m0_59611146的博客

Python程序设计课程是一门实践性很强的课程，上机实验十分重要。只有通过上机实践，才能熟练掌握Python的语法知识，充分理解程序设计的基本思想和方法,并将所学知识应用到实际中去。作为一门程序设计的入门课程，实验内容既包含与Python语法规则相关的内容,也包含许多实际问题的程序设计，从而增强学生的学习兴趣，提高学生分析问题和解决问题的能力。 实验四 函数和类的应用 1.掌握函数定义与调用的方法。 2.掌握函数参数的传递规则。 3.掌握匿名函数的定义与使用方法。 4.掌握递归函数的定义与调用过程。 5.理解面向程序设计的基本概念。 6.掌握类与对象的定义和使用方法。 7.掌握类的继承和多态的实现方法。 8.掌握面向对象程序设计的应用方法。 9.掌握文件操作方法。

组合数据类型的使用 1．掌握序列的通用操作方法。 2．掌握列表的专用操作方法。 3．理解元组与列表的区别。 4．理解字典和集合的概念。 5．掌握字典的操作方法。 6．掌握集合的操作方法。 7．了解字符串编码规则。 8．掌握字符串的索引与分片。 9．掌握字符串的操作方法。 10．掌握正则表达式的构成方法及在字符串处理中的应用。

使用Sklearn中线性回归（LinearRegression）模型与决策树回归（DecisionTreeRegressor）模型解决身高预测问题所使用的数据集 身高数据集样本数量：共2700个样本 两个特征：足长、步幅（cm） 一个标签：身高（cm）

配套python小白实验练习题二

1．阅读下列程序。 i,j=3,4 i,j=2j,i s=i+j print(“s=”,s) (1)分析输出结果,并上机运行程序,验证结果。 (2）将程序的第二行改为“#i,j=2j,i”，则运行程序时的输出结果是什么?产生这种结果的原因是什么? (3）将程序的第二行改为“i,j=2*j,i”，则运行程序时的输出结果是什么?产生这种结果的原因是什么? (4)选中全部语句，再选择“Format”→"Indent Region”命令或按快捷键Ctrl+]，设置批量缩进后运行程序，并观察程序运行情况。选择“Format”→"Dedent Region”命令或按快捷键 Ctrl+[，取消缩进后运行程序,并观察程序运行情况。这两种运行状况说明了什么? 2.写出下列程序的执行结果并上机验证。 print(1,2,3, sep='-' ,end='\t') print('数量{0},单价{1}'.format(100,45.8)) print('数量{0:4d},单价{1:3.3f}'.format(100,45.8)) ……剩余题目放于文件中

1.分别启动命令行形式和图形用户界面形式的Python解释器，在命令和程序两种方式下执行下列语句。 a=2 b="1234" c=a+int(b)%10 print(a, 't',b, 't',c) 2.先导入math模块,再查看该模块的帮助信息，具体语句如下。 >>>import math >>>dir (math) >>>help(math) 根据语句执行结果，写出 math模块包含的函数，并说明log()、log10()、log1p()、log2()等函数的作用及它们的区别。 3．在Python提示符下，输入以下语句，语句执行结果说明了什么? >>>x=12 >>>y=x >>>id(x),id(y) 4．求下列表达式的值。 (1)int(float(‘7.34’)%4 (2)1<<10|10 (3) (4) 5．已知x=12，y=10^-5，求下列表达式的值。 （1） （2） （3） （4） 6．计算并输出。请补充程序，并上机运行该程序。 7、先执行下列语句。 >>>a=list(range(1

次源码实现了使用朴素贝叶斯分类器（多项式模型和伯努利模型）对短信数据集进行分类，并评估分类器的性能指标。 首先，代码使用Pandas库读取名为"SMSSpamCollection"的数据集，数据集包含两列，分别为标签（labels）和短信内容（messages）。 将标签值'ham'和'spam'分别替换为0和1，以便进行分类任务。 使用CountVectorizer创建词袋模型，将短信内容转换为特征向量表示。 将数据集划分为训练集和测试集，并使用多项式模型（MultinomialNB）对训练集进行训练，并在测试集上进行预测。 打印多项式模型的预测结果，并计算并打印准确率（accuracy score）、精确率（precision score）、召回率（recall score）和F1值（F1 score）等评估指标。 使用伯努利模型（BernoulliNB）同样对数据集进行训练和预测，并计算并打印伯努利模型的预测结果以及准确率、精确率、召回率和F1值等评估指标。 最后，代码会输出多项式模型和伯努利模型的预测结果、类型、长度，以及各项评估指标的数值。