python基础学习——第三天

1.函数

　　1.eval函数：执行一段python的语句
　　2.函数的定义：

def <functionName> (<parameter>):
    return variable

　　　　深入理解：为什么python中不需要返回类型？
　　　　　　python是动态语言，变量的类型是可变的，所以返回类型就无意义
　　3.调用函数: functionName(parameter)
　　4.python中的函数不仅可以返回一个值，也可以返回多个值

　　　　若接收变量只有一个时，接收到的是个tuple
　　　　接收变量与返回变量个数相同时，按位置进行对应赋值
　　5.参数传递的模式

　　　　1.值传递（拷贝）：函数体中对形参进行操作不影响实参的值，如一个整数（不可变对象）
　　　　2.地址的传递（引用）：函数体中对形参的操作影响实参的值 ，如一个列表（可变对象）
　　6.参数传递的方式

　　　　1.位置传递（最常用）：实参和形参根据位置一一对应
　　　　　　弊端：不知道所传递的实参具体给了哪个形参，不能见名知意
　　　2.名称传递：实参中指定所要赋给的形参的名字，如在实参中test(name=”zoin”,score=99)
　　　　3.位置+名称：一般根据位置的在前，名称的再后
　　7.形参的默认值

　　　　若没有传入对应的形参，则取对应形参的默认值

def testName(name="zoin"):
    return "hello "+name

def testName(name=”zoin”):
return “hello “+name

　　　　如上述中未传入name形参的话，则name形参取默认值”zoin”
　　8.递归函数

　　　　思想是在知道上一个条件后，能否根据上一个条件求出下一个 条件

　　　　　　效率一般较低
　　　　递归的终止条件

２.练习

'''
１.要求用户输入一个英文句子，统计该英文句子中含有单词的数目以及词的种数。
提示，英文单词间可以认为都用英文空格进行分割。
'''
sentence=input("输入一段句子:")
words=sentence.split()
dic={}
for i in words:
    if i in dic.keys():
        dic[i]=dic[i]+1
    else:
        dic[i]=1
print(dic)
print(len(words))

'''
２.读取0119.txt文件中的内容（每行分别表示一个点的坐标（x,y），找出距离最远以及
距离最近的2个点并分别输出每种情况下这2个点的坐标以及它们的距离
（要求将求距离的写成一个函数，距离采用欧式距离，也就是d=sqrt((x2-x1)^2+(y2-y1)^2))
'''
import math
def dis(a,b):
    res=math.sqrt((a[0]-b[0])**2+(a[1]-b[1])**2)
    return res

path="D:\\winter_python"
file=path+"\\0119.txt"
input=open(file)
points=[]
for line in input.readlines():
    (a,b)=line.split()
    point=(float(a),float(b))
    points.append(point)
print(points)
min_dis=dis(points[0],points[1])
max_dis=min_dis

for i in points:
    partMin=min_dis
    partMax=max_dis
    for j in points:
        if i==j:
            continue
        res=dis(i,j)
        if res<partMin:
            partMin=res
            minPoint=[i,j]
        if res>partMax:
            partMax=res
            maxPoint=[i,j]
    if partMin<min_dis:
        min_dis=partMin
    if partMax>max_dis:
        max_dis=partMax
print(min_dis,minPoint)
print(max_dis,maxPoint)

input.close()

'''
3.从0119.csv文件中读取数据，求各个属性对应的熵，并且按降序进行排序
对于一个属性的熵我们定义为对于该属性中 每种可能的值的出现概率乘以 以2为底该概率
的对数，然后依次求和，最后添负号（sample：chinese属性中A出现3次,B出现3次，C出
现1次，所以对于chinese属性来说: -((3/7)*log2(3/7)+(3/7)*log2(3/7)+(1/7)*log2(1/7))）
'''
import csv
import math
def solve(x):
    return x*math.log(x,2)

def getEntropy(list):
    sum=len(list)
    dic={}
    for i in list:
        if i in dic.keys():
            dic[i]+=1
        else:
            dic[i]=1
    entropy=0
    for i in dic:
        entropy+=solve(dic[i]/sum)
    entropy=-entropy
    return entropy



with open('D:\\winter_python\\0119.csv') as f:
    f_csv=csv.DictReader(f)
    Chinese=[]
    Math=[]
    English=[]
    for row in f_csv:
        Chinese.append(row['chinese'])
        Math.append(row['math'])
        English.append(row['english'])
ChineseEntropy=getEntropy(Chinese)
MathEntropy=getEntropy(Math)
EnglishEntropy=getEntropy(English)
res=[ChineseEntropy,MathEntropy,EnglishEntropy]
res.sort(reverse=True)
print(res)