544,1)
k.press_key(k.alt_key)
k.tap_key('y')
k.release_key(k.alt_key)

9. python下如何定义如下以n索引m的数据结构，n是数区间，m是一个数， 如n为1到5时对应m为3

Int(n+Rnd*(m-n+1))产生n，m区间内的随机整数
Mid(字符串,n,m)n是起始位置，m是长度，这里m取1
输入用n=Inputbox(提示文字，标题文字，预留值)
m=Inputbox(提示文字，标题文字，预留值)
输出用Msgbox（提示文字“这里提示文字就是输出的字符串",标题文字）
其他部分很简单，自己想想就做出来了！
为了容易理解，我还是做了一份：
Dim n As Integer, m As Integer, a As Integer, x As String, y As String, z As String
n = InputBox("输入n", "输入n到m之间的三位数")
m = InputBox("输入m", "输入n到m之间的三位数")
a = Int(n + Rnd * (m - n + 1))
x = Mid(a, 1, 1)
y = Mid(a, 2, 1)
z = Mid(a, 3, 1)
w = z + y + x
MsgBox "随机数为" & a & Chr(13) & Chr(10) & "倒序数为" & w, , "结果如下"