京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者:闲欢
来源:Python 技术
周末在家没事,大哥和嫂子要出去 happy,于是将他的儿子丢到我家,让我当奶爸陪玩一下。为了让这磨人的小妖精消停会,我好安静地打盘王者,我灵机一动,准备写个简单的小游戏给他玩一会。
对于这种三岁小孩,他们不需要复杂操作的游戏,而是要傻瓜式的,并且界面带有色彩的最好。并且写这个小游戏不能占用我太多时间,不然得不偿失!
基于这样的思路,我想起了以前在哪里看过的一个小游戏————七彩同心圆。它的玩法就是每次点击鼠标时,会以鼠标为圆心画一个圆,然后在这个圆的基础上不断向外扩展圆(类似于水波浪的扩散),从而形成一个同心圆,并达到随机大小后停止扩展,其中每个同心圆的颜色都是随机的。
这个小游戏正好满足目前的场景,于是我撸起袖子准备三下五除二式地实现它,为我的王者之路争取时间!
首先,我需要初始化各种变量:
pygame.init() screen = pygame.display.set_mode([600, 400]) screen.fill((255, 255, 255)) # 圆的半径 radius = [0] * 10 # 圆的半径增量 circleDelt = [0] * 10 # 圆是否存在,False代表该索引值下的圆不存在,True代表存在 circleExists = [False] * 10 # 圆的坐标x轴 circleX = [0] * 10 # 圆的坐标y轴 circleY = [0] * 10 # 颜色RGB值 RGBx = [0] * 10 RGBy = [0] * 10 RGBz = [0] * 10
接着我需要监听鼠标事件,监听到之后,根据鼠标的位置画一个初始化的圆:
# 鼠标按下 if event.type == pygame.MOUSEBUTTONDOWN: # 获取圆不存在的索引值 num = circleExists.index(False) # 将该索引值的圆设置为存在 circleExists[num] = True # 圆的半径设置为0 radius[num] = 0 # 获取鼠标坐标 circleX[num], circleY[num] = pygame.mouse.get_pos() # 随机获取颜色值 RGBx[num] = random.randint(0, 255) RGBy[num] = random.randint(0, 255) RGBz[num] = random.randint(0, 255) # 画圆 pygame.draw.circle(screen, pygame.Color(RGBx[num], RGBy[num], RGBz[num]), (circleX[num], circleY[num]), radius[num], 1) if event.type == pygame.QUIT: pygame.quit() sys.exit()
画了圆之后,我需要让它随机扩展出同心圆,这个同心圆需要一圈一圈地画:
for i in range(10): # 圆不存在则跳过循环 if not circleExists[i]: pass else: # 随机圆的大小 if radius[i] < random.randint(10, 50): # 圆的随机半径增量 circleDelt[i] = random.randint(0, 5) radius[i] += circleDelt[i] # 画圆 pygame.draw.circle(screen, pygame.Color(RGBx[i], RGBy[i], RGBz[i]), (circleX[i], circleY[i]), radius[i], 1) else: #若圆已达到最大,这将该索引值的圆设置为不存在 circleExists[i] = False
最终的效果是这样子的:
虽然我还不是奶爸,但是我感觉我需要多琢磨琢磨 pygame,储备一些有意思的小游戏给未来的儿子玩,以彰显技术人的优势,此处应有喝彩!
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14