大数据最新【分析BMI指数~python】_pythonbmi(1),2024年最新GitHub标星1w的大数据开发架构师必备技能

img
img

网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。

需要这份系统化资料的朋友,可以戳这里获取

一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!

目录~python

个人昵称:lxw-pro
个人主页:欢迎关注 我的主页
个人感悟: “失败乃成功之母”,这是不变的道理,在失败中总结,在失败中成长,才能成为IT界的一代宗师。

分析班级BMI指数

n = int(input("请您输入您想测算的人数(用数字表示):"))
for i in range(n):
    classBmi = input("请输入姓名、身高和体重(中间以空格隔开):").split(' ')
    name = classBmi[0]
    height = eval(classBmi[1])
    weight = eval(classBmi[2])

    bmi = weight / pow(height, 2)
    print("BMI数值为:{:.2f}".format(bmi))
    who, nat = "", ""

    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}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


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

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

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
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%


![img](https://img-blog.csdnimg.cn/img_convert/83f8bf2f8934b2246eea242e445e8d5a.png)
![img](https://img-blog.csdnimg.cn/img_convert/6ba733e68cc87865741b29eaaad591ac.png)

**网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。**

**[需要这份系统化资料的朋友,可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**


**一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**

,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。**

**[需要这份系统化资料的朋友,可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**


**一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**

  • 5
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
要用Python实现所有算法,可以利用开源社区GitHub上星标达到15w的项目来作为学习和参考的资源。以下是一些步骤和方法: 1. 在GitHub上搜索并选择合适的算法项目。可以选择一些受欢迎的开源项目,如scikit-learn、numpy、pandas等,它们提供了丰富的算法实现。 2. 克隆或下载所选项目的源代码到本地计算机。 3. 使用Python的集成开发环境(IDE)如PyCharm或Jupyter Notebook打开所下载的代码。 4. 学习项目的结构和功能,了解其实现算法的相关代码。 5. 根据需求选择你想要实现的具体算法,以参考项目中已有的实现为基础进行修改或编写新的代码。 6. 阅读项目中的文档和注释,以便更好地理解算法的实现细节。 7. 学习项目中的测试用例和示例代码,通过运行这些示例代码来验证你自己编写的算法的正确性。 8. 根据需要可以参考相关的数据结构和算法书籍,如《算法导论》、《Python算法教程》等,深入学习和掌握算法的原理和细节。 9. 不断实践和练习,通过解决各种算法问题和挑战来提升自己的实现能力和理解水平。 10. 将自己编写的算法代码保存并进行版本控制,可以使用GitHub来管理和分享自己的项目。 总之,要用Python实现所有算法,需要通过学习和参考开源项目来获取实现的代码,理解和掌握算法的原理和细节,并通过实践和练习不断提升自己的编程能力。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值