python大作业代码100行_大二期末python大作业有效代码不低于5000行是什么水平?...

6月30日更新

鉴于题主说老师已经收回对行数的要求,就请大家看过则罢,不要再点赞了(还有收藏的是什么鬼?)。本文说的不过是一些投机取巧的伎俩,不值取,不可取。

~~~以下是原文~~~:

一个熟练工程序员,每天有效代码大概50行(很多人不信,用项目最终代码量除以人天就知道了),月薪大概12000元。外包出去得上万吧。

我们这边刚开一个报价20万的项目,预计有效代码也就5000行。

如果题主真的没有什么好办法了,建议题主从以下几个方面着手增加代码量

1 增加项目复杂度。增加项目模块,比如UI用PyQt写一遍,再用HTML5写一遍,比如后端用后端渲染方式写一遍,又以RESTful写一遍,老师问为什么写这么多遍,你说你项目是跨平台的,搞个桌面版,搞个网页版,还搞好多接口给未来移动端用。后台每个业务都单独做一个服务,互相调用。

2 不追求pythonic。能写两行的不要写成一行,不用列表推导,不用匿名函数,少用继承,少用生成器,少用装饰器;分支循环多嵌套。

3 大量硬编码。把模板、配置、字符串、变量、SQL硬编码在代码里。

4 分行写。如

容器类型分行写:

some_list: list = [

e1,

e2,

...

]

some_dict: dict = {

k1: v1,

k2: v2,

...

}

链式调用分行写。如(下面代码中也包含了SQL分行写和硬编码)

sc = SparkSession \

.builder \

.appName("some_app_name")\

.enableHiveSupport()\

.getOrCreate()

... ...

spark \

.sql("""select name

,age

from student

where grade > 3

and sex = 0

""") \

.write \

.saveAsTable(sometable, mode='overwrite')

函数参数分行写

a = some_func(

arg1,

arg2,

arg3,

...

)

5 手动展开。如

# 常规写法

sql_pattern = 'select city, population from country where city = {}'

cities = [city1, city2, city3, city4, ...., city100]

for city in cities:

sql = sql_pattern.format(city)

do_something_with_sql(sql)

# 填充代码量的写法

SQLs: list = [

"""select city

,population

from country

where city = city1

""",

"""select city

,population

from country

where city = city2

""",

...

"""select city

,population

from country

where city = city100

""",

]

for sql in SQLs:

do_something_with_sql(sql)

6 注释变有效代码。如

按下面这种方式,代码检测软件可能认为是注释而不是有效代码,

"""

this module contains some utils functions.

Usage:

bala bala ...

"""

按下面这种方式,代码检测软件会认为是有有效代码,而功能没有发生改变,

__doc__ = """

this module contains some utils functions.

Usage:

bala bala ...

"""

这适用于模块注释、类注释、函数注释。

按下面这种方式,代码检测软件可能认为是注释而不是有效代码,

if not IPPool.has_any_ip():

# 如果没有IP了

do_something()

把注释改成日志,就成了有效代码,

if not IPPool.has_any_ip():

log.info('没有IP了')

do_something()

7 多写日志,日志内容多分行。

8 多写函数快捷方式。比如你一个函数只要传入不同参数就能完成多个任务,那你多写几个函数来调用这个多功能函数,把参数写死,变成多个单功能函数。老师问为什么重复实现,你说这是shortcut,很多库都这么比如

def request(r, method):

pass

# 可以写成

def get(r):

return request(r, method="get")

def post(r):

return request(r, method="post")

9 重复实现轮子。抄一些开源代码在你的项目里。

10 多写测试。一个项目里,测试代码能占到总代码量的三分之二之多。你多编用户故事,多编工作流,多写测试用例,何愁代码量上不来。

11 不知道前端代码算不算项目代码量,如果算的话那可就简单了,嘿嘿,鬼知道HTML里能塞啥子东西进去。你尽可能塞些JS代码进去,里面尽是些永远也不会发生的事件。

以上都是些不得已的方法,真正建议的,还是希望题主把这个任务当做一次挑战,认真地完成,而不要像上面那样投机取巧。投机取巧会成为一种习惯的。认真做作业,即便最终没得到老师认可又如何,尽吾志者而不能至也,其孰能讥之乎?

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: Python期末大作业代码有50。这是一个相对较短的代码量,但并不意味着它的功能或重要性较小。在这50代码中,我可能使用了各种Python的特性和技巧,以实现特定目标。 根据具体的需求,这个期末大作业代码可以具体实施任何功能,例如图像处理、数据分析、网页爬虫等。无论是哪种应用,代码的结构和风格都应该尽可能简洁、高效和易读。 在这个代码中,我可能使用了条件语句(如if-else语句)来判断和控制程序的流程。我也可能使用了循环语句(如for循环或while循环)来重复执某些操作。我还可能使用了函数和类来组织代码,提高复用性和模块化程度。 为了使代码可读和易于理解,我可能使用了注释来解释代码的作用和逻辑。我还可能为变量、函数和类使用有意义的名称,以便增强代码的可维护性。 除了代码本身,期末大作业代码还可能包括一些测试和验证的代码,以确保程序的正确性和稳定性。这些测试代码可以是单元测试、集成测试或用户交互测试,以尽可能覆盖代码中的各个方面。 综上所述,一个300字的Python期末大作业代码50的实现,应该是一个经过精心设计和实践的代码。通过合理选择使用Python的特性和技巧,以及适当的注释和命名,提高了代码的可读性和可维护性。同时,代码中的测试代码也确保了程序的正确性和稳定性。 ### 回答2: Python期末大作业代码总共50,主要使用了Python语言的各种基本语法和特性,实现了一个具体的功能。 首先,代码开头导入了需要使用的库,如requests库用于发送HTTP请求,BeautifulSoup库用于解析HTML页面等。 其次,定义了若干个函数用于实现不同的功能。例如,一个函数用于获取指定URL页面的HTML内容,另一个函数用于提取页面中的特定信息。 在代码的主体部分,首先定义了一些全局变量,如要分析的网页URL、需要提取的信息类型等。然后,代码通过调用之前定义的函数,获取并解析指定URL页面的HTML内容,再提取出需要的信息。 最后,代码通过输出结果或将结果保存到文件中的方式,展示运结果。 总而言之,这个Python期末大作业代码总共50,实现了特定的功能,通过调用函数、定义全局变量和处理数据等方式,完成了对指定URL页面的内容分析,并提取出特定的信息。代码简洁而高效,体现了Python语言的优势。 ### 回答3: Python期末大作业代码共50。以下是对其中部分解释: 1. 导入所需模块: ```python import numpy as np import pandas as pd ``` 2. 载数据: ```python data = pd.read_csv('data.csv') # 从CSV文件中读取数据 ``` 3. 数据预处理: ```python data.dropna() # 删除缺失值所在 ``` 4. 特征工程: ```python X = data.iloc[:, :-1].values # 提取特征 y = data.iloc[:, -1].values # 提取标签 from sklearn.preprocessing import StandardScaler sc = StandardScaler() X = sc.fit_transform(X) # 特征缩放 from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0) # 划分训练集和测试集 ``` 5. 构建模型: ```python from sklearn.linear_model import LogisticRegression classifier = LogisticRegression() # 构建逻辑回归分类器 classifier.fit(X_train, y_train) # 在训练集上拟合模型 ``` 6. 模型评估: ```python from sklearn.metrics import accuracy_score y_pred = classifier.predict(X_test) # 在测试集上进预测 accuracy = accuracy_score(y_test, y_pred) # 计算准确率 print("准确率:", accuracy) ``` 这只是一个示例,说明了大作业代码的一部分。实际代码可能有更多功能和更复杂的处理逻辑,但总体来说,这是一个简洁且高效的代码,用于数据载、预处理、特征工程、模型构建和评估。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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