python编程题-python编程练习题目

github上面的一个项目，分为level1,level2,level3 三个等级的难度。

练习题1：

随机生成一列数据，画出这些数据的分布、概率密度曲线，以及进行归一化、标准化之后的分布、概率密度曲线。

解答：

# 归一化、标准化、中心化

import numpy as np

import matplotlib.pyplot as plt

import seaborn as sns

original_data = np.random.exponential(size = 1000)

scaled_data = (original_data - original_data.min())/(original_data.max()-original_data.min())

fig,ax = plt.subplots(1,2)

sns.distplot(original_data,ax=ax[0]) #直方图

ax[0].set_title("Original Data")

sns.distplot(scaled_data,ax = ax[1])

ax[1].set_title('Scaled Data')

plt.show()

original_data = 6*np.random.rand(1000)+7

scaled_data = (original_data - original_data.mean())/original_data.std()

fig,ax = plt.subplots(1,2)

sns.distplot(original_data,ax=ax[0])

ax[0].set_title("Original Data")

sns.distplot(scaled_data,ax = ax[1])

ax[1].set_title('Scaled Data')

plt.show()

练习题2：

一个数据集 身高：1.7，1.8，1.9

体重：70，80，90，分别进行归一化、标准化，看数据值及其分布图。

练习题3：

同题1，自动生成二维分布数据集，画图展示。进行归一化、标准化后，画图展示。

解答：

x = np.array([1.7,1.8,1.9,1.75,1.85])

y = np.array([60,70,80,85,65])

plt.scatter(x,y)

plt.show()

x_scaled = preprocessing.scale(x)

y_scaled = preprocessing.scale(y)

plt.scatter(x_scaled,y_scaled)

plt.show()

x_normalize = (x-x.min())/(x.max()-x.min())

y_normalize = (y-y.min())/(y.max()-y.min())

plt.scatter(x_normalize,y_normalize)

plt.show()