Python环境配置与数据处理

1. 在windows下Anaconda环境下练习创建虚拟环境，在虚拟环境下安装 jupyter 和 numpy，并运行jupyter，完成numpy的不少于10道的基础练习，熟悉矩阵运算。

1.1配置环境

Anaconda下载网址：

https://www.anaconda.com/products/distribution#linux

下载好运行

傻瓜式安装一直 next就可以了
然后运行Anaconda Navigator (anaconda3)

打开notebook

点击NEW然后点击python
输入np，version
如果能显就是正常的

1.2基础练习

1、创建一个长度为10的一维全为0的ndarray对象，然后让第5个元素等于1

2、创建一个元素为从10到49的ndarray对象

3、将第2题的所有元素位置反转

4、使用np.random.random创建一个1010的ndarray对象，并打印出最大最小元素

5、创建一个1010的ndarray对象，且矩阵边界全为1，里面全为0
6.创建一个范围在(0,1)之间的长度为12的等差数列
7.创建一个长度为10的随机数组并排序
8.给定一个4维矩阵，如何得到最后两维的和？

9.给定一个二维矩阵，如何交换其中两行的元素？

10.实现冒泡排序法

2. 学习python基础知识，用完成教材前1-2章上的例题，每一章例题数量不少于5道，并且归纳整理成实验报告模式（尤其是之前没选修过python的同学必须做）。

2.1String

2.2List

2.3Tuple

2.4Dictionary

3. 参考教材第3章，用Jupyter完成numpy、pandas、matplotlib三个库的例题，每个库不少于3个例题，在Jupyter完成。

3.1Jupyter

> x=np.float32(5)
print('x为:',x)
print('x对象的data属性:',x.data)
print('x对象的size属性:',x.size)
print('x对象的维度:',x.ndim)
y=np.bool_(x)
print('转换为bool类型的x为:',y)
z=np.float16(y)
print('True值转换为float16类型为:',z)

arr=np.array([0,1,2,3,4,5,6,7])
print('秩为:',arr.ndim)
arr3D=arr.reshape(2,2,2)
print(arr3D)
print('秩为:',arr3D.ndim)

#使用astype()转换DataFrame
df=pd.DataFrame([{'qty':'3','num':'50'},{'qty':'7','num':'20'}])
print(df.dtypes)
print('-----------------')
df['qty']=df['qty'].astype('int')
df['num']=df['num'].astype('int')
print(df.dtypes)

3.2Panda

print('------ 列表创建Series--------')
s1=pd.Series([1,1,1,1,1])
print(s1)
print('------ 字典创建Series--------')
s2=pd.Series({'Longitude':39,'latitude':116,'Temperature':23})
print('First value in s2:',s2['Longitude'])
print('------ 序列作Series索引------')
s3=pd.Series([3.4,0.8,2.1,0.3,1.5],range(5,10))
print('First value in s3:',s3[5])

lista=[1,2,3,9]
listb=['a','b','v','h']
df=pd.DataFrame({'col1':lista,'col2':listb})
df

a=np.arange(0,60,5)
a=a.reshape(3,4)
df=pd.DataFrame(a)
print(df)
print('------------------------')
print(df.std())

3.3Matplotlib

def randrange(n, randFloor, randCeil):
    rnd=np.random.rand(n)
    return (randCeil-randFloor)*rnd + randFloor

plt.rcParams['font.sans-serif']=['SimHei']
fig = plt.figure(figsize=(10,8))
ax=fig.add_subplot(111,projection='3d')
n = 100
for zmin,zmax,c,m,l in [(4,15,'r','o','低值'),(13,40,'g','*','高值')]:
    x=randrange(n,0,20)
    y=randrange(n,0,20)
    z=randrange(n,zmin,zmax)
    ax.scatter(x,y,z,c=c,marker=m,label=l,s=z*6)
ax.set_xlabel('X-value')
ax.set_xlabel('Y-value')
ax.set_xlabel('Z-value')
ax.set_title("高/低值3D散点图",alpha=0.6,size=15,weight='bold')
plt.show()
fig.savefig('./散点图.jpg')

x=np.linspace(-10,10,100)
y=np.sin(x)
plt.plot(x,y,marker='o')
plt.savefig('./sin.jpg')

fig=plt.figure()
ax=fig.add_subplot(1,1,1)
rect=plt.Rectangle((0.2,0.75),0.4,0.15,color='r',alpha=0.3)
circ=plt.Circle((0.7,0.2),0.15,color='b',alpha=0.3)
pgon=plt.Polygon([[0.15,0.15],[0.35,0.4],[0.2,0.6]],color='g',alpha=0.3)
ax.add_patch(rect)
ax.add_patch(circ)
ax.add_patch(pgon)
plt.show()
fig.savefig('./fang.jpg')

4. 解释什么是“图灵测试"?

图灵测试
图灵测试（The Turing test）由艾伦·麦席森·图灵提出，指测试者与被测试者（一个人和一台机器）隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。
进行多次测试后，如果机器让平均每个参与者做出超过30%的误判，那么这台机器就通过了测试，并被认为具有人类智能。图灵测试一词来源于计算机科学和密码学的先驱艾伦·麦席森·图灵写于1950年的一篇论文《计算机器与智能》，其中30%是图灵对2000年时的机器思考能力的一个预测，我们已远远落后于这个预测。
2. 测试内容
图灵提出了一种测试机器是不是具备人类智能的方法。即假设有一台电脑，其运算速度非常快、记忆容量和逻辑单元的数目也超过了人脑，而且还为这台电脑编写了许多智能化的程序，并提供了合适种类的大量数据，那么，是否就能说这台机器具有思维能力？
图灵肯定机器可以思维的，他还对智能问题从行为主义的角度给出了定义，由此提出一假想：即一个人在不接触对方的情况下，通过一种特殊的方式，和对方进行一系列的问答，如果在相当长时间内，他无法根据这些问题判断对方是人还是计算机，那么，就可以认为这个计算机具有同人相当的智力，即这台计算机是能思维的。这就是著名的“图灵测试”（Turing Testing）。当时全世界只有几台电脑，其他几乎所有计算机根本无法通过这一测试。

5.总结

本次实验，我配置了我的虚拟环境，在Anaconda环境下安装 jupyter 和 numpy，学会了如何简单的运行和运用jupyter，并做了例题，学会了一些以前不会的python知识，也巩固了以前的一点pyhon知识，本次实验不复杂，重要的是理解代码的含义，相信只要认真完成都会得到不少收获。