Deze repository bevat een aantal voorbeelden en helper-modules voor project Steam. Elke tool wordt even apart behandeld in deze README, zodat je zelf de onderdelen uit kunt kiezen die je wil gebruiken.
Voor Steam kun je meerdere technieken gebruiken om een applicatie met grafische user interface (GUI) op te bouwen.
- TKinter: dit is een library die standaard bij Python geleverd wordt. Hiermee maak je makkelijk gebruikersinterfaces die op veel verschillende apparaten kunnen draaien.
- Flask web app: Flask is een Python-library die speciaal gemaakt is om webapplicaties op te zetten. Deze is gebruiksvriendelijk om te leren en populair binnen Python. Hiervoor kun je makkelijk verschillende pagina's aanmaken met routes, waar je makkelijk HTML-templates aan kunt koppelen.
- Bootstrap: met Bootstrap kun je makkelijk een grafische gebruikersinterface bouwen d.m.v. HTML/CSS en JavaScript. Het is ook te gebruiken in combinatie met Flask.
Bootstrap richt zich vooral op vormgeving, terwijl Flask meer bedoeld is voor de back-end, ofwel de achterliggende logica van een project. TKinter is vooral geschikt voor het bouwen van software voor specifieke apparaten en is de eerste keuze binnen de HU voor beginners.
Binnen Project Steam mag je zelf kiezen welke technologie je gebruikt. Ook andere technologieën zijn mogelijk in overleg met je docenten.
Zie ook het startersproject voor Flask (opgezet door Lina).
Dit is de API/website waar de data in het steam.json-bestand vandaan komt. Je kunt deze zelf ook benaderen voor real-time data, hoewel de Steam API zelf beter onderhouden wordt.
Om deze API te gebruiken heb je alleen de requests-library nodig.
Let op: deze API is niet van Steam zelf. Deze scrapet data van de website van Steam, wat fout kan gaan als Steam de structuur van de website aanpast. Zorg dus dat je applicatie niet afhankelijk is van deze data. Daarnaast kan de API alleen publieke profielen bekijken, waardoor de data niet 100% representatief is voor alle Steam-gebruikers.
{
'appid': 10,
'name': 'Counter-Strike',
'developer': 'Valve',
'publisher': 'Valve',
'score_rank': '',
'positive': 225272,
'negative': 5860,
'userscore': 0,
'owners': '10,000,000 .. 20,000,000',
'average_forever': 11458,
'average_2weeks': 131,
'median_forever': 226,
'median_2weeks': 79,
'price': '999',
'initialprice': '999',
'discount': '0',
'ccu': 11917,
'languages': 'English, French, German, Italian, Spanish - Spain, Simplified Chinese, Traditional Chinese, Korean', 'genre': 'Action',
'tags': {'Action': 5454, 'FPS': 4880, 'Multiplayer': 3431, 'Shooter': 3381, 'Classic': 2812, 'Team-Based': 1886, 'First-Person': 1724, 'Competitive': 1623, 'Tactical': 1361, "1990's": 1220, 'e-sports': 1208, 'PvP': 898, 'Old School': 793, 'Military': 641, 'Strategy': 624, 'Survival': 306, 'Score Attack': 292, '1980s': 272, 'Assassin': 231, 'Nostalgia': 167}
}
- Met Figma kun je een ontwerp maken voor de applicatie. Dit kan helemaal gratis en de styling kan ook geëxporteerd worden naar HTML/CSS of zelfs TKinter.
- De Bulma library bevat een aantal voorgestijlde componenten, die je kunt inzetten binnen je eigen project. Dat scheelt eventueel wat CSS schrijven.
Als student krijg je vaak toegang tot extra tools om mee te oefenen. Bij Azure kun je bijvoorbeeld $100 gratis credit krijgen. Op het Azure-platform kun je niet alleen databases hosten, maar bijvoorbeeld ook webapplicaties (als jullie hiervoor gekozen hebben).
Het is ook mogelijk om gebruik te maken van een taalmodel binnen je applicatie. De makkelijkste manier is om daarvoor een lokale API te draaien, dit kan onder andere met GPT4All. Zie hiervoor de GPT4All instructies in het AI-mapje.
Dit is een AI library die helpt met het inschatten van het sentiment van teksten.
Installeer eerst de library met het volgende commando, of gebruik het tabje 'Packages' in PyCharm:
pip install vader-sentiment
SentimentAnalyser.py
bevat een aantal hulpfuncties. Dit bestand heb je dan ook nodig in je eigen code, of je kunt de
Vader-library direct implementeren als je dit prettiger vindt. Importeer de code met de volgende regel:
from SentimentAnalyser import SentimentAnalyser
Dit kun je doen door de code te plaatsen in dezelfde folder. Als de code in een andere folder wordt geplaatst, zul je zelf moeten zorgen dat de module correct geïmporteerd wordt. Hiermee zou je bijvoorbeeld kunnen beoordelen of een geplaatste opmerking positief of negatief is.
{
'neg': 0.0, // Negatief sentiment
'neu': 0.513, // Neutraal sentiment
'pos': 0.487, // Positief sentiment
'compound': 0.431 // Compounded score
}
De Raspberry PI Pico W heeft ook wi-fi, maar dit geldt niet voor
elke versie van de RPI. Om data van een API naar je RPI Pico
zonder wi-fi te krijgen, moet je via seriële verbinding data
naar je Pi sturen. Pepijn heeft hier een scriptje
serial_data_sending.py
voor geschreven, dat je ter inspiratie kan gebruiken.