Neues Issue

#15 第13周作业

Offen

vor 3 Jahren von 刘垚 geöffnet · 58 Kommentare

完成：
1）5.3.5中实践题共3题，按题目要求分别保存和命名，如sy5-3-1.py等，并提交到水杉码园。素材待补充。
2）完成附件KS.rar中的相关题目：
a. 打开“ks\单选题-15-2.txt”，查阅并完成单选题，答案不提交。
b. 打开“KS\ecnu_ks_a\root\test\tm.htm”，按要求完成“二、程序填空”和“三、程序编写”题，按要求保存文件，并提交到水杉码园。

@51205903009 助教老师
1）请帮忙补充以上作业要求1）中的三份素材文件。
2）ks的答案已放到assistant仓库中，名为“单元测.rar” 。

KS.zip

58 KiB

补充 5.3.5 实践题素材

素材.zip

1.9 KiB

👍 1 👀 3 ❤️ 1 🎉 1 😆 2 🚀 2

sy5-3-3的结果和书上不一致

sy5-3-3.png

242 KiB

这样的情况也可以吗

image.png

8.5 KiB

这样的情况也可以吗

我的也是这个结果

答案和课本上不一样欸？？？

image.png

54 KiB

捕获.PNG

38 KiB

P248实践题第三题，书上的成年儿子身高数据，最后一项改成175，得到的结果是和书上的一样的，如果是178，大家的结果没问题，应该是印刷错误。@liuyao928_163_com

👍 4 😕 1

同样的问题，如果已经有两位同学提出来，大家就不要复读了，要不评论区太乱了（T==T）

👍 3 👀 2 ❤️ 1

fillblank_2 素材里的标准差打错了题目是5，素材里写成了50!

image.png

9.8 KiB

屏幕截图 2021-05-27 153007.jpg

16 KiB

为什么sy5-3-1中from sklearn import datasets,linear_model # 导入线性回归库
而sy5-3-2中from sklearn.linear_model import LinearRegression # 导入线性回归库

ks\单选题-15-2.txt中每道题后面的字母是答案吗？因为好像选项中没有ABCD之类的

sy5-3-3.py中的结果运行和书本上的不一样

为什么sy5-3-1中from sklearn import datasets,linear_model # 导入线性回归库
而sy5-3-2中from sklearn.linear_model import LinearRegression # 导入线性回归库

linear_model相当于sklearn库里的一个小库，LinearRegression又是linear_model里的一个小库（这个好像之前就回复过），这样导入的话，如果程序非常非常复杂，会减少导入的一点时间（我猜的），但是对于比较简单的程序来说，没啥区别

为什么sy5-3-1中from sklearn import datasets,linear_model # 导入线性回归库
而sy5-3-2中from sklearn.linear_model import LinearRegression # 导入线性回归库

sy-5-3-1 from sklearn import datasets,linear_model不用写 datasets,书上这句话是导入了两个库，如果单纯导入线性回归库直接from sklearn import linear_model，下面那个或许是更复杂的运算

ks\单选题-15-2.txt中每道题后面的字母是答案吗？因为好像选项中没有ABCD之类的

A就是第一项，这么理解

资源提示和题目要求不一样，按题目来吗？

image.png

512 KiB

卷子里第一道程序题和给我们文件里的要求不一样耶

image.png

2.3 KiB

image.png

2.0 KiB

请问assistant仓库在哪儿

卷子里第一道程序题和给我们文件里的要求不一样耶

np.random.seed(int(input())) 这个seed是什么意思啊

第三大题的第一题文件没有办法解码，数据导不进去

捕获1.PNG

109 KiB

fillblank3给的资源跟题目完全不匹配

请问assistant仓库在哪儿

我的仓库，有答案，你们看不到呀

卷子里第一道程序题和给我们文件里的要求不一样耶

按题目来

程序题第二题标准差是5还是50？题目和模板不一样

第三大题的第2题老师给的原本程序也会报错

2.PNG

112 KiB

程序题第二题标准差是5还是50？题目和模板不一样

5，按题目来

👀 1

np.random.seed(int(input())) 这个seed是什么意思啊

seed自己设置一样的话两次随机的结果才一样，如果不自己设置的话系统根据时间选择那每次随机结果不一样

为什么我的数据和试卷给的数据会有差异啊。

22.png

809 KiB

#fillblank_4.py
import numpy as np
import pandas as pd
data = {"weekday":["Mon.","Tues."," Wed.","Thur.","Fri.","Sat."],
"temperature":[ 9,16,np.nan,14,11,5]}
df=pd.DataFrame(data)
df['temperature'].fillna(df['temperature'].max(),inplace=True)
df=df.append(pd.DataFrame('Sun.','8',index=[6],columns=['weekday','temperature']),ignore_index=True)
df['temperature']=df['temperature'])*0.05+df['temperature']
print(df[df['temperature']>10])

'>=' not supported between instances of 'float' and 'str'
不知道在哪儿，怎么变成的字符串的

为什么我的数据和试卷给的数据会有差异啊。

标准差5 ，按题目来

#fillblank_4.py
import numpy as np
import pandas as pd
data = {"weekday":["Mon.","Tues."," Wed.","Thur.","Fri.","Sat."],
"temperature":[ 9,16,np.nan,14,11,5]}
df=pd.DataFrame(data)
df['temperature'].fillna(df['temperature'].max(),inplace=True)
df=df.append(pd.DataFrame('Sun.','8',index=[6],columns=['weekday','temperature']),ignore_index=True)
df['temperature']=df['temperature'])*0.05+df['temperature']
print(df[df['temperature']>10])

'>=' not supported between instances of 'float' and 'str'
不知道在哪儿，怎么变成的字符串的

append()函数的格式不对

考卷全部自己写的第二题pro2怎么联结相加呀，我目前写的是这样的，不太行

pd=pd.merge(dict_data.values(),how='left',left_on='公司')
#df=pd.concat(dict_data.values(),ignore_index=True)

考卷全部自己写的第二题pro2怎么联结相加呀，我目前写的是这样的，不太行

pd=pd.merge(dict_data.values(),how='left',left_on='公司')
#df=pd.concat(dict_data.values(),ignore_index=True)

以及怎么按行求和呀

KS第三大题的第二题

#第一步：调用pandas包
import pandas as pd
#第二步：读取数据
iris = pd.read_excel('smartphone.xlsx',None)#读入数据文件
keys = list(iris.keys())
#第三步：数据合并
iris_concat = pd.DataFrame()
for i in keys:
    iris1 = iris[i]
    iris_concat = pd.concat([iris_concat,iris1])
print(iris_concat)

可以先用这个素材

😕 1 🚀 1

考卷全部自己写的第二题pro2怎么联结相加呀，我目前写的是这样的，不太行

pd=pd.merge(dict_data.values(),how='left',left_on='公司')
#df=pd.concat(dict_data.values(),ignore_index=True)

以及怎么按行求和呀

按行求和自己先想想，之前那个素材有问题

KS第三大题的第二题

#第一步：调用pandas包
import pandas as pd
#第二步：读取数据
iris = pd.read_excel('smartphone.xlsx',None)#读入数据文件
keys = list(iris.keys())
#第三步：数据合并
iris_concat = pd.DataFrame()
for i in keys:
    iris1 = iris[i]
    iris_concat = pd.concat([iris_concat,iris1])
print(iris_concat)

可以先用这个素材
为什么还算是读取不了啊（只单纯运行这个程序素材）

_7P5_DSI1K`S[)LXQ%F[IGA.png

4.7 KiB

操作题怎么读取文件啊
我文件都读不出来

第三大题读取文件怎么读啊，一直报错。
第二题运行的时候给定的程序也会报错。

为什么填空题第四题
我写df['temperature'].fillna({'temperature':df['temperature'].max()},inplace=True)
结果会少掉wednesday那一行啊

我发现第三大题的第一题的csv文件需要用记事本打开，然后另存为utf-8编码(在“确定”的左边)就可以读取文件了

np.random.seed(int(input())) 这个seed是什么意思啊

seed自己设置一样的话两次随机的结果才一样，如果不自己设置的话系统根据时间选择那每次随机结果不一样

那我们在输入的时候数据有要求么，还是随便输一个

程序填空第四题，这个append的正确格式应该是啥样啊

image.png

39 KiB

程序填空第四题，这个append的正确格式应该是啥样啊

改好了，df=df.append({"weekday":"Sun","temperature":8},ignore_index=True)，应该是格式有点问题

👍 1

老师程序编写题目第二题有没有参考答案呀，按公司分类那一块不是很会

老师程序编写题目第二题有没有参考答案呀，按公司分类那一块不是很会
按公司分类那一块可以用groupby函数

👍 1

zhe'han这行有错吗？为什么结果多一列nan

image.png

362 KiB

第二道程序设计题里用到的pd.concat书上有提到吗？感觉没看到过

zhe'han这行有错吗？为什么结果多一列nan

我觉得是fillna那行有错，给定程序里多了"['temperature']"

老师程序编写题目第二题有没有参考答案呀，按公司分类那一块不是很会
按公司分类那一块可以用groupby函数

groupby后面就变成只读了欸..之后要写啥别的嘛

@51205903009 小孟，本次作业如果已经批改完成了，可以把ks的答案添加到本issue，发给大家。

测试的答案，大家可以参考，第三大题素材参考将前边的内容替换成下边的代码即可运行，否则可能无法运行。

#第一步：调用pandas包
import pandas as pd
#第二步：读取数据
iris = pd.read_excel('smartphone.xlsx',None)#读入数据文件
keys = list(iris.keys())
#第三步：数据合并
iris_concat = pd.DataFrame()
for i in keys:
    iris1 = iris[i]
    iris_concat = pd.concat([iris_concat,iris1])
print(iris_concat)

ans.zip

13 KiB

我计算出来的数值比答案大ei

公司销售额最高是2270.90万元
本年度销售汇总：
第1季度 2517.6
第2季度 2992.4
第3季度 2870.8
第4季度 2670.3
总计 11051.1
dtype: float64

数据集的目标值和特征名称有什么区别啊

#找出第1季度值缺失的公司
mask=df1['第1季度'].isnull()
这里这个isnull在书上哪里出现过吗是什么用呢

#找出第1季度值缺失的公司
mask=df1['第1季度'].isnull()
这里这个isnull在书上哪里出现过吗是什么用呢

书上应该没有，判断缺失（空值）的

如何打出series的index（索引名）？series.index()吗

如何打出series的index（索引名）？series.index()吗

好像不行

如何打出series的index（索引名）？series.index()吗

好像不行

series.index么

Anmelden, um an der Diskussion teilzunehmen.

Kein Label

Kein Meilenstein

Niemand zuständig

26 Beteiligte

Nachrichten

Fällig am

Kein Fälligkeitsdatum gesetzt.

Abhängigkeiten

Dieses Issue hat momentan keine Abhängigkeiten.