m0_51474486的博客

第6章 | 神经网络与深度学习建模分析。P125 思考与练习1。1. 调整MLPClassifier分类器的参数solver，比较不同参数的模型在鸢尾花数据集上的分类性能。2. 在MLPClassfier训练函数fit()前后增加计时功能，设置不同隐藏层数目，比较训练所耗费的时间，以及模型分类的准确性。针对MLP模型，是否结点越多分类性能越好？

第5章 | 机器学习建模分析。P101思考与练习2。1.将数据集划分为训练集与测试集，查看决策树分类器的性能。2.将例5-3中的分类器保存到文件中，然后重新加载预测给出的新数据。

第5章 | 机器学习建模分析。P96思考与练习1。1. 延续回归模型的性能评估，计算使用全部数据学习得到的回归模型linreg在测试集上的性能，与只使用训练集的模型linregTr进行比较，并对结果进行分析。2.从例5-1中取出前100条样本，学习回归模型linregHalf；在练习1的测试集上计算该模型预测性能，并与使用200条样本学习的模型比较。

第4章 | 数据可视化。P70【思考与练习1】。使用Matplotlib绘图，DataFrame.plot()绘图与Series.plot()绘图。绘制折线图，多子图。2. 1）模仿例4-1和4-3，绘制人均可支配收入折线图。用小矩形标记数据点，黑色虚线，用注解标注最高点，图例标题“Income ”，设置坐标轴标题，最后将最后将图形保存为jpg文件。2）模仿例4-2，使用多个子图分别绘制人均可支配收入的折线图、箱形图以及柱状图

第4章 | 数据可视化。P86【综合练习题】。文件bankpep.csv存放着银行储户的基本信息，数据格式如下表所示：请通过绘图对这些客户数据进行探索性分析。1）客户年龄分布的直方图和密度图2）客户年龄和收入关系的散点图3）绘制散点图观察账户（年龄，收入，孩子数）之间的关系，对角线显示直方图4）按区域展示平均收入的柱状图，并显示标准差5）多子图绘制：账户中性别占比饼图，有车的性别占比饼图，按孩子数的账户占比饼图6）各性别收入的箱须图

第4章 | 数据可视化。P84【思考与练习2】。python可视化Matplotlib绘图，Basemap与Pyecharts绘制地图。1、叙述各类图形的特点、适合展示的数据特性，以及在数据探索阶段的用途。2、数据文件high-speed rail.csv存放着世界各国高速铁路的情况。数据格式如下表所示。请对世界各国高铁的数据进行绘图分析。

第3章 | 数据汇总与统计。【综合练习题】。2）查询实验教学计划的基本内容及总数（df.index，df.columns）3）查询实验教学计划中是否含有NaN数据？将含有NaN数据的行导出为数据文件pre.csv，判断采用何种数据清洗模式：填充、删除或手工填充；从“bankpep.csv”文件中读取用户信息。2）查看储户的总数，以及居住在不同区域的储户数。3）计算不同性别储户收入的均值和方差。

第3章 | 数据汇总与统计。P56【思考与练习5】。1. 数据合并。1）从studentsInfo.xlsx的“Group3”页读取数据，将序号、性别、年龄项保存到data1对象；2）从studentsInfo.xlsx的“Group3”页读取数据，将序号、身高、体重、成绩项保存到data2对象；3）将data2合并到data1中，连接方式为内连接。2. 数据排序和排名。1）使用练习1最后合并的数据；2）按月生活费对数据升序排序；3）按身高对数据降序排名，并列取值方式设置为min。

第3章 | 数据汇总与统计。P52【思考与练习4】。考察数据填充与清洗。1、数据清洗。 1）从studentsInfo.xlsx 文件的“Group1”表单中读取数据；2）将“案例教学”列数据值全改为NaN； 3）滤除每行数据中缺失3项以上（包括3项）的行；4）滤除值全部为NaN的列；2、数据填充：1）使用习题1的数据； 2）使用列的平均值填充“体重”和“成绩”列的NaN数据； 3）使用上一行数据填充“年龄”列的NaN数据； 4）使用“中位数”填充“生活费用”NaN数据。

第3章 | 数据汇总与统计。P48【思考与练习3】。考察文件的读取。1、创建50×7的DataFrame对象，数据为 [10,99]之间的随机整数；columns为字符a-g；将DataFrame对象保存到csv文件中。2、1）从文件中读取有效数据保存到Dataframe对象中，跳过所有文字解释行；2）列索引名设为 ['flymiles','videogame','icecream','type’]；3）显示读取到的前面5条数据；4）显示所有'type'为'largeDoses‘的数据；

第3章 | 数据汇总与统计。P44【思考与练习2】。3）修改索引对应的值为40；4）查询值大于27的数据；5）删除位置为1-3的数据。a）创建3×3DataFrame数据对象：数据内容为1-9；行索引为字符a，b，c；列索引为字符串one，two，three；b）查询列索引为two和three两列数据；c）查询第0行、第2行、第0列、第2列数据；d）筛选第1列中值大于2的所有行数据，另存为data1对象；e）为data1添加一列数据，列索引为four，值都为10；

第3章 | 数据汇总与统计。P36【思考与练习】。1、简述统计量均值和中位数的区别，如果某样本统计的均值和中位数存在较大差别，说明数据集具有什么特性？2、使用Excel表格计算表3-1中由5名学生“成绩”组成的样本均值、方差、中位数和上四分位数、下四分位数。

第2章 | 多维数据结构与运算。P33【综合练习题】第2题。本题围绕物体在三维空间随机游走轨迹展开。运用Matplotlib绘制三维图。1）创建3×10的二维数组，记录物体每步在三个轴向上的移动距离。在每个轴向的移动距离服从标准正态分布(期望为0，方差为1)。行序0、1、2分别对应x轴、y轴和z轴。2）计算每步走完后物体在三维空间的位置。3）计算每步走完后物体到原点的距离（只显示两位小数）。4）统计物体在z轴上到达的最远距离。5）统计物体在三维空间距离原点的最近值。

第2章 | 多维数据结构与运算。P33【综合练习题】第1题。考查二维数组DataFrame的创建，切分、运算。使用NumPy的ndarray实现以下功能。1）创建两个一维数组分别存储超市名称和水果名称。2）创建一个4×4的二维数组存储不同超市的水果价格，其中价格由4~10范围内的随机数生成。3）选择“大润发”的苹果和“好德”的香蕉，并将价格增加1元。4）“农工商”水果大减价，所有水果价格减2元。5）统计四个超市节果和芒果的销售均价。6）找出橘子价格最贵的超市名称（不是编号）。

第2章 | 多维数据结构与运算。P33思考与练习。探究随机游走轨迹并探究终点与原点的距离。1、将随机游走的步数增加到100步，计算物体最终与原点的距离。2、重复多次随机游走过程，观察物体与原点距离的变化趋势。

第2章 | 多维数据结构与运算 。P30思考与练习2。【补充作业题】。1,将scores数组中所有学生的英语成绩减去3分并显示。2.统计scores数组中每名学生所有科目的平均分并显示。3,使用随机函数生成[-1,1]之间服从均匀分布的3×4二维数组，并计算所有元素的和。1.选取scores中第2行第2列元素。2.选取scores中两个元素，行序号为0，列序号为1的元素；以及行序号为3，列序号为6的元素。3.选取数组scores中的前3行数据。

第2章 | 多维数据结构与运算答案。P25【思考与练习1】、【补充作业题】一维数组访问：2）选择并显示names数组从2到最后的数组元素：选择并显示subjects数组正序2~4的数组元素。3）使用布尔条件选择并显示subjects数组中的英语和物理科目名称。二维数组访问：2）选择并显示scores数组中行序2、4学生的数学和Python成绩。3）选择并显示scores数组中所有学生的数学和艺术课程成绩。4）选择并显示scores数组中“王微”和“刘旭阳”的英语和艺术课程成绩。

第1章 | 数据科学基础答案。P17【综合练习题】第3题。附【补充作业题】：计算1+2+ ….+100的和，并输出结果。定义列表 t=[10,20,30,40,50,60,70,80,90,100]。切片操作：t[0:9:2]、t[2:7]、t[ :5]、t[1: ]、t[: :-1]、t[6:0:-1]、t[6:0:-2]。

第1章 | 数据科学基础答案。【综合练习题】第2题。

第1章 | 数据科学基础答案。【综合练习题】第1题

python可视化Matplotlib绘图，Basemap与Pyecharts绘制地图P70思考与练习1、P84思考与练习2、P86综合练习题。

第3章 DataFrame补充作业题1（上大）读取文件中数据，DataFrame中提取数据。

第3章 DataFrame补充作业题2。进一步熟悉DataFrame的访问、计算与统计知识点

Series、DataFrame创建，读取，统计分析。P36思考与练习1、P44思考与练习2、P48思考与练习3、P52思考与练习4、P56思考与练习5、P63综合练习题。

P25思考与练习1、补充作业题1、P30思考与练习2、补充作业题2、P33思考与练习3、P33综合练习题。

综合练习题1、在个人计算机上下载Anaconda3科学计算工具包，并正确安装。2、编写Python程序实现功能：用键盘输入若干姓名，保存在字符串列表中；输入任意姓名，检索列表中是否存在。3、编写Python程序实现功能：使用字典记录学生姓名及对应身高值；输入任意学生姓名，在字典中查找并显示所有高于此身高值的学生信息。