Python——找到最大最小平均最近的值

最新推荐文章于 2025-04-16 14:37:35 发布
最新推荐文章于 2025-04-16 14:37:35 发布
阅读量416 收藏 11
点赞数 6
文章标签： python 开发语言 pycharm
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_74998248/article/details/135442386
版权
文章介绍了如何使用Python编程语言对一组数值列表进行操作，包括找出最大值、最小值，计算平均值，并找到最接近平均值的数。这涉及到基本的IT技术，特别是数据处理和算法应用。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

zx = [8, 3, 12, 1, 2, 34, 54, 12, 34, 11, 12, 14, 9, 1, 10, 15, 17, 18, 99, 1, 3, 5, 10]
max_n = zx[0]
min_n = zx[1]
for i in zx:
    if i > max_n: max_n = i
    if i < min_n: min_n = i
avg_n = (max_n + min_n) / 2
print(max_n, min_n, avg_n)
closet_n = zx[0]
for n in zx:
    if abs(avg_n - n) < abs(avg_n - closet_n):
        closet_n = n
        print("找到更近的了",closet_n)

运行结果如下： 

 

【图像处理】——图像的灰度化处理（Python实现三种方法——最大值法、平均值法、加权均值法、gamma校正）
python_AI_fans的博客
07-02 2万+
一、什么是图像的灰度化？ 首先我们知道一张图片的所有颜色都可以通过RGB值调节进行表示，如果是一张彩色图片则RBG值不一定相同，将彩色图片灰度化就是指的是将彩色图片变成黑白的，这时候的RBG三个通道的值是相同的，就是将一幅色彩图像转化为灰度图像的过程。 彩色图像分为R，G，B三个分量，分别显示出红绿蓝等各种颜色，灰度化就是使彩色的R，G，B分量相等的过程。灰度值大的像素点比较亮（像素值最大为255，为白色），反之比较暗（像素最下为0，为黑色）这个过程就是指灰度化，具体可见：《百度百科》 二、灰度.
数组中每个数的最近的最小值(python)
浮云
11-07 441
给定一个不含有重复值的数组arr,找到每一个i位置左边和右边离i位置最近且值比arr[i] 小的位置，返回所有位置相应的信息。 - 解法一 普通解法，在当前位置往左和右分别遍历。 - 代码如下 class GetNearLessNoRepeat(object): def getNearLessNoRepeat(self,arr): res = [] for i in range(len(arr)): # left .
求与最大值和最小值的平均值大小相似的值的简单例子
qq_44008364的博客
02-09 375
import random li = [random.randint(1,100) for i in range(10)] max_m = li[0] min_n = li[0] d = [] for i in range(len(li)): for j in range(i+1,len(li)): if max_m < li[j]: max_m = li[j] elif min_n > li[j]: mi.
Python——基础习题（300题）
热门推荐
小宝的博客
10-21 3万+
前言 选择 填空 编程 案例
Python——标准库函数
m0_66881249的博客
02-04 3775
Python标准库函数相关知识
Python——处理Excel的10个常用操作
GLB_0627的博客
07-23 6129
通过这些技巧和方法，我们能够在 Python 中更灵活、高效地处理和分析 Excel 数据，为数据科学和数据处理工作提供了丰富的工具和思路。无论是初学者还是有经验的开发者，这些技能都将为处理实际工作中的 Excel 数据提供强大的支持。
Python算法——分治法查找数组中元素最小最大值
xjtuse123的博客
08-07 2848
要求： 给定数组a1,a2,a3,...an，找出数组中最大值和最小值。（数组中两两各不相同） 分析： 算法思想类似于上图，将数组两两分为一组，如果数组元素奇数个，就把最后一个元素单独分为一组，然后分别对每一组中相邻两个元素比较，把二者中值小的数放在数组左边，值大的数放在数组右边，只需比较n/2次就可以将数组分组完成。这时候最小值在每一组左边部分，最大值在每一...
Python数据分析——Numpy
m0_73991249的博客
10-26 3103
纯个人python的一个小回忆笔记，当时假期花两天学的python，确实时隔几个月快忘光了，为了应付作业才回忆起来，，适用于参考回忆。
Python——K-means聚类分析及其结果可视化
12-21
K-Means算法的核心思想是通过迭代过程，不断调整样本点的所属类别，以达到每个类别内部样本点的相似度最大化，而类别之间的差异性最小化。 1. **K-Means算法原理**： K-Means算法基于距离度量样本点之间的相似度，...
python——numpy
weixin_43439979的博客
03-03 3605
numpy库概述 提供了一个ndarry对象：ndarry是存储单一数据类型的多维数组。 ndarray数组操作 ndarray概述 N维数组对象ndarray是用于存放同类型元素的多维数组。 ndarray中的每一个元素在内存中都有相同存储大小的区域。 ndarray中的每个元素是数据类型对象的对象（称为dtype）。 与python中的其他容器对象一样，可以通过对数组进行索引或切片。 可...
python删除异常值所在行_数据处理——拉伊达法则去除异常值（Python实现）
weixin_35141284的博客
01-29 4006
数据处理——拉伊达法则去除异常值(Python实现)背景：题目出自2020年中国研究生数学建模竞赛B题代码及附件上传时间：2020.12.241 数据采集原始数据采集来自于中石化高桥石化实时数据库(霍尼韦尔PHD)及LIMS实验数据库。其中操作变量数据来自于实时数据库，采集时间为2017年4月至2020年5月，采集操作位点数共354个。2017年4月至2019年9月，数据采集频次为3分钟/次；20...
如何合理使用组合优于继承来构建高内聚低耦合的模块
windowshht的博客
04-16 147
通过“组合优于继承”，我们可以构建更清晰、更灵活的系统架构。继承有其使用场景，例如需要统一行为的地方，但在大多数情况下，组合是更具优势的选择。未来，随着软件开发的多样化和复杂化，如何利用组合实现模块化设计，将会是开发者需要深度探索的方向。同时，Python 的强大生态系统（如 Django、Flask）也为我们提供了丰富的模块化支持。你在项目设计中是否遇到过继承带来的困扰？试试将它替换为组合吧！期待在评论区看到你的经验分享和独特见解。让我们一起交流学习，共同构建更优雅的系统。
【算法】刷题记录
励志小妹的小窝
04-14 1375
计划：从15年校内选拔C-A逐渐开始刷 15年-C1 二项式的系数规律，我国数学家很早就发现了。 如【图1.png】，我国南宋数学家杨辉1261年所著的《详解九章算法》一书里就出现了。 其排列规律： 1 1 1 1 2 1 1 3 3 1 1 4 6 4 1 1 5 10 10 5 1 1 6 15 ...
Python 文本和字节序列(了解编解码问题)
钢铁男儿
04-16 799
本章将讨论下述话题：字符、码位和字节表述bytes、bytearray 和 memoryview 等二进制序列的独特特性全部 Unicode 和陈旧字符集的编解码器避免和处理编码错误处理文本文件的最佳实践默认编码的陷阱和标准 I/O 的问题规范化 Unicode 文本，进行安全的比较规范化、大小写折叠和暴力移除音调符号的实用函数使用 locale 模块和 PyUCA 库正确地排序 Unicode 文本Unicode 数据库中的字符元数据。
ACM模式下Java 输入教程（简单易懂）
chan1ee的博客
04-16 231
本教程是笔者自己的一些学习总结，可能不够全面，但是应对大多数需要手动处理输入、输出的笔试题来说，应该已经足够。
RTX 4090单卡服务器部署Qwen2.5-Omni多模态大模型可行性分析：推理与微调实践指南
最新发布
AngelCryToo的专栏
04-16 776
若需生产级多卡部署，建议考虑RTX 4090 + 云服务（如AWS P4d实例）弹性扩展。：FP16/BF16性能接近A100（312 TFLOPS），适合LLM推理和微调。：无法多卡并联扩展显存（如部署Qwen2.5-72B需量化或模型并行）。：24GB显存可容纳较大模型（如Qwen2.5-7B全参数加载）。（FP16约14GB显存），支持多模态输入（如图文问答）。：需额外加载CLIP等视觉编码器（显存增加2-4GB）。72B模型需4-bit量化。示例：医疗影像报告生成（需LoRA微调+医疗数据集）。
django项目之添加资产信息功能
m0_55297736的博客
04-15 1028
django项目实现添加资产信息功能。
python中的最小二乘法
01-05
### Python 中实现最小二乘法 为了理解并应用最小二乘法，在Python中的具体实践可以分为几个部分来解释。 #### 数据准备 首先，创建或加载一组数据点。这些数据点代表自变量\(X\)和因变量\(Y\)的关系。对于演示目的，通常会生成一些带有噪声的人工数据集[^2]。 ```python import numpy as np import matplotlib.pyplot as plt # 创建样本数据 np.random.seed(0) X = 2 * (np.random.rand(50, 1) - 0.5) # 自变量范围[-1, 1] y_true = 4 + 3 * X # 真实关系 y=4+3x noise = np.random.randn(50, 1) # 添加随机噪音 y = y_true + noise # 带有噪音的目标值 plt.scatter(X, y, color='blue') # 绘制散点图 plt.plot(X, y_true, 'r-', linewidth=2) # 绘制真实直线 plt.show() ``` 这段代码展示了如何构建一个简单的线性分布的数据集合，并加入了一些高斯白噪用来模拟现实世界里的不确定性因素。 #### 计算系数 接着计算斜率(m)和截距(b)，这是通过解析解的方式得到的最佳拟合直线参数： \[ m,b=\frac{\sum{(x-\bar{x})(y-\bar{y})}}{\sum{(x-\bar{x})^{2}}} , \quad b=\bar{y}-m\cdot\bar{x} \] 其中，\(\bar{x}\),\(\bar{y}\)分别是所有输入特征均值以及目标向量的平均数[^3]。 ```python def compute_coefficients(x, y): n = len(x) sum_x = np.sum(x) sum_y = np.sum(y) xy = x.T.dot(y)[0][0] xx = x.T.dot(x)[0][0] mean_x = sum_x / n mean_y = sum_y / n slope = (xy - n*mean_x*mean_y)/(xx-n*(mean_x**2)) intercept = mean_y-slope*mean_x return slope,intercept slope, intercept = compute_coefficients(X,y) print(f"Slope: {slope}, Intercept:{intercept}") ``` 此函数`compute_coefficients()`接收两个数组作为输入——一个是独立变量\(X\)，另一个是从属变量\(Y\)；返回的是估计出来的斜率(slope)和截距(intercept)这两个参数。 #### 可视化结果 最后一步是利用获得的结果绘制出拟合曲线并与原始数据对比查看效果: ```python predicted_line = intercept+slope*X # 使用求得的参数预测新的y值 plt.figure(figsize=(8,6)) plt.scatter(X, y, label="Data Points", alpha=.7) plt.plot(X,predicted_line,'g',label=f'Fitted Line\nSlope={round(float(slope),2)}') plt.legend(loc="upper left") plt.title('Linear Regression with Least Squares Method') plt.xlabel('Independent Variable X') plt.ylabel('Dependent Variable Y') plt.grid(True) plt.show() ``` 上述绘图命令不仅显示了实际观察到的数据点，还叠加了一条绿色线条表示由最小二乘法得出的最佳拟合直线。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

吱昂张1

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值