一、專業實習內容

1)python基礎語法，數據類型及其操作，函數的語法結構

2)異常處理，文件操作

3)Matplotlib畫圖功能

4)無監督學習算法 K-MEANS算法 監督學習算法KNN算法

5)Python面向對象設計和爬蟲

二、具體實習內容

1)python基礎語法，數據類型及其操作：主要學習基礎語法:分支結構，循環結構語句，元組，數組，字典等存儲結構的基礎語法和相互轉化，和函數的語法結構：

name='楊滿';

str1='中國高鐵被外界譽為當代中國的“新四大發明”之一(新四大發明包括：高鐵，掃碼支付，共享單車，網上購物)，據悉，中國高鐵-復興號目前最高時速為350公里每小時，5年之內將提速30%達到()公里每小時，以更快的速度助力中國經濟。新華社記者-()';

a=str1.find("最高時速為")

b=str1.find("公里每小時")

tisu=str1.find("提速")

tisu+=3;

dadao=str1.find("達到")

jizhe=str1.find("記者-(")

c=a+5

currentSpeed =int(str1[c:b])

currentRate=int(str1[tisu-1:dadao-1])

currentRate=currentRate/100;

newSpeend=currentSpeed+currentSpeed*currentRate;

newspeed=str(newSpeend)

str2=list(str1);

str2.(dadao+3,newspeed)

str2.(jizhe+5,name)

greatChina=''.join(str2)

print(greatChina)

2)異常處理和文件處理：

主要學習了異常處理的基礎語法，和設置異常處理的原則，文件的讀寫

def fun_error():

print("請重新輸入，您剛才輸入的省份不存在")

def fun_error2():

print("算錯了")

try:

prove['廣西']

except KeyError:

fun_error()

try:

print(1/0)

except ZeroDivisionError:

fun_error2()

fun_error2()

f=open("ni.txt",'r',encoding='utf-8')

data=f.read()

print(data)

f.write("歡迎")

f.close()

3)matplotlib畫圖實現：

主要學習將數據展示位散點圖和折線圖的方法：

import matplotlib.pyplot as plt

import numpy as np

plt.rcParams['font.sans-serif'] = 'SimHei'

plt.rcParams['axes.unicode_minus'] = False

p1=plt.figure()

plt.title("楊滿+2015080332096+1949,1956,1960年代乘客數據分析")

plt.xlabel("月份")

plt.ylabel("人數")

plt.xlim(1,13) # 設定x軸范圍

plt.ylim((100, 650))

plt.xticks(np.arange(1, 13, step=1))

plt.yticks(np.arange(0, 650, step=50))

year_1949=(112,118,132,129,121,135,148,148,136,119,104,118)

year_1956=(284,277,317,313,318,313,318,374,413,405,355,306)

year_1960=(417,391,419,461,472,535,622,606,508,461,390,432)

plt.plot(year_1949,color='red',linewidth=4.0,linestyle='-.',marker='*',markersize=10)

plt.plot(year_1956,color='blue',linewidth=3.0,linestyle='--',marker='s',markersize=10)

plt.plot(year_1960,color='yellow',linewidth=2.0,linestyle=':',marker='^',markersize=10)

plt.legend(['1949年代','1956年代','1960年代'])

plt.savefig('d:/home1.png')

plt.show()

4)k-means算法 和k-nn算法

主要學習了非監督學習和監督學習中兩個最基礎的算法，了解了算法的編程思想和動手實現了算法：

K-means算法：

import matplotlib.pyplot as plt

import numpy as np

import random

from numpy import *

import math

#初始圖

plt.rcParams['font.sans-serif'] = 'SimHei'

plt.rcParams['axes.unicode_minus'] = False

p1=plt.figure(figsize=(8,6),dpi=80)

plt.xlabel("平均消費周期")

plt.ylabel("每次消費金額")

plt.xlim(1,100) # 設定x軸范圍

plt.ylim((0, 800))

# plt.xticks(np.arange(1, 100, step=1))

# plt.yticks(np.arange(0, 800, step=10))

x=[10,13,17,67,35,1,10,12,8,1,32,3,90,1,16,31,25]

y=[317,147,172,194,789,190,281,142,186,226,287,499,181,172,190,271,382]

plt.scatter(x, y)

#參數規定

k_number=3

x_random=[]

y_random=[]

dic=[]

result_x_num0=[]

result_y_num0=[]

result_x_num1=[]

result_y_num1=[]

result_x_num2=[]

result_y_num2=[]

#隨機生成類聚中心點坐標

for i in range (0,k_number):

random_kid_x=random.randint(1,100)

x_random.append(random_kid_x)

random_kid_y=random.randint(0,800)

y_random.append(random_kid_y)

x_randomz_first=x_random#存放第一次聚類中心的x坐標

y_random_first=y_random#存放第一次聚類中心的y坐標

x_randomz_second=[0,0,0]#存放第二次聚類中心的x坐標

y_random_second=[0,0,0]#存放第二次聚類中心的y坐標

result_x_num0 = []#存放0號類的x的坐標

result_y_num0 = []#存放0號類的y的坐標

result_x_num1 = []#存放1號類的x的坐標

result_y_num1 = []#存放1號類的y的坐標

result_x_num2 = []#存放2號類的x的坐標

result_y_num2 = []#存放2號類的y的坐標

result_x=0

result_y=0

相關推薦

【Python培訓 】從小白到大咖 打造Python精英人才

【Python入門免費課程】引領編程開發新趨勢