juicy-hua-CSDN博客

原创运算与语句练习答案

练习4以上程序的④、⑤、⑥就是条件语句的三个分支，④判断输入是否都是数字，⑤判断输入是否都是字母，⑥则是除④和⑤外的其他输入。不同条件分支之下执行不同的语句块内容。

2022-04-18 15:12:01 1283

原创运算符和语句作业

1.列举出若干用bool()判断为False的对象（或“数据”）。2.编写程序,判断用户输入的数字是偶数还是奇数。3.编写程序，寻找能够被17整除的三位正整数。编写程序，当用户输入任意整数的时候，判断最后一位数字是否为偶数，如果是，则将当前整数的数字顺序翻转，并输出结果。比如，用户输入的是234，则输出432；如果输入120，则输出21。...

2022-03-20 16:13:31 2275 4

运算符算术运算符比较运算符练习1：在交互模式中创建两个内容一样的字符串，判断它们是否为同一个对象。逻辑运算符在Python中，认为如下对象都是“假的”（False）：None和False，Decimal(0)，Fraction(0,1)，空序列和集合：’’，（），[]，{}，set()，range(0)。1.and2.or3.not练习2：以下表达式的返回值是True还是False？等效于：等效于：简单语句这里引.

2022-03-20 15:52:18 2804

原创内置对象类型（课堂作业）

1.利用Python的内置函数，将下列十进制数转化为二进制。（1）3（2）123（3）0.12.直角三角形的斜边长度为50，一条直角边的长度是30。编写程序，计算另一条直角边的长度。3.在交互模式中，完成以下操作。（1）创建如下变量和对象的引用关系：a = 2.5, b = 7, c = 6。（2）分别计算：a除以b的商；b除以c的余数；c除以a的商；b的3次方。4.编写程序，已知半径为23.（1）计算圆的周长和面积（2）将周长和面积的值打印出来，要求各自保留两位小数。（3）将此程序

2022-02-21 20:31:51 3825 1

原创内置对象类型

初步了解对象Python研究什么？比如：要写一个点外卖的程序，这个现实问题涉及哪些要素？如果把上述的要素描述清楚，就如同制造了三个模型，剩下的事情只需要把三个模型组合起来，就能实现“点外卖”了。因此，Python研究的是要素，并把这些要素统一命名为“对象”，即Python认为，“世界是由对象组成的”。涉及的概念：对象、类、内置对象类型、内置对象对象的特征？数字整数（integer）分解type(3)的使用方式查看文档“内置函数”的所有使用方法都在Python帮助文档中，阅读的方式.

2022-02-21 20:23:24 4610 4

原创 Python开发环境（课堂作业）

1.进入到Python交互环境中，使用print函数打印如下内容：Life is short,You need Python.What’s your name?I once was lost,but now am found.2.仿照编写的hello.py文件，编写一个Python程序文件（扩展名为“.py”），并打印如下内容：床前明月光疑是地上霜举头望明月低头思故乡...

2022-02-17 20:04:36 790 1

原创 Python开发环境

基础设施进行程序开发的基础设施包括两部分：一是硬件设备，必须有一台计算机；二是操作系统。1. 计算机体现了Python的跨平台性2.操作系统windows、macOS、Linux配置开发环境开发环境由一系列软件程序组成，能够让开发者完成源代码编写、程序编译和调试、程序分发或部署、源代码版本管理等。1.Python的版本2.Python的安装3.PythonIDE（集成开发环境）VIM、Emacs、Sublime Text3、Visual Studio Code…4.hellowor.

2022-02-17 19:48:56 1543 1

原创 10-5 移动与控制坐标轴

移动坐标轴位置ax = plt.gca()# the 1st is in 'outward' | 'axes' | 'data'ax.spines['bottom'].set_position(('data', 0.5)) # 下方边界交叉于0.5位置ax.spines['left'].set_position(('data', 0.5)) # 左侧边界交叉于0.5位置# 来点复杂的图形import numpy as npimport matplotlib.pyplot as plt

2021-11-17 17:28:06 853 1

原创 10-4 设置坐标轴刻度和刻度标签

设置坐标轴刻度范围matplotlib.pyplot.xlim() : 设置/获取当前Axes对象的x轴范围设定xmin, xmax = xlim() # return the current xlimxlim((xmin, xmax)) # set the xlim to xmin, xmaxxlim(xmin, xmax) # set the xlim to xmin, xmaxmatplotlib.pyplot.ylim() : 设置/获取当前Axes对象的y轴范围设定xmi

2021-11-11 14:17:02 2033

原创 10-3 设置坐标轴样式

Spines：可以直接理解为边框（外框），是用于标记数据区域的边界线，共有上、下、左、右四个。这四个边框都可以直接被设定为坐标轴加以使用。完整参考信息：https://matplotlib.org/api/spines_api.html设置坐标轴的样式设置边框颜色：ax.spines[‘right’].set_color(‘blue’)设置边框线宽：ax.spines[‘left’].set_linewidth(5)设置边框线型：ax.spines[‘left’].set_linestyle(.

2021-11-11 14:12:08 570

原创 10-2 打包加载seaborn样式

直接改变系统设定seaborn.set(context = ‘notebook’ : 设定plotting_context()的有关参数style = ‘darkgrid’ : 设定预设的主题，即axes_style()的有关参数palette = ‘deep’ : 即color_palette()的有关参数font = ‘sans-serif’ : 设定希望使用的字体font_scale = 1 : 设定对字体的附加放大倍数color_codes = True : 为True时，使用seab

2021-11-11 14:05:35 275

原创 10-1 seaborn的样式管理（统计图的进一步美化与修饰）

Seaborn 将 matplotlib 的参数划分为两个独立的组合：第一组是设置绘图Axes对象的整体外观风格axes_style()set_style()第二组主要设定图中各种图形元素的大小plotting_context()set_context()每对方法中的第一个方法（axes_style(), plotting_context()）会返回一组字典参数。第二个方法（set_style(), set_context()）会设置matplotlib中对应的默认参数。但是用户只能通过这

2021-11-11 14:02:53 576

原创 9-4 离散色板

这类色板适用于数据需要呈现从最低值到最高值的数值变化情况，且数据中通常有一个意义明确的中点。例如，如果想从某个基线时间点绘制温度变化，最好使用离散的颜色表显示相对降低和相对增加面积的地区。除了需要选择中点色，以及两个方向的起始颜色外，选择离散色板的基本规则类似于顺序色板。使用Color Brewer预定义色板Color Brewer颜色字典里也拥有一套精心挑选的离散颜色映射可供使用。具体名称请参考：ColorBrewer颜色速查表.xlsxsns.palplot(sns.color_palette

2021-11-11 08:53:26 809

原创第九章作业

1.请自行判断下列数据可视化需求应当使用哪种类型的色板进行修饰：a.比较不同职业的人群其当前家庭经济状况信心值（QA3）的差异，该数值以100为中值，上下波动范围为0~200。b.比较不同职业的人群其受教育状况的构成比有怎样的差异。c.比较不同职业的人群其家庭平均收入有怎样的差异。2.尝试使用choose_light_palette函数配制自定义的连续色板，然后利用适当的函数在绘图中使用该色板。...

2021-11-09 17:19:25 198

原创 9-3 连续色板

连续色板（sequential）对于有从低（无意义）到高（有意义）范围过度的数据非常适合。过大的色调变化会带来数据本身不连续的错觉，对于连续的数据，最好是使用那些在色调上有相对细微变化的调色板，同时在亮度和饱和度上有很大的变化。这种方法将自然地将数据中相对重要的部分成为关注点。使用Color Brewer预定义色板Color Brewer 的字典中就有一组很好的调色板。它们是以在调色板中的主导颜色命名的。具体名称请参考：ColorBrewer颜色速查表.xlsxsns.palplot(sns.co

2021-11-09 17:16:45 693

原创 9-2 分类色板

分类色板（quanlitative）对于分类数据的显示很有帮助。当想要区别不连续的且内在没有顺序关系的数据时，这个方式是最好的。seaborn中默认使用的调色板实际上是标准的matplolib色环。sns.palplot(sns.color_palette())默认的色环主题有6种不同的默认主题，它们分别是：deep，muted，pastel，birght，dark，colorblind。themes = ['deep', 'muted', 'pastel', 'bright', 'dark'

2021-11-09 16:01:39 1355

原创淘宝（正则）

import requestsimport reimport pandas as pdimport csvimport timeheaders = { 'User-Agent': 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.81 Mobile Safari/537.36','Cookie': '_m_h5_tk=

2021-11-08 16:00:31 649

原创 9-1色板的指定方式

color_palette函数除单独指定颜色外，seaborn的优势在于可以将颜色根据数据呈现的需求编组成恰当的色板/色环加以使用。color_palette函数可以接受任何seaborn或者matplotlib颜色表中的颜色名称（除了jet），也可以接受任何有效的matplotlib形式的颜色列表（比如RGB元组，hex颜色代码，或者HTML颜色名称）。seaborn.color_palette(palette = None : 希望使用的色板名称或者色彩序列，None时返回当前色板None,

2021-11-07 19:46:41 1677

原创 8-4 复杂网格

subplot/subplots命令主要用于指定等行/列数量的网格，对于不等行列的网格则操作较为繁琐，此时可以使用其他同类命令。subplot2grid方法当各行/列仍然是等量拆分，只是各行/列宽度不同时，用subplot2grid方法来设置网格很方便。matplotlib.pyplot.subplot2grid(shape, loc, rowspan=1, colspan=1)shape设定整体网格行列数loc指定网格起点，而rowspan/colspan则用来指定网格跨度plt.figure

2021-10-24 15:24:32 239

原创第八章作业

一、寻找手边做的比较好的图形叠加/图中图实例，并尝试在python中实现。二、请尝试使用子图方式实现6.4节中的面板图形，并思考面板方式和子图方式各自的优缺点与适用环境是什么。三、请自行设计一个面板，在其中同时呈现第5章中使用过的anscombe四个数据集各自拟合最佳回归模型的散点图，并使其显示效果达到最佳。...

2021-10-22 10:27:32 179

原创 8-3 调整子图间距

matplotlib.pyplot.subplots_adjust(left = 0.125 # the left side of the subplots of the figureright = 0.9 # the right side of the subplots of the figurebottom = 0.1 # the bottom of the subplots of the figuretop = 0.9 # the top of the subplots

2021-09-03 21:35:23 524

原创 8-2 分区绘制多个子图

可以将Figure对象分为多个区域，每个区域分别放置一个Axes对象进行绘图。subplot命令subplot命令可以用来直接指定具体的子图位置。matplotlib.pyplot.subplot(nrows / ncols = 1 : 图组的行/列数。整个Figure对象区域被划分为nrows行 * ncols列。然后按照从左到右、从上到下的顺序对每个区域进行编号，左上区域的编号为1。index : 指定所创建Axes对象所在的区域。)如果numRows、numCols和Index三个参

2021-09-03 21:32:29 931

原创 8-1 图形叠加/图中图（子图与图形网格）

在matplotlib中，所有的绘图操作实际上都是以Axes对象为独立的绘图区域进行，这里称为子图。在一个Figure对象中可以有多个子图，这些子图对象可以叠加存在，从而形成图中图的效果。matplotlib.figure.Figure.add_axes( # 在已有Figure对象中按照指定范围添加子图rect : 代表插入子图对象大小的序列。[left, bottom, width, height]projection : 子图使用的坐标体系。[‘aitoff’ | ‘hammer’ | ‘

2021-09-03 21:26:36 447

原创第七章作业

一、尝试在同一张图形中给出分受教育程度的年龄均数和总信心指数均数的信息，要求：1.年龄均数用线图表示。2.总信心指数用带CI的条图表示。3.对颜色、数轴等作必要的设定，使得图形显示效果达到最佳。二、比较seaborn中的catplot()命令和pairplot()命令在使用目的、参数设定等各方面的异同，自行思考这两个命令应当适用于哪些数据可视化的需求。...

2021-09-03 21:22:10 203

原创 7-3 使用行/列面板

行/列面板的本质就是指定具体的分组变量用于行/列拆分，除了lmplot等命令内置此功能之外，还可以使用专用的catplot()实现通用的行/列面板操作。seaborn.catplot( # 0.9.0版之前为factorplotx, y, hue : names of variables in datadata : DataFrame面板相关设定：row, col : 行/列面板对象名称col_wrap : 在指定的宽度折叠列面板至下一行，从而成为多行显示row_order, col_orde

2021-09-03 21:19:16 331

原创 7-2 混合图形与双轴图

混合图形matplotlib中实现混合图形的基本原理非常简单，就是多个图形元素的直接叠加。ax1 = sns.kdeplot(ccss.s3)# 使用seaborn生成叠加图ax1 = sns.kdeplot(ccss.s3)sns.histplot(data = ccss, x = 's3', stat = 'density', ax = ax1)# 混合使用seaborn和matplotlib生成叠加图ax1 = sns.kdeplot(ccss.s3)ax1.hist(ccss.s

2021-09-03 21:15:53 633

原创 7-1 设置图例（纳入更多变量信息）

matplotlib中的图例设定matplotlib.pyplot.legend(handles : 需要设置图例标签的图形元素列表labels : 相应图形元素的图例标签文字列表loc = ‘upper right’ : 图例的显示位置，int/string‘best’ 0‘upper right’ 1‘upper left’ 2‘lower left’ 3‘lower right’ 4‘right’ 5‘center left’ 6‘center rig

2021-09-03 21:10:58 951

原创 6-5 分组考察回归关系

seaborn.lmplot(数据分组：hue, col, row : strings，用于定义分组、列面板、行面板的变量名col_wrap : int, 当超过指定的宽度后，列面板折叠至下一行显示share{x,y} : bool, ‘col’, or ‘row’，有行列面板时是否共用x/y轴{hue,col,row}_order : lists, 相应分类变量的显示顺序legend = True : bool, 是否显示图例legend_out = True : bool, 是否在图形外面

2021-08-28 15:26:35 204

原创第六章作业

1.现希望分受教育程度考察年龄S3和总指数index1之间的关联情况，但使用图组的话，回归线重叠的会比较厉害，不便于观察，希望能够使用矩阵方式进行考察，请问如何能实现该需求？2.自行思考怎样搭配使用seabron中的回归趋势考察功能和statsmodels中的回归建模功能，才能够使得这两个模块的优势得到充分的发挥。...

2021-08-26 19:46:23 189

原创 6-8 3D散点图

matplotlib中提供的是比较基本的3D散点图功能，并未做特别的强化。在单独窗口中可以做三维旋转观察，此外并无更多功能。Axes3D.scatter(xs, ys : 散点的x/y坐标zs = 0 : 散点的z坐标，默认为0zdir = ‘z’ : 当实际绘制2维图时设定哪一个维度为z轴s = 20 : 散点大小，也可以为变量或者与x/y等长的数组c ：散点颜色depthshade = True : 是否给散点提供影深)from mpl_toolkits.mplot3d.axes3

2021-08-26 19:45:18 391

原创 6-7 散点图矩阵

如果希望考察数据集中多个数值变量两两间的数量关联，可以使用pairplot()函数。它会生成一个含有轴的矩阵，在默认状态下，会将数据集中所有列成对可视化。seaborn.pairplot(data : 用于绘图的数据框。vars : 可选，需要分析的变量列表，默认分析全部数值变量列。{x, y}_vars : 用于分析的行/列变量，此时会生成非对称的矩阵图。kind = ‘scatter’ : 绘图种类，{‘scatter’, ‘reg’}。diag_kind = ‘auto’ : 主对角线绘图

2021-08-26 19:43:58 3153

原创 6-6 散点图的衍生图形

联合变量分布的散点图jointplot()函数可以创建一个多面板图形来展示两个变量之间的联合关系，并同时展示每个轴上单变量的分布情况。seaborn.jointplot(x, y : 绘图用数据，可以是数据框内的变量名data = None : 数据框名称kind = ‘scatter’ : 绘制的图形种类{ “scatter” | “reg” | “resid” | “kde” | “hex” }stat_func = : 需要计算的统计量该参数在新版本中已经取消图形格式：color

2021-08-26 19:41:50 885

原创 6-4 残差考察

seaborn.residplot()使用的参数均在seaborn.lmplot()出现，这里不再复述。sns.residplot(x="x", y="y", data=anscombe.query("dataset == 'I'")) # 处理分布不理想的残差sns.residplot(x="x", y="y", data=anscombe.query("dataset == 'II'"))sns.residplot(x="x", y="y", data=anscombe.query("dat

2021-08-26 19:35:43 207

原创 6-3 特殊回归趋势的拟合

seaborn.lmplot(复杂曲线拟合：order : int, 所拟合曲线的阶数，大于1时使用numpy.polyfit进行曲线拟合logistic : bool, 是否拟合logistic回归曲线lowess : bool, 是否拟合lowess曲线robust : bool, 是否拟合稳健回归logx : bool, 是否拟合y ~ log(x)的对数曲线，但仍按照原始的x/y数值输出)# 第一次使用时需要联网下载数据文件# 联网有问题直接至此下载：https://github.

2021-08-26 16:08:48 380

原创 6-2 变量间的回归趋势考察

matplotlib/seaborn中的相应功能只是采用图形方式对回归趋势进行观察，并不是要替代statsmodels中相应的建模分析功能。lmplot()：功能比较完备，可考察各种常见的线性/曲线回归趋势，可按照分类变量分组/分行列面板，并同时计算可信区间。regplot()：可看作lmplot()的一个简单子集，绘制时使用一个Axes对象，无分行列面板考察的功能。jointplot()：调用regplot()同时呈现回归趋势和单变量分布特征。pairplot()：将regplot()和PairG

2021-08-25 17:23:17 425 2

空空如也

空空如也