python 配置qt

原創 秃鹫红发夜魔王 2020-06-24 06:46

進入到你的python scripts 文件夾中：
這裏寫圖片描述
然後 shift+鼠標右鍵
打開window powershell （window10）其他window版本
這裏寫圖片描述
然後裏面輸入 pip3 install SIP
這裏寫圖片描述
安裝完成 再安裝
pip3 install PyQt5
到此爲止其實已經可以開發了，但是我們想要更爽的開發，可以直接拖動控件，所以需要QtDesigner，QtDesigner是QT的一個模塊。
再cmd中(命令窗口)再安裝
pip install PyQt5-tools
下載完畢之後
開始配置 pytharm
1.配置 QT Designer
這裏寫圖片描述
這裏寫圖片描述
2.配置PyUIC
用於把QtDesigner創建的UI文件轉換成py文件。
這裏寫圖片描述

成功的圖：
這裏寫圖片描述

發表評論
所有評論
還沒有人評論，想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章

Softmax函數和交叉熵Cross-entropy以及KL散度求導

參考鏈接：https://blog.csdn.net/qian99/article/details/78046329 交叉熵cross-entropy 對一個分類神經網絡fff，輸出爲z=f(x;θ),z=[z0,z1,⋯ ,zC

winycg 2020-07-01 14:43:23

python中使用4次多項式迴歸模型在訓練樣本中進行擬合

X_train = [[6],[8],[10],[14],[18]] y_train = [[7],[9],[13],[17.5],[18]] from sklearn.linear_model import LinearRegress

arm_xuli 2020-06-21 15:44:55

使用logisticregression迴歸算法訓練部分，全部樣本 預測良/惡性腫瘤

#導入pandas工具包，並且更名爲pd import pandas as pd #調用pandas工具包read_csv函數，傳入訓練文件地址參數，獲得返回數據存至變量df_train df_train = pd.read_csv('.

arm_xuli 2020-06-21 15:44:55

python中使用超參數估計法結合特徵篩選的方法提升決策樹的預測性能

import pandas as pd titanic = pd.read_csv('../Datasets/Breast-Cancer/titanic.txt') y=titanic['survived'] X = titanic

arm_xuli 2020-06-21 15:44:55

python顯示手寫數字圖片經pca壓縮後的二維空間分佈 程序錯誤分析

import pandas as pd import numpy as np digits_train = pd.read_csv('../Datasets/Breast-Cancer/optdigits.tra', header

arm_xuli 2020-06-21 15:44:55

機器學習實戰：001 線形迴歸案例

import matplotlib.pyplot as plt import numpy as np from sklearn import datasets, linear_model from sklearn.metrics

布衣书生-Python 2020-06-21 02:39:51

pd.read_csv()方法的參數：parse_dates使用詳解

parse_dates參數作用： 將csv中的時間字符串轉換成日期格式 1、準備數據 TestTime.csv文件： "name","time","date" 'Bob',21:33:30,2019-10-10 'Jerry',2

布衣书生-Python 2020-06-21 02:39:51

基於加權移動平均的數據擴充辦法（Python）

問題背景 在做分析建模時，經常會遇到樣本稀少的情況，例如上市企業的財報數據，每個季度發佈一次，如果一家企業到目前爲止上市了三年，那它的實際樣本數量也就12條，使用這種如此小數量級的樣本量來進行建模會導致模型存在穩定性差、過擬合、泛

布衣书生-Python 2020-06-21 02:39:51

python base64格式與圖片之間的互相轉換

前提條件 需要先安裝如下兩個包： pip install base64 pip install PIL 代碼 # -*- coding: utf-8 -*- """ @ModuleName:base64_transfor_pic

布衣书生-Python 2020-06-21 02:39:51

機器學習類別不平衡問題的解決方法——待完善

機器學習類別不平衡問題的解決方法本文有參考1.《機器學習》 周志華2. https://yq.aliyun.com/articles/2260163.http://blog.csdn.net/heyongluoyao8/article/d

可爱的红薯 2020-06-20 23:28:51

python數據分析基礎及流程回顧，重點數據預處理之異常值發現與處理

一、 python數據分析基礎庫的導入 基本是固定搭配 import numpy as np #科學計算基礎庫，多維數組對象ndarray import pandas as pd

Jalen data analysis 2020-06-19 06:42:13

python分類分析--樸素貝葉斯算法原理與文本分類分析案例

一、樸素貝葉斯算法原理 1、聯合概率、條件概率與相互獨立 ·聯合概率：包含多個條件，且所有事件同時成立的概率 。記作：P（A，B） 。例如：P（程序員，體型勻稱），P（程序員，超重，喜歡） ·條件概率：就是事件A在另外一個事件B

Jalen data analysis 2020-06-19 05:39:54

特徵工程案例--（合併表，交叉表、主成分分析）

目標：特徵降維處理主成分分析APA 方法： 關聯表：user_id---->aisle 交叉表：構造每個用戶購買了哪些物品細分類別的商品及數量 降維處理：主成分分析APA 數據來源：https://www.kaggle.co

Jalen data analysis 2020-06-19 05:39:54

探索變量之間的關係（python3）

在做數據分析的過程中。我們往往是–理解需求–獲取數據–清洗數據–簡單描述統計–統計型分析報告； 其實到這裏還沒完。如果我們還需要深入探索數據的價值，那麼，單變量的分佈檢驗–探索變量間的關係–建立關係模型–評估–總結等。 接下來就來

Jalen data analysis 2020-06-19 04:32:50

單變量的樣本分佈檢驗（python3）

import numpy as np #科學計算基礎庫，多維數組對象ndarray import pandas as pd #數據處理庫，DataFrame（二維數組） imp

Jalen data analysis 2020-06-19 04:32:49