程序设计(Python)实验六 组合数据综合训练

实验目的

1、 培养分析问题并对进行建模的能力。
2、 熟练使用组合数据类型解决实际问题。
3、 熟练运用选择结构和循环结构解决实际问题。

实验内容

练习一

题目

统计《三国演义》中人物出场次数最多的前 20 人。

代码

import jieba as jie

text = (open('三国演义.txt','r',encoding='utf-8')).read()
words = jie.lcut(text)
nowords ={"这个","引兵","次日","人马","不知","汉中","众将",
"只见","大喜","天下","东吴","于是","今日","不敢","魏兵",
"陛下","太守","天子","一面","原来","令人","江东","喊声",
"下马","何不","大军","忽报","先生","百姓","然后","何故",
"先锋","不如","赶来","此人","夫人","先主","后人","背后",
"城中","蜀兵","上马","大叫","都督","一人","如何","商议",
"却说","不可","不能","如此","将军","二人","后主","荆州",
"如何","主公","军马","军士","左右","正是","徐州","忽然",
"因此","成都","未知","不见","大败","大事","之后","一军",
"起兵","引军","军中","接应","进兵","大惊","可以","大怒",
"不得","以为","心中","一声","下文","曹兵","追赶"}
counts ={}
for word in words:
	if len(word) == 1:
		continue
	elif word == "诸葛亮" or word == "孔明曰":
		rword = "孔明"
	elif word == "玄德" or word == "玄德曰":
		rword = "刘备"
	elif word == "孟德" or word == "丞相":
		rword = "曹操"
	elif word == "关公" or word == "云长":
		rword = "关羽"
	else:
		rword = word
	counts[rword] = counts.get(rword,0) + 1
for word in nowords:
	del(counts[word])
items = list(counts.items())
items.sort(key=lambda x:x[1],reverse = True)
for i in range(20):
	word,count = items[i]
	print("{0:<10}{1:>5}".format(word,count))

练习二

题目

编写程序,模拟抓狐狸小游戏。假设一共有一排 5 个洞口,小狐狸最开始的时候在其中一个洞口,然后玩家随机打开一个洞口,如果里面有狐狸就抓到了。如果洞口里没有狐狸就第二天再来抓, 但是第二天狐狸会在玩家来抓之前跳到隔壁洞口里。

代码

import random as ran

flag =ran.randint(0,4)
tiao = [-1,1]
while True:
	try:
		inp = eval(input("请输入 0-4 中任意一个数:"))
	except:
		print("输入格式有误,请重新输入!")
		continue
	if inp <0 or inp >4:
		print("输入范围有误!")
		continue
	if inp == flag:
		print("找到了,游戏结束!")
		break
	else:
		flag += tiao[ran.randint(0,1)]
		flag %= 5
		print(flag)
  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python实验六综合数据预处理主要涉及到数据清洗、数据规范化和数据编码三Python实验六综合数据预处理主要包括数据清洗和特征处理两个部分。其中个方面。其中数据清洗是指对脏数据进行对应方式的处理,得到标准的、干净的数据清洗包括对脏数据进行对应方式的处理,得到标准的、干净的、连续的数据、连续的数据,提供给数据统计、数据挖掘等使用;数据规范化是指通过对数据按,提供给数据统计、数据挖掘等使用;特征处理则包括缩放、归一化、哑编照一定比例进行缩放,使之落在一个特定的区域,便于进行综合分析;数据码等方法,以将数据变得更加符合算法模型的要求。具体方法包括: 1.编码是指将数据中的描述性变量(如性别)转换为数值型数据,方便算法 数据清洗:对数据的准确性、完整性、一致性、时效性、可信性和解释使用。 具体的实现方法可以参考引用中的三个部分,引用[1]介绍了数据性进行检查和处理,包括缺失值、噪音和异常点的处理。 2. 缩放和归一化清洗方法,引用[2]介绍了数据规范化的最大-最小规范化方法以及Python:将数据按照一定比例进行缩放,使之落在一个特定的区域,便于进行综合中的实现代码,引用[3]介绍了数据编码的方法,包括描述变量的寻找和分析。常用的方法有最大-最小规范化、标准化等。 3. 哑编码:将转换,以及有序变量和无序变量的处理方法。 在实际应用中,综合数据描述性变量(如性别)转换为数值型数据,以满足机器学习算法对数据的预处理是数据分析和挖掘的重要步骤,它直接影响到后续分析和模型建要求。常用的方法有LabelEncoder和OneHotEncoder。 综合数据预处理是机器学习和数据挖立的效果。因此,需要根据实际情况选择合适的预处理方法,保证数据的质量掘中非常重要的一步,它能够有效地提高模型的预测和泛化能力,和可靠性。 --相关问题--: 助于从原始数据中挖掘出更多有价值的信息。

“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