数据分析与可视化 上机实践4（Matplotlib 数据可视化）
数据分析与可视化 上机实践4（Matplotlib 数据可视化）一、实践目的1.了解matplotlib库的基本功能。
2.掌握matplotlib库的使用方法。
二、数据集介绍食品偏好数据集统计了2019年不同国家人民对不同食物的偏好情况。数据共计288条，各数据字段含义如下表所示。
food.csv 数据集下载
三、实践内容要求1、绘制正弦曲线，并设置标题、坐标轴名称和坐标轴范围；
2、同一坐标系下绘制多种曲线并通过样式、宽度和颜色加以区分；
3、对食品偏好数据集进行可视化处理。
（1）读取数据集，并显示前5行；
（2）删除无用特征Timestamp和Participant_ID；
（3）查看数据集的基本情况和统计信息；
（4）绘制不同国家参与者人数柱状图；
（5）利用饼形图分别绘制男性和女性对甜点的偏好；
（6）利用箱体图绘制不同年龄的人对果汁偏爱对比图；
（7）利用散点图绘制不同年龄的人对甜点的偏爱对比图（提示：年龄作为x轴，maybe，yes和no分别用0,1和-1来表示作为y轴，同时用不同颜色的散点表示Traditional Food和Western Food）；
...
数据分析与可视化 上机实践3（Pandas 数据预处理）
数据分析与可视化 上机实践3（Pandas 数据预处理）
一、实践目的1.掌握数据预处理的思想和方法。2.进一步熟悉Pandas库的使用方法。
二、数据集介绍Lending Club是一家美国P2P公司，投资者在平台中为融资方提供资金，并以此获得贷款利率收益。Lending Club为投资者与融资方提供平台。本实验使用Lending Club2015年公开数据集中截取的一小部分进行分析。数据分为三个部分：（1）用户信息数据
（2）用户历史数据
（3）贷款交易数据
Lending Club2015年公开数据集下载
三、实践内容要求（1）导入三个数据表到DataFrame中；
（2）查看各数据表的前5行；
（3）查看数据基本情况，并对基本情况进行分析；
（4）利用“用户编号”这个公共变量，将用户信息数据和用户历史数据合并在一起，对比inner、outer、left和right连接的区别；
（5）将用户历史数据按账户平均存款排序；
（6）基于贷款交易数据，进行左连接，将三个数据合并在一起；
（7）删去用于合并的列名user_id，使用info查看数据缺失情况，删除缺失数据；
（8） ...
数据分析与可视化 上机实践2（Pandas 统计分析）
数据分析与可视化 上机实践2（Pandas 统计分析）
一、实践目的1.了解 Pandas 库的基本功能。
2.掌握 Pandas 库的使用方法。
二、数据集介绍本实验使用酒品消耗量数据集，其记录了全球 193 个国家某年的各类酒品消耗数据，主要数据集变量如下：
drinks.csv 数据集下载
三、实践内容要求
数据预处理
（1）导入 excel 表格中的数据到 DataFrame 中；
（2）查看数据的前 5 行和后 8 行。
数据操作
（1）查看数据中各变量类型；
（2）将啤酒销量改成 object 类型；
（3）将列名的英文改为中文格式；
（4）初步查看数据类型和大小；
（5）查看数据数值统计情况；
（6）查看索引值；
（7）将索引值修改为所在的大洲；
（8）查看缺失值情况；
（9）采用恰当的方法对缺失值进行填充。
饮酒情况对比
（1）查找啤酒、烈酒和红酒的消耗量都高于相应酒种消耗量 75%分位数的国家；
（2）统计（1）中各大洲国家的个数；
（3）统计各个大洲各类酒的消耗总量；
（4）计算各类酒占各大洲总消耗量的比重。
4．通过饮酒情况对比，对各大洲的饮酒习 ...
数据分析与可视化 上机实践1（Numpy 数值计算）
数据分析与可视化 上机实践1（Numpy 数值计算）一、实践目的1.掌握 Numpy 库的使用方法。
2.灵活应用 Numpy 库解决数值计算和图像处理的相关问题。
二、彩色向灰度图转换原理图像是由若干个像素组成，每个像素有明确的位置和被分配的颜色值。
一张图像就构成了一个像素矩阵。彩色图像的每个像素由 R、G、B 分量构成;分量值介于 0到255 之间。灰度图像是每个像素只有一个采样颜色的图像，显示为从最 暗黑色到最亮的白色的灰度，取值范围 0到255。
彩色图像向灰度图像转换的常用公式为：Gray = R * 0.299 + G * 0.587 + B * 0.114利用矩阵运算，即可将彩色图像转换为灰度图像。
三、实践内容要求
数组的创建（1）创建全 0 数组，全 1 数组，随机数数组；
（2）创建一个数值范围为 0~1，间隔为 0.01 的数组。
任意创建一个二维数组，对其维度进行操作
（1）将数组的行变列；
（2）返回最后一个元素；
（3）返回第 2 到第 4 个元素；
（4）返回逆序数组。
任意创建两个二维的数组 arr1、arr2，对两个数 ...
数据分析与可视化 实践基础练习六（Pandas）
数据分析与可视化 实践基础练习六 （Pandas）一、本节需要掌握的Pandas相关函数或属性
数据清洗：缺失值处理、重复值处理、异常值处理
数据标准化方法：离差标准化、标准差标准化、小数定标标准化
数据转换：类别型数据的亚变量处理、连续变量的离散化
二、实训案例1. 本数据集为一个包含30000个样本的美国高中生社交网络信息数据集。数据均匀采样于2006年到2009年，每个样本包含40个变量，其中gradyear、gender、age和friends四个变量代表高中生的毕业年份、性别、年龄和好友数等基本信息，剩余36个关键词代表了高中生的5大兴趣类：课外活动、时尚、宗教、浪漫和反社会行为，具体描述如下：
teenager 数据集下载
2. 结合数据集完成以下操作。（1）读取数据并查看数据的前5行；
（2）查看数据集整体情况；
（3）查看缺失值的统计性描述分布情况；
（4）假设青少年的年龄范围为13-20岁，我们将不在此范围的数据记为缺失值，重新统计缺失值数目；
（5）选取年龄的均值填充年龄缺失值；
（6）统计性别缺失值并将其删除；
（7）采用箱线图对friend列数据进 ...
数据分析与可视化 实践基础练习五（Pandas）
数据分析与可视化 实践基础练习五 （Pandas）一、本节需要掌握的Pandas相关函数或属性
Pandas数据运算
Pandas常用的汇总与统计性方法
数据分组df.groupby( )
参数by：可以是函数，字典，Series; axis=0是按列，1是按行
数据聚合agg()、apply()、transform()
agg(): 可对分组后的数据进行一系列的操作包含求和求最值，均值等
apply(): 可自定义面向分组的聚合函数（Series对象是对每个元素处理，DataFrame对象是对一行或一列处理，groupby对象是对一个分组进行处理）
transfrom(): 不对数据进行聚合输出，而只是对每一行记录提供了相应的聚合结果（输出结果有冗余）
二、实训案例1.行星数据集记录了2014年之前发现的行星的信息，数据中主要特征有：
planets.csv 数据集下载
2. 结合数据集完成以下操作。（1）读取planets.csv文件；
（2）查看数据前5行；
（3）查看数据基本情况；
（4）按method特征对数据进行分组，并将新数据记 ...
春季每日一题2023 已完结
AcWing 春季每日一题2023 (已完结)打卡题目（内容有疑问或错误，欢迎随时询问或指正哈~）
Day17: 05/08
题目：【棋盘游戏】 考查知识点： 单源最短路径，SPFA，图论
题解：AcWing 3480. 棋盘游戏
Day16: 05/07
题目：【大数运算】 考查知识点： 高精度，符号判断，模板题
题解：AcWing 3482. 大数运算
Day15: 05/06
题目：【质数】 考查知识点： 筛质数，线性筛法，埃氏筛法，模板题
题解：AcWing 3497. 质数
Day14: 05/05
题目：【最短距离总和】 考查知识点： 最短距离总和，Floyd，DP
题解：AcWing 3512. 最短距离总和
题目：【 Floyd求最短路】 考查知识点： 最短路，Floyd，求每一对顶点的最短距离，模板题
题解：AcWing 854. Floyd求最短路
Day13: 05/03
题目：【日期差值】 考查知识点： 模拟题，日期计算
题解：AcWing 3498. 日期差值
Day12: 05/02
题目：【鸡兔同笼】 ...
Linux基础 第三讲 Shell语法
Linux基础 第三讲 shell语法1. shell语法(1) 概论shell是我们通过命令行与操作系统沟通的语言。
shell脚本可以直接在命令行中执行，也可以将一套逻辑组织成一个文件，方便复用。AC Terminal中的命令行可以看成是一个“shell脚本在逐行执行”。
Linux中常见的shell脚本有很多种，常见的有：
Bourne Shell(/usr/bin/sh或/bin/sh)
Bourne Again Shell(/bin/bash)
C Shell(/usr/bin/csh)
K Shell(/usr/bin/ksh)
zsh
…
Linux系统中一般默认使用bash，所以接下来讲解bash中的语法。文件开头需要写#! /bin/bash，指明bash为脚本解释器。
学习技巧不要死记硬背，遇到含糊不清的地方，可以在AC Terminal里实际运行一遍。
脚本示例新建一个test.sh文件，内容如下：
12#! /bin/bash # 指明解释器echo "Hello World!" # echo表示输出
运行方式
用解 ...
AcWing-周赛 第97场题解
AcWing-周赛 第97场题解T1: AcWing 4944. 热身计算给定两个正整数 a, b，请你分别计算 min(a,b) 以及 ⌊|a−b|/2⌋的值。⌊|a−b|/2⌋表示不大于 |a−b|/2的最大整数。
输入格式共一行，包含两个正整数 a,b。
输出格式共一行，输出两个整数，分别表示 min(a,b)以及 ⌊|a−b|/2⌋。
数据范围所有测试点满足 1 ≤ a, b ≤ 100。
输入样例13 1
输出样例11 1
输入样例22 3
输出样例22 0
输入样例37 3
输出样例3：3 2
题解12345678910#include <iostream>using namespace std;int main(){ int a, b; cin >> a >> b; cout << min(a, b) << ' ' << abs(a - b) / 2 << endl; return 0;}
T2: AcWin ...
数据分析与可视化 实践基础练习四（Pandas）
数据分析与可视化 实践基础练习四 （Pandas）
一、本节需掌握的Pandas相关函数或属性12345678910111213141516171819202122232425262728293031321. Series和DataFrame数据类型的创建# Series创建（可以是列表，标量值，字典，ndarray，其他函数），index是行索引pd.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath)# DataFrame创建（有行索引和列索引，其类型可以是列表，字典，元组或Series，n维的ndarray）eg. pd.DataFrame(np.arange(10).reshape(2,5))2. Series的基本操作（类似ndarray，字典类型的操作）可通过自定义索引列表来切片，自定义索引访问，get()方法3. DataFrame数据查找、增加、删除和修改d[ ['col_1','col_2'] ] # 通过列索引或以属性的方式可单独或 ...
