2017年01月_hello_smu

原创 Python高阶函数——map/reduce/filter/sorted

# ## 高阶函数from functools import reduceprint(abs(-10))print(abs) # 输出# 函数本身可以赋值给变量f = absprint(f)print(f(-19))# #传入函数# 将函数作为参数传入另一个函数def add(x, y, f): return f(x) + f(y)print( a

2017-01-20 12:44:59 449

原创 js中15位及18位身份证号码的校验

15位身份证结构：地区代码（6位），年（2位）月（2位）日（2位），顺序码（3位，最后1位偶数代表女，奇数代表男）18位身份证结构：地区代码（6位），年（4位）月（2位）日（2位），顺序码（3位，最后1位偶数代表女，奇数代表男），校验码（1位）js代码如下： function checkIDnumber() { var allowa

2017-01-16 13:57:00 908 1

原创 Python高级特性

# ## Python 高级特性from collections import Iterablefrom collections import Iterator# #切片# list切片L = list(range(100))print(L[0:3]) # 取前3个元素print(L[:3]) # 取前3个元素print(L[4:9]) # 取第4到第9位元素print(

2017-01-15 11:48:09 212

原创 R语言logistic回归模型

logistic回归模型为：对上面的模型进行变换，得到线性形式的logistic回归模型：在二项分布族中，logistic回归是重要的模型。在某些回归问题中，响应变量是分类的，经常是要么成功，要么失败。在R语言构建数据框时，应输入一列成功（响应）的次数和一列不成功（不响应）的次数，例如：norell<-data.frame(x=0:5,n=rep(70,6),

2017-01-12 21:15:26 8512

原创 Python函数—参数

# ##函数的参数# #位置参数调用时传入的值按照顺序赋值给函数def power(x, n): s = 1 for i in range(1, n + 1): s = s * x return sprint('位置参数的调用：')print(power(2, 3))# #默认参数def power(x, n=2): s

2017-01-10 19:59:44 257

原创 Python函数—基础

# ##函数import math # 导入math包# #空函数# 定义一个空函数当未想好内部如何写的时候用passdef empty_fun(): pass# #多个返回值得函数def quadratic(a, b, c): for i in [a, b, c]: if not isinstance(i, (int, float

2017-01-10 15:03:03 278

原创 Python基本语法

###字符串##常用占位符# %d 整数# %f 浮点数# %s 字符串a=72;b=85;r=(b-a)/a*100;print('保留两位小数的百分比为：%.2f%%.'%r)###list和tuple##list为有序集合,可随意添加和删除其中的元素newlist=['A','B','C','D','E','F','G','H']#list增加元素newlis

2017-01-09 21:18:16 239

原创 R语言逐步回归

cement<-data.frame(X1=c( 7, 1, 11, 11, 7, 11, 3, 1, 2, 21, 1, 11, 10),X2=c(26, 29, 56, 31, 52, 55, 71, 31, 54, 47, 40, 66, 68),X3=c( 6, 15, 8, 8, 6, 9, 17, 22, 18, 4, 23, 9, 8),X4=c(60, 52, 20, 47

2017-01-08 20:46:16 3617

原创 R语言多元线性回归

toothpaste<-data.frame(X1=c(-0.05, 0.25,0.60,0, 0.25,0.20, 0.15,0.05,-0.15, 0.15,0.20, 0.10,0.40,0.45,0.35,0.30, 0.50,0.50, 0.40,-0.05,-0.05,-0.10,0.20,0.10,0.50,0.60,-0.05,0, 0.05, 0.55),X2=c( 5.

2017-01-08 20:28:04 1387

原创 R语言一元线性回归

X <- matrix(c(194.5, 20.79, 1.3179, 131.79,194.3, 20.79, 1.3179, 131.79,197.9, 22.40, 1.3502, 135.02,198.4, 22.67, 1.3555, 135.55,199.4, 23.15, 1.3646, 136.46,199.9, 23.35, 1.3683, 136.83,200.9

2017-01-08 12:02:25 865

hellosmu的博客