Python小练06

题一:使用while 来计算 1 到 100 的总和

n = 100
 
sum = 0
counter = 1
while counter <= n:
    sum = sum + counter
    counter += 1
 
print("1 到 %d 之和为: %d" % (n,sum))

或
count = 0
index = 1
while index <= 100:
    count += index
    index += 1
else:
    print("1到100的和为:",count)

题二:根据用户输入的层数打印 * 号的层数

n = int(input("你想要打印几层*:"))
i = 1      #行数
while i <= n:        #行数小于等于层数
    a = 1     #列数
    while a <= i :   #列数小于等于行数
        print("*",end="")
        a += 1
    print()     #换行
    i +=1

题三:打印九九乘法表

法一:for-for

for i in range(1,10):
    for j in range(1,i+1):
        print(f"{i} * {j} = {i*j}",end="  ")
    print()

法二:while-while

print("打印九九乘法表")
hang = 1
while hang <= 9:
    lie = 1
    while lie <= hang:
        print(f"{hang}*{lie}={hang * lie}",end="  ")     #乘法相乘
        lie += 1
    print()      #换行
    hang +=1

题三:根据用户输入的层数打印 * 号的层数-----右对齐

n = int(input("你想要打印几层*:"))
for i in range(1,n + 1):
    #打印空格
    space_nums = n - i
    for j in range(space_nums):
        print(" ",end="")
    #打印*号
    for j in range(1, i + 1):    #临时变量j不相互影响
        print("*",end="")
    print()

运行结果:
你想要打印几层*:4
   *
  **
 ***
****

题目四:打印等腰三角形 * 号,使之如图所示效果

 

len = int(input("输入需要打印的行数数:"))    # 输入行数
for i in range(1, len + 1):  # 用i表示每一行
    a = len - i  # a表示每一行中空格的数量
    for j in range(a):  # 通过for循环语句打印空格
        print(" ", end="")

    b = i * 2 - 1  # b表示每一行中的星号的数量
    for j in range(b):  # 通过for循环语句打印星号
        print("*", end="")
    print("")  # 这个语句表示换行

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python是一种非常适合进行股票预测的编程语言,它拥有丰富的数据分析库如Pandas、NumPy和强大的机器学习工具如Scikit-learn、TensorFlow等。股票预测通常涉及时间序列分析、技术指标计算、机器学习模型训练等多个步骤。以下是一个简单的Python股票预测过程概述: 1. 数据获取:首先,你需要从金融数据API(如Yahoo Finance、Alpha Vantage或Quandl)或者爬虫工具(如pandas_datareader)获取历史股票价格数据。 ```python import pandas_datareader as pdr data = pdr.get_data_yahoo('AAPL', start='2010-01-01', end='2023-06-30') ``` 2. 数据预处理:对获取的数据进行清洗,填充缺失值,计算技术指标(如移动平均线、MACD、RSI等),并将其转化为适合模型训练的格式。 ```python data['Close'].fillna(method='ffill', inplace=True) data['SMA_20'] = data['Close'].rolling(window=20).mean() ``` 3. 特征工程:创建可能影响股价的特征组合,这些特征可能是技术指标、宏观经济指标或其他市场数据。 4. 模型选择:根据预测目标(如趋势预测、超买超卖信号)选择合适的模型,如线性回归、ARIMA、LSTM(长短期记忆网络)等。深度学习模型适用于更复杂的序列数据。 ```python from sklearn.preprocessing import MinMaxScaler from keras.models import Sequential from keras.layers import LSTM, Dense scaler = MinMaxScaler() data_scaled = scaler.fit_transform(data['Close'].values.reshape(-1, 1)) model = Sequential() model.add(LSTM(50, return_sequences=True, input_shape=(1, data_scaled.shape))) model.add(LSTM(50)) model.add(Dense(1)) ``` 5. 模型训练与评估:将数据划分为训练集和测试集,使用训练集训练模型,然后用测试集评估预测效果。 ```python model.compile(optimizer='adam', loss='mean_squared_error') model.fit(data_scaled[:80%], epochs=100, batch_size=32) ``` 6. 预测与回测:使用训练好的模型对未来股票价格进行预测,并与实际结果对比以检验模型性能。
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