qq737127706的博客

原创 6.27数据分析实训作业1.4（python）

order_count = data["订单编号"].nunique()total_amount = data["总金额"].sum()print("平均订单金额：", average_amount)print("订单数量：", order_count)print("总金额：", total_amount)plt.title("订单金额分布情况")plt.title("订单金额分布情况")plt.xlabel("订单金额")plt.xlabel("订单金额")plt.ylabel("密度")

原创 35433543

data["总金额"] = data["总金额"].apply(lambda x: max(0, x))print("重复行数量：", duplicate_rows.sum())print("处理后数据的形状：", data.shape)print("数据的列名：", data.columns)print("数据的形状：", data.shape)print("数据的前几行：")print("处理后的数据：")print("缺失值数量：")# 步骤 2：处理缺失值。# 步骤 3：处理重复值。

原创 6.27数据分析实训任务1.3（python）

data["总金额"] = data["总金额"].apply(lambda x: max(0, x))print("重复行数量：", duplicate_rows.sum())print("处理后数据的形状：", data.shape)print("数据的列名：", data.columns)print("数据的形状：", data.shape)print("数据的前几行：")print("处理后的数据：")print("缺失值数量：")# 步骤 2：处理缺失值。# 步骤 3：处理重复值。

原创 6.27数据分析实训任务1.2（python）

data = pd.read_csv(r"C:\Users\XXGC\Desktop\shiuxun3.csv", usecols=["订单编号", "总金额", "买家实际支付金额"])hourly_sales = data.groupby(data["订单创建时间"].dt.hour).agg({"订单编号": "nunique", "总金额": "sum"})price_stats = data["总金额"].agg(["mean", "median", "max", "min"])

原创 6.27数据分析实训任务1.1（python）

print("退款订单数量为：{}，退款金额为：{:.2f}".format(refund_orders_count, refund_amount))print("订单数量最多的小时是：{} 点，订单数量为：{}".format(max_hour, max_orders))hourly_orders = data.groupby("小时")["订单编号"].count()data["订单创建时间"] = pd.to_datetime(data["订单创建时间"])plt.ylabel("订单数量")

原创 778899

labels = np.array(['东风', '东北风', '北风', '西北风', '西风', '西南风', '南风', '东南风'])ax.tick_params(axis='both', which='major', labelsize=10) # 调整刻度标签字体大小。ax.plot(angles, stats, color='blue', linewidth=4) # 绘制线条。ax.set_rticks(np.arange(0, 8 + 1, 1)) # 设置径向刻度，最大值为 8。

原创 python数据分析实训任务二（‘风力风向’）

labels=np.array(['东风', '东北风', '北风', '西北风', '西风', '西南风', '南风', '东南风'])ax.plot(angles, stats, color='blue', linewidth=4) # 绘制线条。ax.set_title('风力属性')# 将角度转换为弧度。

原创 python数据分析实训任务三（‘职业’）

plt.scatter(df['年龄'], df['工资'])plt.scatter(df['体重'], df['工资'])plt.bar(df['职业'], df['工资'])plt.bar(df['学历'], df['工资'])plt.title('年龄与工资的关系')plt.title('体重与工资的关系')plt.title('职业与工资的关系')plt.ylabel('工资')plt.ylabel('工资')plt.ylabel('工资')plt.ylabel('工资')

原创 python实训任务一（‘天气’）

dates = ['26 日（今天）', '27 日（明天）', '28 日（后天）', '1 日（周三）', '2 日（周四）', '3 日（周五）', '4 日（周六）']plt.plot(dates, min_temperatures, color='orange', label='最低温度')plt.plot(dates, max_temperatures, color='blue', label='最高温度')# 旋转 x 轴标签以使其更易读。# 添加标题和坐标轴标签。

原创 56456

plt.title('中间高两边低的直方图')plt.xlabel('身高区间')plt.ylabel('概率密度')# 生成示例数据，中间高两边低。

原创 数据分析实训作业

labels=['上海','北京','江苏','浙江','安徽','广东','南京','福建']labels=['直接访问','邮件营销','联盟广告','视频广告','搜索引擎']

原创 2187965

原创 python数据分析作业

map_chart.add("抖音大v人数", list(data.items()), maptype="china")title_opts=opts.TitleOpts(title="抖音大v人数分布"),# 假设你有一个包含省份和抖音大v人数的字典。"广东": 100,

原创 python数据结构考试题

print(tree.pre_order_traverse_no_recusion())#输出结果:[1,2,4,5,3] #递归的。self.pre_order_traverse(subtree.left,li)#空：subtree.left,li。print(tree.post_order_traverse(tree.root)) #结果，[4,5,2,3,1]print(list(tree.pre_orde()))#输出结果：[1,2,4,5,3] #f非递归的。

原创 python数据分析

plt.bar(x+width,y1,width=width,label='小米 K40',color=['r'])plt.title('销售情况表')# 读取 Excel 文件。

原创 二叉链表的节点类型定义（非完整）

self.size = 1 # 该节点的子孙数,因为包含这个节点本身，所以最小是1。self.size=1#该节点的子孙数,因为包含这个结点本身，所以最小是1。self.parent = None # 可以为空，但是必须有。self.parent = None # 可以为空，但是必须有。self.LChild = None # 左边的子节点。self.LChild = None # 左边的子节点。self.parent=None#可以为空，但是必须有。#判断是否为父节点的左孩子。

原创 python数据结构-------------广义表

如果子链表深度大于当前最大深度。# 如果当前节点的原子标志为 False。# 创建一个 SGList 对象，头节点为一个特定的 SNode。# SGList 类的初始化方法，接收一个头节点 h。# 递归计算子链表的深度。# 返回最大深度加 1（加上当前层）# 节点的原子标志，默认为 0。# 移动到下一个节点。# 指向下一个节点的指针。# 初始化最大深度为 0。# 当链表节点存在时循环。# SNode 类的初始化方法。# DNode 类的初始化方法。# 指向子链表的指针。# 计算链表深度的方法。

原创 python数据结构——按照A的列进行转置

print('行号：', node.i, '列号：', node.j, '非零值：', node.v)print('行号：',node.i,'列号：',node.j,'非零值：',node.v)print('转置之后的')

原创 python数据结构——相加运算（完整）

current.right=new_node#插入新节点。

原创 python数据分析作业——

data = pd.read_excel(r'C:\Users\XXGC\Desktop\2020年销售数据.xlsx')quantities = data['销售数量']prices = data['售价']# 提取售价和销售数量列的数据。# 读取 Excel 文件。

原创 从零粉丝成为一名百万粉丝的up网红需要怎么做

需要注意的是，成为百万粉丝的 UP 主并非一蹴而就，需要长期的坚持、努力和不断探索，同时要保持真诚与热爱，才能在竞争激烈的网络环境中脱颖而出。

原创 作业54123

计算每一行的平均值并存储在数组 B 中。# 生成 100×5 的随机整数数组 A。print("计算得到的数组 B：")print("生成的数组 A：")# 将结果存储在文件中。

原创 作业二1231546

plt.plot(x, y_derivative,'r:', label='一阶导数')plt.title('函数及其一阶导数曲线')# 计算函数值和一阶导数值。

原创 python数据结构——稀疏矩阵

self.i=iself.j=jself.v=vnode.i=4node.j=3node.v=90。

原创 python数据结构——#稀疏矩阵的插入

print('列超出范围')print()#换行功能。

原创 作业23133

print('\n协方差矩阵的对角线元素是:\n',covmDiag)print('\n协方差矩阵的迹是:\n',convTrc)print('\n相关系数矩阵是:\n',r)

原创 python数据结构——文本编辑器（完整）

with open(filepath, 'w') as file: # 以写入模式打开文件。with open(filename, 'r') as file: # 以读取模式打开文件。filename = create_file('张三.txt') # 创建文件并获取文件名。print(f'没有读取{filename}的权限') # 打印错误信息。print(f'文件{filename}不存在') # 打印错误信息。print(f'发生未知的异常：{e}') # 打印错误信息。

原创 python数据结构————动态存储结构求字符串长度和子串

print(f'打印节点数据：{curNode.getData()}')

原创 python数据结构——动态链式存储插入

block_list.insert(['张三','F','G','H'])

原创 Python数据分析——点餐系统

print('\n-----------欢迎使用点餐系统---------------')print('您选择了：'+DrinkMenu[drinkNo]+'\n')print('\n----------欢迎点餐------------')FoodMenu = {1:'馒头',2:'包子',3:'鸡蛋',4:'油条'}print('您选择了：'+FoodMenu[foodNo]+'\n')DrinkMenu = {1:'豆浆',2:'果汁',3:'牛奶'}用anaconda实现。代码段二：#点餐模块。

原创 静态存储结构求字符串的长度和子串（python数据结构）

print('字符串的长度为：',string_length)user_inpur=input('请输入一个字符串：')print('子串为：张三',substring)

原创 python数据结构————验证回文

if first!=last:

原创 python数据结构————括号匹配

s.pop()#弹出栈顶的‘（’

原创 栈的链式存储

stack.push('任继超1')stack.push('任继超2')stack.push('任继超3')

原创 井字棋游戏

playerLetter = input("请选择棋子X或者O（X先走，O后走）：")move = int(input("请选择落子位置（0-8）："))print("计算机人工智能AI落子位置：", move)print("计算机人工智能AI获胜！"""询问并确定玩家的选择落子位置，无效位置时重复询问"""print("恭喜玩家获胜！print("{}先走！#规则一：判断如果某位置落子可以获胜，则选择该位置。"""返回可落子的位置列表""""""显示棋盘"""#"判断所给棋子是否获胜"