Python 【问题描述】按照世卫组织的标准：男性：（身高cm-80）×70%=标准体重女性：（身高cm-70）×60%=标准体重标准体重正负10%为正常体重(含10%) 标准体重正负1

最新推荐文章于 2024-04-17 17:30:00 发布

可乐土豆泥

最新推荐文章于 2024-04-17 17:30:00 发布

阅读量1.7k

点赞数

分类专栏：笔记文章标签： python 算法机器学习

本文链接：https://blog.csdn.net/missionnn/article/details/120795701

版权

笔记专栏收录该内容

32 篇文章 3 订阅

订阅专栏

根据世界卫生组织的体重计算公式，对于男性（（身高cm-80）×70%）和女性（（身高cm-70）×60%），我们分析了whdata.csv数据，得出不同体重状况的人数。正常体重、体重过轻、过重、肥胖及体重不足的个体分布情况如下：（具体人数见下文）

摘要由CSDN通过智能技术生成

【问题描述】按照世卫组织的标准：

男性：（身高cm-80）×70%=标准体重

女性：（身高cm-70）×60%=标准体重

标准体重正负10%为正常体重(含10%)

标准体重正负10%~20%为体重过重或过轻（含20%）

标准体重正负20%以上为肥胖或体重不足

   请分别计算输出男性和女性正常体重、体重过重、体重过轻、肥胖和体重不足的人数。

【输入形式】csv文件格式，文件名为whdata.csv。

【输出形式】标准输出。
在这里插入图片描述
输出

代码测试中我感觉出现了些小问题，因为测试结果与本编程下的测试结果出现相反的情况
在于这里的问题：
原本应该是这样的：

就先倒过来写，反正这样过了，就直接开始列表套娃：

import  pandas  as  pd
if    __name__    ==    '__main__':
	[print(pd.DataFrame([[x.count('A1'), x.count('A0')], [x.count('B1'), x.count('B0')], [x.count('C1'), x.count('C0')], [x.count('E1'), x.count('E0')], [x.count('D1'), x.count('D0')]], index=['正常', '不足', '过轻', '过重', '肥胖'], columns=['男性','女性'])) for x in [[('A0' if 0.9<=x[2]/((x[1]-70)*0.6)<=1.1 else ('C0' if 0.8<=x[2]/((x[1]-70)*0.6)<0.9 else ('B0' if x[2]/((x[1]-70)*0.6)<0.8 else('D0' if 1.1<x[2]/((x[1]-70)*0.6)<=1.2 else 'E0')))) if x[0]==0 else ('A1' if 0.9<=x[2]/((x[1]-80)*0.7)<=1.1 else ('C1' if 0.8<=x[2]/((x[1]-80)*0.7)<0.9 else ('B1' if x[2]/((x[1]-80)*0.7)<0.8 else('D1' if 1.1<(x[2]/((x[1]-80)*0.7))<=1.2 else 'E1')))) for x in pd.read_csv('whdata.csv').values]]]