✘one✘

**一**

因为NumPy数组在数值运算方面的效率优于Python提供的list，所以灵活掌握NumPy中数组的创建和基础的运算是有必要的。请使用NumPy库，编写Python代码完成下列操作：启动Jupyter Notebook创建一个Notebook。（2分）创建一个数值从0至1，间隔为0.01的数组arr1。（2分）创建一个包含101个服从正态分布的随机数的数组arr2。（注意：数组arr2为一维数组）（2分）对数组arr1和数组arr2进行四则运算，并输出其结果。（四则运算包括加、减、乘、除运算）（2分）对数组arr2进行简单的统计分析，并输出其结果。（统计分析包括对数组进行升序排序、求和、求均值、求标准差和求最小值操作）。（5分）

----------------分割线-------------------

#（1）启动JupyterNotebook创建一个Notebook。（2分）C:\Users\Administartor>jupyernotebook#（2）创建一个数值从0至1，间隔为0.01的数组arr1。（2分）

import numpy as nparr1 =np.arange(0, 1.01, 0.01)

#（3）创建一个包含101个服从正态分布的随机数的数组arr2。（注意：数组arr2为一维数组）（2分）

arr2 = np.random.randn(101)

#（4）对数组arr1和数组arr2进行四则运算。（四则运算包括加、减、乘、除运算）（2分）

print('两数组之和为：\n', arr1 + arr2)print('两数组之差为：\n', arr1 - arr2)print('两数组之积为：\n', arr1 * arr2)print('两0数组之商为：\n', arr1/ arr2)

#（5）对数组arr2进行简单的统计分析。（统计分析包括对数组进行升序排序、求和、求均值、求标准差和求最小值操作）。

print('排序后数组为：', np.sort(arr2))print('数组的和为：', np.sum(arr2))print('数组的均值为：', np.mean(arr2))print('数组的标准差为：', np.std(arr2))print('数组的最小值为：', np.min(arr2))

#（6）将数组arr1和数组arr2存储为当前工作路径下的一个二进制格式的文件arr.npz。（2分）

np.savez('arr.npz', arr1, arr2)

**二**

请编写Python代码，对鸢尾花数据完成下列操作：读取数据文件iris.csv，储存为数据框iris，并将数据框的列名称从左至右依次修改为“sepal_length”“sepal_width”“petal_length”“petal_width”“class”。（3分）将数据框iris中“petal_length”列的第0行至第9行设置为缺失值。（注意：在Python中，索引为0开始。）（3分）将数据框iris中“petal_length”列的缺失值全部替换为1.0。（3分）删除数据框iris中“class”列。（2分）将数据框iris的前3行设置为缺失值。（2分）删除数据框iris中存在缺失值的行。（2分）重新设置数据框iris的行索引。（3分）将数据框iris保存到当前工作路径下并命名为iris_new.csv。（2分）

------------------分割线-----------------

# （1）读取数据文件iris.csv，储存为数据框iris，并将数据框的列名称从左至右依次改修为“sepal_length”“sepal_width”“petal_length”“petal_width”“class”。（3分）

importpandas as pdiris =pd.read_csv('iris.csv', header=None)iris.columns= ['sepal_length', 'sepal_width', 'petal_length', 'petal_width', 'class']

# （2）将数据框iris中“petal_length”列的第0行至第9行设置为缺失值。（注意：在Python中，索引为0开始。）（3分）

iris.loc[0:9, 'petal_length'] = None

#（3）将数据框iris中“petal_length”列的缺失值全部替换为1.0。（3分） iris['petal_length'].fillna(1.0,inplace=True)# （4）删除数据框iris中“class”列。（2分）deliris['class']

# （5）将数据框iris的前3行设置为缺失值。（2分）iris.iloc[0:3, :] = None# （6）删除数据框iris中存在缺失值的行。（2分）iris.dropna(how='any',inplace=True)# （7）重新设置数据框iris的行索引。（3分）iris.reset_index(drop=True,inplace=True)#（8）将数据框iris保存到当前工作路径下并命名为iris_new.csv。（2分）iris.to_csv('iris_new.csv')

**三**

葡萄酒是以葡萄为原料酿造的一种果酒。葡萄酒的品种很多，因葡萄的栽培、葡萄酒生产工艺条件的不同，产品风格各不相同。wine数据集包含3种不同的葡萄酒的记录共178条。其中，每个特征对应葡萄酒的每种化学成分，并且都属于连续型数据。通过对wine数据集的数据进行聚类，实现葡萄酒的类别划分。请依据wine数据集，编写Python代码完成下列操作：读取数据文件wine.csv，并储存为数据框wine。（1分）查询据框wine中是否存在缺失值。若存在缺失值，则需对其进行处理；反之，则无需处理。（2分）在wine数据集中，“Class”列为葡萄酒的类别，分别为1、2和3。绘制各类别的数量占比饼图。（4分）将数据框wine的数据和标签进行拆分，分别储存至数据框wine_data和数据框wine_label。（3分）将数据划分为训练集和测试集，训练集和测试集样本数比例为8:2，并将训练集数据、测试集数据、训练集标签和测试集标签分别储存至数据框wine_train、数据框wine_test、数据框wine_train_label和数据框wine_test_label。（3分）构建聚类数目为3的K-Means模型，并命名为kmeans。（4分）对比真实标签和聚类标签，求取FMI（FMI为聚类模型的评价指标），并输出其结果。（4分）当聚类数目为2~10类时，确定最优聚类数目。（4分）

-----------------分割线------------------

#（1）读取数据文件wine.csv，并储存为数据框wine。（1分）

importpandas as pdwine= pd.read_csv('wine.csv', encoding='gb18030')

#（2）查询据框wine中是否存在缺失值。若存在缺失值，则需对其进行处理；反之，则无需处理。（2分）

print(wine.isnull().sum()) # 由此可知无空值，无需处理

#（3）在wine数据集中，“Class”列为葡萄酒的类别，分别为1、2、3。绘制各类别的数量占比饼图。（4分）

wine_class= wine['Class'].value_counts() # 各类别数量importmatplotlib.pyplot as pltplt.rcParams['font.sans-serif']= 'SimHei' # 正常显示中文plt.rcParams['axes.unicode_minus'] = False # 正常显示符号plt.pie(wine_class,labels=wine_class.index, autopct='%.2f%%') # 小数点个数plt.title('各红酒类别占比图')plt.show()

#（4）将数据框wine的数据和标签进行拆分，分别储存至数据框wine_data和数据框wine_label。（3分）

wine_data= wine.iloc[: , 1: 14] # 数据wine_label= wine.iloc[: , 0] # 标签

#（5）将数据划分为训练集和测试集，训练集和测试集样本数比例为8:2，并将训练集数据、测试集数据、训练集标签和测试集标签分别储存至数据框wine_train、数据框wine_test、数据框wine_train_label和数据框wine_test_label。（3分）fromsklearn.model_selection import train_test_splitwine_train,wine_test, wine_train_label, wine_test_label = train_test_split\(wine_data,wine_label, test_size=0.2, random_state=42)

#（6）构建聚类数目为3的K-Means模型，并命名为kmeans。（4分）

fromsklearn.cluster import KMeans # 导入分类器库kmeans= KMeans(n_clusters = 3, random_state=123).fit(wine_train) # 构建并训练模型

#（7）对比真实标签和聚类标签，求取FMI（FMI为聚类模型的评价指标），并输出其结果。（4分）

fromsklearn.metrics import fowlkes_mallows_scorescore= fowlkes_mallows_score(wine_train_label.tolist(), kmeans.labels_)print('wine数据集的类中心为3时，其FMI的评价分值为：%f'%score)

#（8）当聚类数目为2~10类时，确定最优聚类数目。（4分）

fori in range(2, 11):kmeans =KMeans(n_clusters=i, random_state=123).fit(wine_train)score =fowlkes_mallows_score(wine_train_label, kmeans.labels_)print('wine数据聚%d类FMI评价分值为：%f' %(i, score))#由此可知，最优聚类数目为2