如何优雅的用python调用bootstrap

bootstrap 是Twitter推出的一个用于前端开发的开源工具包,可以非常快捷的进行网页开发。

对于python使用者来说,最简单调用bootstrap的方法是直接pip安装,然后直接调用

pip install flask-bootstrap

参考结构如下

 

代码示例如下

app.py

from flask import Flask,render_template,redirect
from flask_bootstrap import Bootstrap

app = Flask(__name__)

# 引入bootstrap
bootstrap=Bootstrap(app)

@app.route('/')
def hello():
    return render_template('demo.html')   #对demo页面进行渲染


if __name__ == '__main__':
    app.run(debug=True)

demo.html

{% extends "bootstrap/base.html" %}

{% block title %}这是个title{% endblock %}

{% block navbar %}
<div class="navbar navbar-inverse" role="navigation">
    <div class="container">
        <div class="navbar-header">
            <button type="button" class="navbar-toggle" data-toggle="collapse" data-target=".navbar-collapse">
                <span class="sr-only">Toggle navigation</span>
                <span class="icon-bar"></span>
                <span class="icon-bar"></span>
                <span class="icon-bar"></span>
            </button>
            <a class="navbar-brand" href="https://www.baidu.com">这是个navbar,跳到百度</a>
        </div>
        <div class="navbar-collapse collapse">
            <ul class="nav navbar-nav">
                <li><a href="/">HOME</a></li>
            </ul>
        </div>
    </div>
</div>
{% endblock %}

{% block content %}
<div class="container">
    <div class="page-header">
        <h1>Hello, {{ name | upper}}!</h1>
    </div>
</div>

<form>
  <div class="form-group" width="80%">
    <label width="80%" for="exampleInputEmail1">Email address</label>
    <input width="80%" type="email" class="form-control" id="exampleInputEmail1" placeholder="Email">
  </div>
  <div class="form-group">
    <label for="exampleInputPassword1">Password</label>
    <input type="password" class="form-control" id="exampleInputPassword1" placeholder="Password">
  </div>
  <div class="form-group">
    <label for="exampleInputFile">File input</label>
    <input type="file" id="exampleInputFile">
    <p class="help-block">Example block-level help text here.</p>
  </div>
  <div class="checkbox">
    <label>
      <input type="checkbox"> Check me out
    </label>
  </div>
  <button type="submit" class="btn btn-default">Submit</button>
</form>

<form class="form-horizontal">
  <div class="form-group">
    <label for="inputEmail3" class="col-sm-2 control-label">Email</label>
    <div class="col-sm-10">
      <input type="email" class="form-control" id="inputEmail3" placeholder="Email">
    </div>
  </div>
  <div class="form-group">
    <label for="inputPassword3" class="col-sm-2 control-label">Password</label>
    <div class="col-sm-10">
      <input type="password" class="form-control" id="inputPassword3" placeholder="Password">
    </div>
  </div>
  <div class="form-group">
    <div class="col-sm-offset-2 col-sm-10">
      <div class="checkbox">
        <label>
          <input type="checkbox"> Remember me
        </label>
      </div>
    </div>
  </div>
  <div class="form-group">
    <div class="col-sm-offset-2 col-sm-10">
      <button type="submit" class="btn btn-default">Sign in</button>
    </div>
  </div>
</form>
{% endblock %}

官方文档链接:

Bootstrap v3 中文文档 · Bootstrap 是最受欢迎的 HTML、CSS 和 JavaScript 框架,用于开发响应式布局、移动设备优先的 WEB 项目。 | Bootstrap 中文网

Flask-Bootstrap — Flask-Bootstrap 3.3.7.1.dev1 文档

参考文章链接

  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
Python中,可以使用statsmodels包中的OLS函数来进行bootstrap估计。具体步骤如下: 1. 安装statsmodels包:在命令行中输入pip install statsmodels即可安装。 2. 导入需要的库和数据:假设我们有一个DataFrame对象df,其中包含自变量x和因变量y。 3. 定义一个函数来进行bootstrap估计:该函数需要接受数据、自变量和因变量作为输入,并返回一个包含所有bootstrap样本估计值的数组。 4. 调用bootstrap函数:使用bootstrapped.bootstrap函数来进行bootstrap估计。该函数需要接受数据、定义的函数、bootstrap样本数量和置信区间作为输入,并返回一个包含bootstrap估计值和置信区间的元组。 下面是一个示例代码: ```python import numpy as np import pandas as pd import statsmodels.api as sm import bootstrapped.bootstrap as boot # 导入数据 df = pd.read_csv('data.csv') x = df['x'] y = df['y'] # 定义bootstrap函数 def bootstrap_func(data, x, y): sample = data.sample(n=len(data), replace=True) model = sm.OLS(y[sample.index], x[sample.index]) results = model.fit() return results.params[0] # 进行bootstrap估计 results = boot.bootstrap(df, bootstrap_func, num_iterations=1000, alpha=0.05) # 输出结果 print('Bootstrap estimate: ', results.value) print('Confidence interval: ', results.confidence_intervals) ``` 在上面的代码中,我们使用了1000个bootstrap样本,并计算了95%的置信区间。结果将包含bootstrap估计值和置信区间。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

Dennis-Ning

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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