【分析BMI指数~python】_pythonbmi

最新推荐文章于 2024-05-19 23:31:32 发布

2401_84159688

最新推荐文章于 2024-05-19 23:31:32 发布

阅读量977

点赞数 28

文章标签： python 开发语言

本文链接：https://blog.csdn.net/2401_84159688/article/details/138238115

版权

print('{0}的BMI数值为{1}, BMI指标为：国际"{2}", 国内"{3}"'.format(name, format(bmi, '.2f'), who, nat))


#### 运行效果如下：


![在这里插入图片描述](https://img-blog.csdnimg.cn/70ba21ae4c9e43ce8b60c0e1d40de02d.png)




---


## 分析年级BMI指数

gradeBmis = [[(‘20级大数据一班’, “王平”, 1.66, 55), (‘20级大数据一班’, ‘王恰’, 1.65, 52), (‘20级大数据一班’, ‘周馓’, 1.75, 66)],
[(‘20级大数据二班’, “仁济”, 1.66, 64), (‘20级大数据二班’, ‘范德萨’, 1.72, 66), (‘20级大数据二班’, ‘陈琳’, 1.76, 56)]]

for classes in gradeBmis:
print(“\n---------------班级分割线----------------”)
for person in classes:
className, name, height, weight = person[0], person[1], person[2], person[3]
who, nat = “”, “”
bmi = weight / pow(height, 2)

    if bmi < 18.5:
        who, nat = "偏瘦", "偏瘦"
    elif 18.5 <= bmi < 24:
        who, nat = "正常", "正常"
    elif 24 <= bmi < 25:
        who, nat = "正常", "偏胖"
    elif 25 <= bmi < 28:
        who, nat = "偏胖", "偏胖"
    elif 28 <= bmi < 30:
        who, nat = "偏胖", "偏胖"
    else:
        who, nat = "肥胖", "肥胖"
    print('{0}{1}的BMI数值为{2}, BMI指标为：国际"{3}", 国内"{4}"'.format(className, name, format(bmi, '.2f'), who, nat))


#### 运行效果如下：


![在这里插入图片描述](https://img-blog.csdnimg.cn/18ed2025ca314c06886056a52e107e79.png)


————————————————————————————————————————————


## Pandas 每日一练：

-- coding = utf-8 --

@Time : 2022/7/28 20:34

@Author : lxw_pro

@File : pandas-10 练习.py

@Software : PyCharm

import pandas as pd

lxw = pd.read_excel(“site.xlsx”)
print(lxw)


#### 运行结果为：

 Unnamed: 0  Unnamed: 0.1   create_dt  ...   yye  sku_cost_prc     lrl

0 0 1 2016-11-30 … 8.8 6.77 30.00%
1 1 2 2016-11-30 … 7.5 5.77 30.00%
2 2 3 2016-11-30 … 5.0 3.85 30.00%
3 3 4 2016-11-30 … 19.6 7.54 30.00%
4 4 5 2016-12-02 … 13.5 10.38 30.00%
… … … … … … … …
751 751 752 2016-12-31 … 1.0 0.77 30.00%
752 752 753 2016-12-31 … 2.0 1.54 30.00%
753 753 754 2016-12-31 … 1.0 0.77 30.00%
754 754 755 2016-12-31 … 7.6 2.92 30.00%
755 755 756 2016-12-31 … 3.3 2.54 30.00%
[756 rows x 8 columns]




---


### 61、以lxw的列名创建一个dataframe

lm = pd.DataFrame(columns=lxw.columns.to_list())
print(lm)


#### 运行结果为：

Empty DataFrame
Columns: [Unnamed: 0, Unnamed: 0.1, create_dt, sku_cnt, sku_sale_prc, yye, sku_cost_prc, lrl]
Index: []




---


### 62、打印所有利润率不是数字的行

for i in range(len(lxw)):
if type(lxw.iloc[i, 6]) != float:
lm = lm.append(lxw.loc[i])
print(lm)


#### 运行结果为：

Unnamed: 0 Unnamed: 0.1   create_dt  ...   yye  sku_cost_prc     lrl




---


### 63、打印所有利润率为30.00%的行

print(lxw[lxw[‘lrl’].isin([‘30.00%’])])


#### 运行结果为：

 Unnamed: 0  Unnamed: 0.1   create_dt  ...   yye  sku_cost_prc     lrl




---


### 64、重置lxw的行号

lxw = lxw.reset_index()
print(lxw)


#### 运行结果为：

 index  Unnamed: 0  Unnamed: 0.1  ...   yye  sku_cost_prc     lrl

0 0 0 1 … 8.8 6.77 30.00%
1 1 1 2 … 7.5 5.77 30.00%
2 2 2 3 … 5.0 3.85 30.00%
3 3 3 4 … 19.6 7.54 30.00%
4 4 4 5 … 13.5 10.38 30.00%
… … … … … … … …
751 751 751 752 … 1.0 0.77 30.00%
752 752 752 753 … 2.0 1.54 30.00%
753 753 753 754 … 1.0 0.77 30.00%
754 754 754 755 … 7.6 2.92 30.00%

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

Uh9CMf4Q-1714173250608)]

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

2401_84159688

关注

28
点赞
踩
24

收藏

觉得还不错? 一键收藏
1
评论
【分析BMI指数~python】_pythonbmi

gradeBmis = [[(‘20级大数据一班’, “王平”, 1.66, 55), (‘20级大数据一班’, ‘王恰’, 1.65, 52), (‘20级大数据一班’, ‘周馓’, 1.75, 66)],[(‘20级大数据二班’, “仁济”, 1.66, 64), (‘20级大数据二班’, ‘范德萨’, 1.72, 66), (‘20级大数据二班’, ‘陈琳’, 1.76, 56)]]print(“\n---------------班级分割线----------------”)
复制链接

扫一扫