- 博客(8)
- 收藏
- 关注
RSS订阅原创 数据库：创建与管理其他数据库对象、数据库保护与数据传输
请使用T-SQL 语句实现进行以下操作：索引1.在student表的sno列上创建唯一性聚集索引index_sno2.在student表的sname列上创建唯一性非聚集索引index_sname3.在student表的sage列上创建非聚集索引index_sage4.在sc表的sno列和cno列上创建复合非聚集索引index_sno_cno5.将索引index_sno_cno更名为index_snocno6.删除上面的索引index_snocno...
2022-01-29 22:19:56
1812
原创 数据库上机：数据查询
以所提供的数据库中数据为基础，请使用T-SQL 语句实现以下操作：1.列出选修了‘1’课程的学生，按成绩的降序排列；2.列出同时选修“1”号课程和“2”号课程的所有学生的学号；3.列出课程表中全部信息，按先修课的升序排列；4.列出年龄超过平均值的所有学生名单，按年龄的降序显示；5.按照出生年份升序显示所有学生的学号、姓名、性别、出生年份及院系，在结果集中列标题分别指定为“学号，姓名，性别，出生年份，院系”；6.按照院系降序显示所有学生的 “院系，学号、姓...
2022-01-29 22:01:43
3244
原创 数据库上机：创建与管理架构和基本表及数据操纵
请使用T-SQL完成以下内容：请在指定数据库（首先在电脑最后一个磁盘上建立文件夹，并建立数据文件保存在该文件夹里）内完成以下内容：（1）依据数据表的结构创建相对应的数据表，表结构如下所示；学生信息表（student） 字段名称 字段类型及长度 说明 备注 Sno Char（9） 学生学号 主关键字 Sname
2022-01-29 08:20:06
1765
原创 数据库上机：创建与管理数据库及SQL基础
1.分别用图形化方法和CREATE DATABASE语句创建符合如下条件的数据库。数据库的名字为students，包含的数据文件的逻辑文件名为 students_dat，物理文件名为 students.mdf，存放在D：\Test文件夹中（若D：中无此子文件夹，可先建立此文件夹，然后再创建数据库），初始大小为6MB，自动增长，每次增加1MB。日志文件的逻辑文件名为students_log，物理文件名为students.ldf，也存放在D：\Test文件夹中，初始大小为2MB，自动增长，每次增加10%。
2022-01-27 10:11:53
3236
原创 使用scikit-learn构建模型
1．使用sklearn处理wine和wine_quality数据集。（1）使用使用pandas库分别读取wine数据集和win_quality数据集。（2）将wine数据集和wine_quality数据集的数据和标签拆分开。（3）将wine_quality数据集划分为训练集和测试集。（4）标准化wine数据集和wine_quality数据集。（5）对wine数据集和wine_quality数据集进行PCA降维。源程序import pandas as pdwine=pd.read
2022-01-26 10:09:32
2333
原创 pandas数据分析与处理
1.插补用户用电量数据缺失值。用户用电量数据呈现一定的周期性关系，missing_data.csv表中存放了用户A、用户B和用户C的用电量数据，其中存在缺失值，需要进行缺失值插补才能进行下一步分析。（1）读取missing_data.csv表中的数据。（2）查询缺失值所在位置。（3）使用SciPy库中interpolate模块中的lagrange对数据进行拉格朗日插值。（4）查看数据中是否存在缺失值，若不存在则说明插值成功。源程序import pandas as pdimpo
2022-01-26 10:03:16
5781
原创 Matplotlib数据可视化基础pandas统计分析基础
1．分析1996~2015年人口数据特征间的关系。人口数据总共拥有6个特征，分别为年末人口、男性人口、女性人口、城镇人口、乡村人口和年份。查看各个特征随着时间推移发生的变化情况可以分析出未来男女人口比例、城乡人口变化方向。（1）使用NumPy库读取populations.nzp人口数据。（2）创建画布，并添加子图。（3）在两个子图上分别绘制散点图和折线图。（4）保存，显示图片（5）分析未来人口变化趋势。源程序import numpy as npimport matplot
2022-01-26 09:52:32
2837
1
原创 Python数据分析环境搭建与NumPy数值计算基础
1．创建数组并进行运算。（1）创建一个数值范围为0~1，间隔为0.01的数组，并查看该数组的维度。源代码import numpy as nparr1=np.arange(0,1,0.01)print('使用arange函数创建的数组为：\n',arr1)print('数组的维度为：',arr1.ndim)运行截图（2）创建100个服从正态分布的随机数，并查看数组的类型。源代码import numpy as nparr2=np.random.randn(10,10
2022-01-25 23:17:18
3050
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人