ZenithPy - Professional Python Development Environment with AI

ZenithPy

正在初始化 Python 環境並安裝 AI 庫...

正在下載 Pyodide (約 5.3 MB)

main.py 未選擇文件

# ZenithPy - 專業 Python 開發環境
# 由 Pyodide 提供支援的瀏覽器內 Python IDE

import numpy as np
from sklearn.linear_model import LinearRegression

def greet_user(name="訪客"):
    """問候用戶並示範基本操作。"""
    print(f"哈囉，{name}！歡迎來到 CodeCanvas IDE。")
    print("此 Python 環境完全在您的瀏覽器中運行。")
    
    # 範例：計算階乘
    def factorial(n):
        if n == 0:
            return 1
        else:
            res = 1
            for i in range(1, n + 1):
                res *= i
            return res
    
    num = 7
    print(f"\n{num} 的階乘是: {factorial(num)}")
    
    # 範例：列表操作
    my_list = [10, 20, 30, 40, 50]
    print(f"\n原始列表: {my_list}")
    my_list.append(60)
    print(f"追加 60 後的列表: {my_list}")
    print(f"列表元素之和: {sum(my_list)}")
    
    # 示範一個簡單的循環
    print("\n倒數中:")
    for i in range(5, 0, -1):
        print(i)
    print("發射！")

# 顯示當前環境信息
    import sys
    print("\nPython 版本:", sys.version.split(' ')[0])
    print("平台:", sys.platform)

# AI 範例：使用 scikit-learn 進行簡單線性回歸
    print("--- AI 範例：簡單線性回歸 ---")
    # 訓練數據
    X_train = np.array([[1], [2], [3], [4], [5]])
    y_train = np.array([2, 4, 5, 4, 5])
    
    # 創建並訓練模型
    model = LinearRegression()
    model.fit(X_train, y_train)
    
    # 進行預測
    new_X = np.array([[6]])
    prediction = model.predict(new_X)
    
    print(f"\n對於輸入 {new_X[0][0]}, 預測值為 {prediction[0]:.2f}")
    print("----------------------------")

# 互動式輸入範例 (AI 庫 (scikit-learn, numpy) 已自動安裝，請嘗試運行以下範例。)
    try: # Changed from 'try {' to 'try:'
        user_input_number = input("請輸入一個數字來測試 input() 函數: ") # Changed from '//' to '#'
        user_num = int(user_input_number) # Changed from '//' to '#'
        print(f"您輸入的數字是: {user_num} (類型: {type(user_num)})")
    except ValueError: # Changed from '} catch (ValueError) {' to 'except ValueError:'
        print("無效輸入：請輸入一個有效的數字。")
    except Exception as e: # Changed from '} catch (Exception as e) {' to 'except Exception as e:'
        print(f"發生錯誤: {e}")

if __name__ == "__main__":
    greet_user("AI 愛好者")

輸出

正在初始化 Python 環境... 請稍候

AI 代碼生成