中国奥运会成绩,知道多少?13张图告诉你

120年奥运史:运动员和成绩(相关数据集) 原文: 120 years of Olympic history: athletes and results basic bio data on athletes and medal results from Athens 1896 to Rio 2016 This is a historical dataset on the modern Olympic Games, including all the Games from Athens 1896 to Rio 2016. I scraped th 阅读详情

转自:尤而小屋 

作者:  peter

最近奥运会也是非常热门的事件,但是针对本次奥运会有很多值得吐槽的地方,小岛国的骚气操作不想写????

于是Peter从网上收集的我国从1984年第一次参加夏季奥运会到2016年的历届奥运会获奖情况,了解下历届的奥运会成绩。

数据整理成宽表和长表两种形式,进行简单的数据处理和不同方式的可视化图形展示,方便大家了解我国的奥运会成绩。

文中全程使用的绘图工具是高级可视化库:plotly

图形预览

看看部分图形效果展示:

导入库

导入的库主要是两种:数据处理和绘图相关

# 数据处理相关
import pandas as pd
import numpy as np

# 绘图相关
import plotly.express as px
import plotly.graph_objects as go
from plotly.subplots import make_subplots  # 制作多子图

两种形式数据

从网上收集的中国队历届夏季奥运会获奖情况,整理成两种形式:宽表和长表

1、宽表

宽表形式是将字段尽可能多罗列出来


2、长表

长表形式是将字段尽可能减少,同一个字段的数据信息可能出现重复


中国参加了多少届夏季奥运会

主要讲解的是Python中字符串格式化的知识点,3种不同的格式化展示方式:

  • 占位符%s

  • format()

  • f-string

总奖牌数

展示的是中国历届奥运会的总奖牌数变化趋势:

fig = px.line(df,x="地点",y="总数",text="总数")

fig.update_layout(title="中国获得总奖牌数")

fig.show()

从结果的图形中,我们看到2008年是最多的,刚好是100枚????毕竟是家门口的比赛

fig = px.scatter(
    df,
    x="地点",
    y="总数",
    color="金牌",
    size="总数",
    text="总数"
    )

fig.show()

男子和女子金牌对比

从结果中我们可以看出来:

  • 1984年第一次参加奥运会,男子金牌数量是高于女子的

  • 此后,每届都是女子高于男子:巾帼不让须眉????

多指标变化

fig = go.Figure()

fig.add_trace(go.Scatter(
    x=df["年份"].tolist(),
    y=df["总数"].tolist(),
    name="总数"
))

fig.add_trace(go.Bar(
    x=df["年份"].tolist(),
    y=df["金牌"].tolist(),
    name="金牌"
))

fig.add_trace(go.Scatter(
    x=df["年份"].tolist(),
    y=df["银牌"].tolist(),
    name="银牌"
))

fig.add_trace(go.Scatter(
    x=df["年份"].tolist(),
    y=df["铜牌"].tolist(),
    name="铜牌"
))

fig.add_trace(go.Scatter(
    x=df["年份"].tolist(),
    y=df["金牌榜"].tolist(),
    name="金牌榜"
))


fig.add_trace(go.Bar(
    x=df["年份"].tolist(),
    y=df["男子金牌"].tolist(),
    name="男子金牌"
))

fig.add_trace(go.Scatter(
    x=df["年份"].tolist(),
    y=df["女子金牌"].tolist(),
    name="女子金牌"
))

fig.show()

多指标变化

通过子图的形式展示不同指标的变化趋势:

# 两个基本参数:设置行、列
fig = make_subplots(rows=4, cols=2,
                   subplot_titles=["奖牌总数","金牌","银牌","铜牌","金牌榜","男子金牌","女子金牌","金牌占比"]) 

# 添加数据轨迹
fig.add_trace(go.Scatter(
    x=df["年份"].tolist(),
    y=df["总数"].tolist(),
    name="总数"
),1,1)

fig.add_trace(go.Bar(
    x=df["年份"].tolist(),
    y=df["金牌"].tolist(),
    name="金牌"
),1,2)

fig.add_trace(go.Bar(
    x=df["年份"].tolist(),
    y=df["银牌"].tolist(),
    text=df["银牌"].tolist(),
    textposition="outside",
    name="银牌"
),2,1)

fig.add_trace(go.Scatter(
    x=df["年份"].tolist(),
    y=df["铜牌"].tolist(),
    name="铜牌"
),2,2)

fig.add_trace(go.Scatter(
    x=df["年份"].tolist(),
    y=df["金牌榜"].tolist(),
    mode="markers+text",
    text=df["金牌榜"].tolist(),
    textposition="bottom center",    # 位置
    name="金牌榜"
),3,1)


fig.add_trace(go.Bar(
    x=df["年份"].tolist(),
    y=df["男子金牌"].tolist(),
    name="男子金牌"
),3,2)

fig.add_trace(go.Scatter(
    x=df["年份"].tolist(),
    y=df["女子金牌"].tolist(),
    name="女子金牌"
),4,1)

fig.add_trace(go.Scatter(
    x=df["年份"].tolist(),
    y=df["金牌占比"].tolist(),
    mode="lines+markers",
    text=df["金牌占比"].tolist(),
    textposition="top center",
    name="金牌占比"
),4,2)


# 设置图形的宽高和标题
fig.update_layout(height=600, 
                  width=800, 
                  title_text="奥运会奖牌可视化")
fig.show()

雷达图

雷达图展示的是不同年份的获奖情况

import plotly.graph_objects as go

categories = ['金牌','银牌','铜牌']

fig = go.Figure()

fig.add_trace(go.Scatterpolar(
      r=df.iloc[0,2:5].tolist(),
      theta=categories,
      fill='tonext',
      name='洛杉矶-1984'
))
fig.add_trace(go.Scatterpolar(
      r=df.iloc[1,2:5].tolist(),
      theta=categories,
      fill='tonext',
      name='汉城-1988'
))

fig.add_trace(go.Scatterpolar(
      r=df.iloc[2,2:5].tolist(),
      theta=categories,
      fill='tonext',
      name='巴塞罗那-1992'
))
fig.add_trace(go.Scatterpolar(
      r=df.iloc[3,2:5].tolist(),
      theta=categories,
      fill='tonext',
      name='亚特兰大-1996'
))

fig.add_trace(go.Scatterpolar(
      r=df.iloc[4,2:5].tolist(),
      theta=categories,
      fill='tonext',
      name='悉尼-2000'
))

fig.add_trace(go.Scatterpolar(
      r=df.iloc[5,2:5].tolist(),
      theta=categories,
      fill='tonext',
      name='雅典-2004'
))
fig.add_trace(go.Scatterpolar(
      r=df.iloc[6,2:5].tolist(),
      theta=categories,
      fill='tonext',   # ['none', 'toself', 'tonext']
      name='北京-2008'
))

fig.add_trace(go.Scatterpolar(
      r=df.iloc[7,2:5].tolist(),
      theta=categories,
      fill='tonext',
      name='伦敦-2012'
))
fig.add_trace(go.Scatterpolar(
      r=df.iloc[8,2:5].tolist(),
      theta=categories,
      fill='tonext',
      name='里约热内卢-2016'
))

fig.update_layout(
  polar=dict(
    radialaxis=dict(
      visible=True,
      range=[0, 54]
    )),
  showlegend=True
)

fig.show()

小结:从雷达图的不同维度顶端触角,就可以观察到各自的最大值,比如金牌和铜牌最多的就是北京奥运会,银牌最多的是伦敦奥运会

⚠️:上面的图形都是基于宽表形式的数据,下面是基于长表形式

金银铜牌对比

3种不同奖牌的地点(年份)对比情况:

px.bar(df2,
       x="地点",
       y="数量",
       color="奖牌",
       text="数量",
       barmode="group"
      )

多子图-不同年份的3种奖牌数

# 不共享y轴

fig = px.scatter(
    df2,
    x="排名",
    y="数量",
    color="奖牌",
    size="数量",
    facet_col="年份",
    facet_col_wrap=3
)

#fig.update_yaxes(matches=None)  # 不共享y轴

fig.show()

图形解释:

  1. 横坐标:整体的排名。越靠左,数值越小,排名靠前。可以看到北京奥运会是最棒的:整体排名靠左

  2. 纵坐标:每个奖牌的数量,气泡越大,数量越多。银牌是2012年伦敦,铜牌是2008年北京(看点的高度)

3种奖牌整体占比

3种奖牌不同年份占比

3种奖牌在不同届奥运会的占比情况:

# 两个基本参数:设置行、列
fig = make_subplots(rows=3, cols=3,
                    horizontal_spacing=0.08,
                    vertical_spacing=0.1,
                    column_widths=[0.4,0.4,0.4],
                    specs=[[{"type":"domain"},{"type":"domain"},{"type":"domain"}],
                          [{"type":"domain"},{"type":"domain"},{"type":"domain"}],
                          [{"type":"domain"},{"type":"domain"},{"type":"domain"}]
                         ],
                   subplot_titles=["1984-洛杉矶","1988-汉城","1992-巴塞罗那","1996-亚特兰大",
                                   "2000-悉尼","2004-雅典","2008-北京","2012-伦敦","2016-里约热内卢"]) 

fig.add_trace(go.Pie(
    labels=df2["奖牌"][:3].tolist(),
    values=df2["数量"][:3].tolist(),
    name="1984-洛杉矶"
),1,1)


fig.add_trace(go.Pie(
    labels=df2["奖牌"][:3].tolist(),
    values=df2["数量"][3:6].tolist(),
    name="1988-汉城"
),1,2)

fig.add_trace(go.Pie(
    labels=df2["奖牌"][:3].tolist(),
    values=df2["数量"][6:9].tolist(),
    name="1992-巴塞罗那"
),1,3)


fig.add_trace(go.Pie(
    labels=df2["奖牌"][:3].tolist(),
    values=df2["数量"][9:12].tolist(),
    name="1996-亚特兰大"
),2,1)

fig.add_trace(go.Pie(
    labels=df2["奖牌"][:3].tolist(),
    values=df2["数量"][12:15].tolist(),
    name="2000-悉尼"
),2,2)

fig.add_trace(go.Pie(
    labels=df2["奖牌"][:3].tolist(),
    values=df2["数量"][15:18].tolist(),
    name="2004-雅典"
),2,3)

fig.add_trace(go.Pie(
    labels=df2["奖牌"][:3].tolist(),
    values=df2["数量"][18:21].tolist(),
    name="2008-北京"
),3,1)

fig.add_trace(go.Pie(
    labels=df2["奖牌"][:3].tolist(),
    values=df2["数量"][21:24].tolist(),
    name="2012-伦敦"
),3,2)

fig.add_trace(go.Pie(
    labels=df2["奖牌"][:3].tolist(),
    values=df2["数量"][24:27].tolist(),
    name="2016-里约热内卢"
),3,3)


fig.update_traces(hole=0.2)

fig.show()

从图形可以看出来:

  • 北京奥运会占比最高:51%;其次是雅典奥运会

  • 1988年的汉城奥运会最低,才17.9%

3种奖牌旭日图

px.sunburst(df2,path=["奖牌","地点"],
           values="数量",
           color="年份",
           color_continuous_scale="RdBu"
           )

根据3种奖牌的旭日图,能够看到3种奖牌各自的排序:

  • 金牌:北京、伦敦、雅典

  • 银牌:伦敦、亚特兰大、巴塞罗那

  • 铜牌:北京、里约热内卢、伦敦

总结

本文通过不同的可视化图形展示了我国的获奖情况,数据显示在北京奥运会中取得成绩是最亮眼的;其次,女子的金牌一直都是高于男子,女队员真的是巾帼不让须眉。希望在这次奥运会中国队再创辉煌!中国队????????,yyds!

最后推荐一下我们的星球:由菜鸟学Python原班人马建了一个投资星球,汇聚一批喜欢投资的朋友一起分享投资的技巧,不限于基金,股票等其他品种,提高自己的财商,一起读书打卡,欢迎加入。



推荐阅读:入门: 最全的零基础学Python的问题  | 零基础学了8个月的Python  | 实战项目 |学Python就是这条捷径干货:爬取豆瓣短评,电影《后来的我们》 | 38年NBA最佳球员分析 |   从万众期待到口碑扑街!唐探3令人失望  | 笑看新倚天屠龙记 | 灯谜答题王 |用Python做个海量小姐姐素描图 |碟中谍这么火,我用机器学习做个迷你推荐系统电影趣味:弹球游戏  | 九宫格  | 漂亮的花 | 两百行Python《天天酷跑》游戏!AI: 会做诗的机器人 | 给图片上色 | 预测收入 | 碟中谍这么火,我用机器学习做个迷你推荐系统电影小工具: Pdf转Word,轻松搞定表格和水印! | 一键把html网页保存为pdf!|  再见PDF提取收费! | 用90行代码打造最强PDF转换器,word、PPT、excel、markdown、html一键转换 | 制作一款钉钉低价机票提示器! |60行代码做了一个语音壁纸切换器天天看小姐姐!|年度爆款文案1).卧槽!Pdf转Word用Python轻松搞定!2).学Python真香!我用100行代码做了个网站,帮人PS旅行图片,赚个鸡腿吃3).首播过亿,火爆全网,我分析了《乘风破浪的姐姐》,发现了这些秘密 4).80行代码!用Python做一个哆来A梦分身 5).你必须掌握的20个python代码,短小精悍,用处无穷 6).30个Python奇淫技巧集 7).我总结的80页《菜鸟学Python精选干货.pdf》,都是干货 8).再见Python!我要学Go了!2500字深度分析!9).发现一个舔狗福利!这个Python爬虫神器太爽了,自动下载妹子图片点阅读原文,领廖雪峰资料!
2023年中国研究生数学建模等待成绩的心路历程(二十届华为杯) “华为杯”第二十届数学建模竞赛成绩 阅读详情

相关推荐

STM32基于软件模拟IIC进行AHT21B温湿度采集

通过学习软件IIC来进行实操AHT21B采集温湿度。

Liu-FE的博客 3700

【2020东京奥运会】 数据分析及可视化

⭐️【2020东京奥运会】 数据分析及可视化 ⭐️写在前面数据获取数据预处理数据可视化各地区奖牌数量分布奖牌榜前十中国夺金项目分类中国奖牌实时数量合成看板总结 写在前面 8月8日,小日…子过得挺好的日本选手的国家 举办的东京奥运会已经结束了。在奥运期间,主办方种种 奇葩操作 直接把我看傻,最终它们也通过独特的“手段” 挤入了前三名,在这里首先谢谢他们刷新了我对奥运的认知。同时,借此机会看看我国今年奥运会的获奖情况,话不多说进入正文。 数据获取 奥运会相关数据来自以下两个接口。 https://app-

向日葵的专属太阳 1万+

配置Dot1q终结子接口实现跨设备VLAN间通信示例

示例图 一.实验目的 1.配置Dot1q终结子接口实现跨设备VLAN间通信示例 二.注意事项 1.Dot1q终结子接口和QinQ终结子接口不支持透传不带VLAN Tag的报文, 收到不带VLAN Tag的报文会直接丢弃 2.由于三层以太网子接口不支持VLAN报文,当它收到VLAN报文时,会将VLAN报文当成是 非法报文而丢弃,因此,需要在子接口上将VLAN Tag剥掉,也就是需要VLAN终结 三.VLAN终结简介 1.VLAN终结的实质包含两个方面: ①.对接口接收到报文,剥除VLAN标

qq_44751470的博客 7098

十三水牌型 图片_十三水三分天下是什么 十三水三分天下牌型详解

十三水是流行于闽浙一带的一种老少皆宜的棋牌类游戏,在不同的地方有着不同的叫法,但其本质都是一样的。而且十三水凭借这其规则玩法具有相应的丰富化和多样化的特点,风靡于全国。那么大家对于十三水的牌型了解多少呢?知道三分天下是什么牌型吗?不知道也没关系,下面小编就来和大家讲讲十三水的三分天下牌型。@4435基本规则普通牌型(怪物除外),每一墩算1水;(胜者+1,败者-1)注意事项在此处设t为一轮中最大牌型...

weixin_42329480的博客 1万+

WinForm实战:如何用C#和PdfiumViewer打造一个功能齐全的PDF阅读器(含源码)

本文详细介绍了如何使用C#和PdfiumViewer库从零开始构建一个功能齐全的WinForm PDF阅读器。内容涵盖项目环境搭建、核心组件解析、基于命令模式的工具栏与UI架构设计,并深入讲解了智能缩放、页面导航、打印功能等核心交互的实现,以及内存管理和性能优化等高级话题,为开发者提供了一套完整的实战解决方案。

docker8compose的博客 506

【linux】linux 出现一个网卡绑定多个ip怎么处理

我的原因是我使用了dhcp,这个会自动分配ip, 将 BOOTPROTO 参数由 dhcp 改为 static,并移除或注释掉与动态分配地址 10.0.2.15 相关的配置行(如果存在)。执行后,您可以再次使用 ip -4 a 或 ifconfig 命令确认 IP 地址已被移除。输出可以看出,您的虚拟机(k8s003)中存在一个名为 enp0s3 的网卡绑定了多个 IPv4 地址。对于某些 Linux 发行版(如 Ubuntu、Debian),您可能需要编辑网络接口的配置文件来移除多余的 IP 地址。

九师兄 298

十三水牌型 图片_十三水特殊牌型是什么 最齐全的十三水特殊牌型介绍

1.至尊清龙:同花且A至K齐全的牌。最大牌型。若巧遇别家也有时,则以和局论,不输不赢。赢每家108水2.十三水(一条龙) A至K齐全若巧遇别家也有一条龙时,则以和局论,不输不赢。 赢每家36水3.十二皇族 全是J、Q、K、A,赢每家24水,仅次于一条龙。4.三同花顺 三墩都是同花顺,赢每家22水,具体牌型参见三同花与三顺子。5.三套炸弹 三个铁支余一张,赢每家20水。6.全大 都是8-A,赢每家1...

weixin_29600985的博客 2万+

微波技术仿真:微波谐振器分析_(2).微波谐振器理论

谐振器是一种能够在特定频率范围内存储和释放电磁能量的器件。在微波频段,谐振器通常用于滤波、频率选择和能量存储等应用。一个理想的谐振器在谐振频率下能够存储无限大的能量,但在实际应用中,由于损耗的存在,谐振器的性能会受到一定限制。微波谐振器在微波通信、雷达系统、微波测量和微波电路设计等领域中发挥着重要作用。谐振器的设计需要考虑多个因素,包括谐振频率的精确控制、损耗的最小化、频率稳定性的提高和小型化设计。通过理论分析和仿真工具的使用,可以有效优化谐振器的性能,满足实际应用的需求。

2401_87715305的博客 938

奖牌RANK (python pandas)

使用dataframe的 sort_values 多列排序,全设置降序排列 import pandas as pd medal = { "金": [8, 8, 7, 10], "银": [3, 7, 5, 7], "铜": [8, 3, 7, 3], "总数": [19, 18, 19, 20], } df = pd.DataFrame(medal) rank = df.sort_values(by=["金", "银", "铜", "总数"], ascending=.

Better to Run than Curse the Road 786

WebRTC之beamforming算法

CSND已永久停更,最新版唯一来源点击下面链接跳转: 语音增强和语音识别网页书 坐标问题 这里以笔记本为例进行说明,当笔记本按如下方式打开: 首先是键盘和液晶屏呈90度,然后鼠标上方,也就是液晶屏上方正中间是camera,把平行于键盘的面看成是xy平面,把液晶屏所在的面看成是xz平面,所有平面的原点都在Camera的位置。 方位角:从原点开始,Camera的右侧是0度,逆时针方...

shichaog的专栏 1万+

基于ESM3微调的抗菌肽生成器:技术方案与实现

基于ESM3微调的抗菌肽生成器:技术方案与实现 摘要 本文提出了一种基于ESM3蛋白质语言模型的抗菌肽生成框架,采用两阶段训练策略:先在151万肽序列上预训练,再在1.3万抗菌肽数据上微调。模型能够生成具有合理长度分布、低重复率且高新颖性的抗菌肽序列。文章详细介绍了数据预处理流程、模型架构设计、训练策略及评估方法,为抗菌肽的理性设计提供了有效的计算工具。实验结果表明,该方法生成的抗菌肽序列在保持生物活性的同时具有较高的结构多样性。 关键词:抗菌肽设计;蛋白质语言模型;ESM3;深度学习;序列生成

huanghm88的专栏 178

金银铜牌排序问题

题目: 奥运会开始了,请你为各个国家和地区作奖牌排序,按照金牌>银牌>铜牌的格式顺序排序 输入: 第一行 告诉你共有n个国家 接下来的n行 每行三个数字 分别代表 金牌数了 银牌数量 铜牌数量 中间用空格隔开 输出: 输出n行 每行三个数字 按照题意进行排序 样例输入: 5 1 2 3 2 3 4 1 4 6 1 4 3 0 3 4 样例输出: 2 3 4 1 4 6 1 4 3 1 2 3 0 3 4 思路比较简单 优先比较第一列数字,然后比较...

m0_53611007的博客 1709

HRNet训练自己的分类数据

1.搭建环境 为了防止和服务器上的环境冲突,这里利用conda搭建环境。 Install PyTorch=0.4.1 following theofficial instructions git clonehttps://github.com/HRNet/HRNet-Image-Classification Install dependencies: pip install -r requirements.txt ...

C/C++、嵌入式开发、深度学习算法、模型部署与推理优化 5850

你知道中国历届奥运会中获得了多少金牌吗?

近百年的中国经历过积贫积弱的半殖民半封建时期,国民体育事业遇到了空前的阻滞,中国体育健儿只有在80年代后才在世界体坛崭露头角,第一枚金牌由射击名将许海峰在1984年洛杉矶奥运会一箭中的。之后的各届奥运会中,中国体育健儿逐渐绽放光芒,在最近几届奥运会中表现靓眼,成绩突出,满载而归,犹其在在2008年北京奥运会中更是以51枚金牌雄踞榜首。中国代表团在经过1988年汉城奥运会的失意后,本次重新发挥出高水平,结果共获金牌16枚,银牌22枚,铜牌16枚,成绩超过了此前最高的1984年奥运会时,取得了历史最好成绩。..

挖数据API接口的博客 5147

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

巴黎奥运会中国奖牌数据分析

7月27日、7月28日、8月6日、7月31日是奖牌数的低谷期,奖牌数较少,其中7月27日和7月31日是因为这两天是比赛日的第一天和最后一天,而且获得的都是金牌,这个成绩也是不错的;在巴黎奥运会上,中国队的表现可谓亮眼,各项比赛日的奖牌总数和不同项目的奖牌分布都引发了广泛关注。:8月3日、8月4日、8月8日、8月10日是奖牌数的高峰期,这几天中国队获得了较多的奖牌,8月8日和8月10日获得的金牌数量最多,均为5枚,尤其是8月10日,奖牌总数达到了11枚,是整个奥运会期间的最高峰。:占比12.09%。

m0_64087341的博客 2917

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

北京奥运会经典镜头之一奥运蹦床综述:中国两金成大赢家 临场发挥是关键

  北京时间8月19日,第二十九届蹦床项目的比赛中国家体育馆落下帷幕,中国队两金一铜的好成绩,实现了中国蹦床队奥运会金牌零的突破。   2000年第二十七届悉尼奥运会上,蹦床被列为正式参赛项目,那时中国队还没有人参加蹦床项目的比赛,2004年雅典奥运会,中国队首次派出选手参加这个项目的角逐就在女子网上项目中夺得一枚铜牌,2008年北京奥运会,中国蹦床队包揽了...

weixin_43630492的博客 311

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

数据回顾东京奥运会中国体育代表团金牌时刻

2020东京奥运会已经落下帷幕有一段时间了,但这届在疫情期间举办的奥运会注定会写入历史。中国代表团在为期16天的比赛中,共取得了38金32银18铜共88枚奖牌,位列奖牌榜第二。其中38枚金...

hitchenghengchao的博客 978

一战封神!“中国飞人”苏炳添跑出9秒83到底有多牛?

公众号后台回复“图书“,了解更多号主新书内容 作者:CDA数据分析师 来源:CDA数据分析师 【导读】在刚刚结束的东京奥运会百米飞人大战上,中国选手苏炳添在半决赛跑...

数据森麟 718

用雷达图来进行成绩分析

一、参考的代码如下: 1 import numpy as np 2 import matplotlib.pyplot as plt 3 import matplotlib 4 matplotlib.rcParams['font.family']='SimHei' 5 matplotlib.rcParams['font.sans-serif']=['SimHei']...

dianzhou8090的博客 2879

1017: 期末成绩

题目描述 又到学期末,小明迎来了又一次的期末考试。虽然每学期都要考试,但是这次期末考试对小明来说意义重大。因为小明爱慕已久的女神说,如果小明这次考了全班前三名就做他女朋友。虽说小明没有十足的信心,但是女神的话不能不听啊。 考完试后,小明拿到了全班的成绩单,这张成绩单是按学号顺序排好的。小明很想知道班里到底有多少人分数比他高,现在就请你帮帮他,帮他数一下到底有多少人的分数比他高吧。 输入 输入数据的...

小怪兽的博客 1390

DayDayUp:20190908易建联27分中国男篮负无缘直通奥运—回顾2008年奥运中国男篮— 易建联加油!中国男篮加油!

DayDayUp:20190908易建联27分中国男篮负无缘直通奥运—回顾2008年奥运中国男篮— 易建联加油!中国男篮加油! 导读 北京时间9月8日,男篮世界杯排位赛,中国队73-86不敌尼日利亚,获得2胜3负的成绩排在M组第二名。 易建联空砍27分6篮板,方硕贡献19分,最终中国男篮以73-86不敌尼日利亚。由于另一场比赛伊朗20分大胜菲律宾,中国男篮(...

头部AI社区如有邀博主AI主题演讲请私信—心比天高,仗剑走天涯,保持热爱,奔赴向梦想!低调,专注,谦虚,自律,反思,成长,还算比较正能量的博主,公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然,有点小情怀,也有点使命感呀 1万+

中国加油!!

明天就是奥运会啦!!!中国加油!!!你有13亿的人民为你加油,为你助威,为你喝彩!中国必胜!!!

青椒炒蛋 850

第29届奥运会中国代表团夺金榜

 8月24日  项目得主点击查看图集备注拳击男子81公斤级张小平 拳击男子48公斤邹市明中国拳击第一金;中国队在本次

智造编程 2110

查询成绩最好的前两名_国内成绩最好的赛事!2020南京马拉松一场比赛,前四名都跑进了2小时10分...

钱江晚报·小时新闻记者 王琼 李颖 图片:扬子晚报供图今天全国共有三场大型马拉松赛事开跑,上海马拉松、成都马拉松、南京马拉松,今天这三场比赛上,好成绩刷屏了。成都马拉松,李子成创个人最好成绩,2小时13分02秒夺冠。上海马拉松,贾俄仁加,2小时12分41秒问鼎。但这之中,关注度最高的是国家队主力齐齐亮相的南京马拉松,这场比赛也是今年唯一一场奥运会马拉松达标赛。最终,南京马拉松赛道上诞生了一个又一个...

weixin_39573822的博客 165

2024巴黎奥运会:中国战绩报告分析

在金牌榜方面,中国和美国并列第一,在奖牌榜的排名中处于第二位。与金牌榜第三名日本的 20 枚金牌相比,中国和美国均处于明显的领先态势。

小北AI开源的博客 1739

成绩雷达图

numpy 与 matplotlib 的应用过程 numpy 与 matplotlib 的应用 一、库函数介绍 1. numpy库   NumPy(Numeric Python)提供了一个N维的数组类型ndarray,Numpy底层使用C语言编写,内部解除了GIL(全局解释器锁),其对数组的操作速度不受Python解释器的限制,效率远高于纯Python代码。   ndarr...

dhw15053的博客 727
上一篇: 阿姨,我不想努力了!
下一篇: 竟然是 300 万的诈骗案!
菜鸟学Python
博客等级 码龄9年 8095粉丝 571原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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