数据分析python实验课系列

本是古典何须时尚 2023-01-13 01:33 98阅读 0赞

## chapter1 ##

1.定义字符串，完成字符串索引/切片/find/replace/split/遍历/连接/输入输出/重复连接等操作；  
2.定义一个函数，参数为一列表，实现对列表中奇数项求和，偶数项求差，并返回和与差

# 1.定义字符串，完成字符串索引/切片/find/replace/split/遍历/连接/输入输出/重复连接等操作；
    str = '我#在上学'
    print(str[0])  # 索引
    print(str[0:2])  # 切片
    strFind = '在'
    print(str.find(strFind))  # find
    print(str.replace('上学', '上课'))  # replace
    print(str.split('#', 1))  # split
    for i in range(len(str)):
        print(str[i], end='')  # 遍历
    strLink = '我学Python'
    print(str + strLink)  # 连接
    print(str * 3)  # 重复连接
    strInput = input('请输入：')  # 输入
    print(strInput)  # 输出

# 2.定义一个函数，参数为一列表，实现对列表中奇数项求和，偶数项求差，并返回和与差
    def ls(LB=[]):
        sumJi = 0
        sumOu = 0
        for i, value in enumerate(LB):
            if (i+1) % 2 == 1: # 奇数项求和
                sumJi = sumJi + value
            if (i+1) % 2 == 0: # 偶数项求差
                sumOu = sumOu - value
        return sumJi, sumOu
    
    LB = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
    # 1 3 5 7 9 奇数项求和  25
    # 2 4 6 8 10 偶数项求差 0-30
    print(ls(LB))

# 2.定义一个函数，参数为一列表，实现对列表中奇数项求和，偶数项求差，并返回和与差
    def ls(LB=[]):
        sumJi = 0
        sumOu = 0
        for i, value in enumerate(LB):
            # print(i+1,value)
            if (i+1) % 2 == 1:
                sumJi = sumJi + value
            if (i+1) % 2 == 0:
                if (i+1) == 2:
                    sumOu = value
                    print(sumOu)
                print(sumOu)
                sumOu = sumOu - value
        return sumJi, sumOu
    
    LB = [10, 9, 8, 7, 6, 5, 4, 3, 2, 1]
    # 10 8 6 4 2 奇数项求和 
    # 9 7 5 3 1 偶数项求差 9-7-5-3-1 
    print(ls(LB))

## chapter2 ##

from sklearn import preprocessing
    import numpy as np
    
    # 实验内容
    # 自定义特征数据，完成数据的如下预处理
    # 1、数据标准化
    def demo1():
        x=np.array([[1,-1,2],[2,0,0],[0,1,-1]])
        scale = preprocessing.StandardScaler().fit(x)
        r=scale.transform(x)
        print(r)
        new_x=[[-1,1,0]]
        r2=scale.transform(new_x)
        print(r2)
        
    # 2、正则化
    def demo2():
        x=np.array([[1,-1,2],[2,0,0],[0,1,-1]])
        X_normalized = preprocessing.normalize(x, norm='l2')
        print(X_normalized)
        
    # 3、二值化
    def demo3():
        x=np.array([[1,-1,2],[2,0,0],[0,1,-1]])
        binarizer=preprocessing.Binarizer().fit(x)
        r=binarizer.transform(x)
        print(r)
        
    # 4、one-hot编码
    # 数据预处理-独热编码
    def demo4():
        enc=preprocessing.OneHotEncoder()
        # 对于第一个feature，对应第一列，取值有0，1两个属性值
        # 对于第二个feature，对应第二列，取值有0，1，2三个值
        # 对于第三个feature，对应第三列，取值有0，1，2，3四个值
        enc.fit([[0,0,3],[1,1,0],[0,2,1],[1,0,2]]) #fit来学习编码
        r=enc.transform([[0,1,3]]).toarray() # 进行编码
        print(r)
    
    print("1、数据标准化")
    demo1()
    print("2、正则化")
    demo2()
    print("3、二值化")
    demo3()
    print("4、one-hot编码")
    demo4()

![Xnip2021-04-15\_09-38-54][Xnip2021-04-15_09-38-54]

## chapter3 ##

[Xnip2021-04-15_09-38-54]: /images/20221022/40834cfc16ae4ce3baa3ccc3a4591ea9.png