小测验demo:
如题:
代码部分:
import pandas as pd
import numpy as nu
import random
import matplotlib.pyplot as plt
# 功能1
data=pd.read_csv(r"./rating.txt",header=None,sep=" ") #引入文件
def datadel(data=[],index=0):
data1=pd.DataFrame(data[index])
data1.drop_duplicates(inplace = True) #删除重复项
data2=pd.Series(range(len(data1)),index=(data1[index])) #键值对换
for x in range(len(data[index])):
data[index][x]=data2[data[index][x]]
datadel(data,0)
datadel(data,1)
data.to_csv(r"./ratingNew.txt",sep=' ',index=False,header=None)
# 功能2
ran_data=pd.read_csv(r'./ratingNew.txt',header=None,sep=" ")
ran_data1=ran_data.sample(frac=0.8) #随机抽取8万条数据
ran_data2=ran_data[~ran_data.index.isin(ran_data1.index)] #去除随机抽取的数据
ran_data1.to_csv(r"./train.txt",sep=" ",index=False,header=None)
ran_data2.to_csv(r"./test.txt",sep=" ",index=False,header=None)
# 功能3
# 获取数据部分
data_times=pd.read_csv(r"./ratingNew.txt",header=None,sep=" ") #引入文件
ran_int=random.randint(0,942)
times_data1=data_times[data_times[0]==ran_int]
times=[]
for x in range(1,6):
times.append(len(times_data1[times_data1[2]==x]))
score=['1','2','3','4','5']
# 绘图部分
frist_bar=plt.bar(range(1,6), times)
# 显示每个评分下的视频数量
for top_text in frist_bar:
y=top_text.get_height()
x=top_text.get_x()
plt.text(x+0.35, y, str(y), va='bottom')
#plt.savefig("user_score.png") 保存图片
plt.show()
emm,总体没什么难的
就第一问可能想法比较巧,简单说一下思路
思路:由于需要排除重复项,然后排序。
想了好几个思路:
- 思路一:先直接排序,然后把已经排序的数字放到新的数组。通过比对新数组的值来排除重复项。emm,一开始会很快(因为一开始新数组的长度小),但是之后比对时新数组的会逐渐变得很长,从而浪费大量时间在比对是否为重复项
- 思路二:直接排序,然后通过比对相同数字的默认序列的大小来确定是否为重复项。emm,这个比思路一更慢,因为是直接查找整个数组的序列,所以就非常的慢
- 思路三:也就现在的思路。先删除重复项,然后对未含重复项的数组进行键值转换,简单的来说,就是以未含重复项的数组作为序列,然后创建一个range(len(非重复项的数组))作为值,一一对应。这时候,就需要注意了。在原始数组中的值是新数组的键,而新数组的值就是我们所排序的排序数。
大体问题解决就这样,emm,剩下的都是对于库函数的应用,其实没啥了。不会的话多去百度,CSDN,或者去官方文档找一下就OK了