python第五、六次作业

第五次作业

一、处理日期时间

取系统时间

转换成‘2017年9月30日星期六10时28分56秒’格式字符串

’2018-10-25 22:00‘转换成一个日期时间变量

计算两者的间隔

 

二、问题：

• 数列：
• a = a1,a2,a3,·····,an
• b = b1,b2,b3,·····,bn
• 求：
• c = a12+b13,a22+b23,a32+b33,·····+an2+bn3

1.用列表+循环实现，并包装成函数

2.用numpy实现，并包装成函数

3.对比两种方法实现的效率，给定一个较大的参数n，用运行函数前后的timedelta表示。

 

三、尝试把a,b定义为三层嵌套列表和三维数组，求相对应元素的ai2+bi3

对比两种数据类型处理方法及效率的不同。

 

 

 

1 2 3 4 5 6 7 8 9 10 11 12 13 14

import datetime a=datetime.datetime(2019,5,8) print(a) b=datetime.datetime.now() print(b) from datetime import datetime c=datetime.strptime('2017年9月30日星期六10时28分26秒','%Y年%m月%d日星期六10时28分26秒') print(c) d=b.strftime('%a, %b d %H:%M') print(d) print('今天是{0:%y}年的第{0:%j}天'.format(datetime.now())) from datetime import timedelta f=a-b print('到2019年还有{}天'.format(f.days))

　　

1 2 3 4 5 6 7 8 9 10

n=10 def numSum(n):     a=list(range(n))     b=list(range(0,n*5,5))     c=[]     for i in range(len(a)):         c.append(a[i]**2+b[i]**3)     return (c)   print(numSum(n))

　　

1 2 3 4 5 6 7

import numpy as np def npSum(n):     a =np.arange(n)     b= np.arange(0,n*5,5)     c= a**2 + b**3     return (c) print(npSum(10))

　　

1 2 3 4 5 6 7 8 9 10 11 12 13

from datetime import datetime start = datetime.now()   from  Numpy import  numSum numSum(10000) delta = datetime.now()-start print(delta)   from Numpy1 import  npSum start = datetime.now() npSum(10000) delta = datetime.now()-start print(delta)

　　

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

import numpy from datetime import  datetime from Numpy import  numSum from Numpy1 import   npSum def listSum(n):     a = numpy.arange(n)     b = numpy.arange(0,5*n,5)     c = numpy.array([[a,b],[a**2,b**3]])     return (c) print(npSum(10))   start = datetime.now() listSum(100000) time = datetime.now()-start print(time)

　　

 

第六次作业

1. 安装scipy，numpy，sklearn包

2. 从sklearn包自带的数据集中读出鸢尾花数据集data

3.查看data类型，包含哪些数据

4.取出鸢尾花特征和鸢尾花类别数据，查看其形状及数据类型

5.取出所有花的花萼长度(cm)的数据

6.取出所有花的花瓣长度(cm)+花瓣宽度(cm)的数据

7.取出某朵花的四个特征及其类别。

8.将所有花的特征和类别分成三组，每组50个

9.生成新的数组，每个元素包含四个特征+类别

10.计算鸢尾花花瓣长度的最大值，平均值，中值，均方差。

11.显示鸢尾花某一特征的曲线图，散点图。

 

from sklearn.datasets import load_iris
import numpy as np
data=load_iris()#鸢尾花数据集data
print(type(data))#查看数据集的类型
print(data.keys())#包含的数据

data_tgs=data ['target']##鸢尾花特征
data_tgsname=data['target_names']##鸢尾花的类别数据
data_ts=data_tgsname,data_tgs#鸢尾花特征和鸢尾花的类别数据
print(data_ts)#形状
print(type(data_ts))#数据类型

#取出所有花的花萼长度
data_sepal_l=np.array([x[0] for x in data['data']])
data_sepal_l

data_petal_l=[x[2] for x in data['data']]#所有花花瓣的长度
data_petal_w=[x[3] for x in data['data']]#所有花花瓣的宽度
data_petal_l_w=np.array([data_petal_l,data_petal_w])#所有花花瓣的长度和宽度
data_petal_l_w

#7某朵花的四个特征和类别
data_flower=(data['data'][0],data['target_names'][0])
data_flower
#8定义三个列表来存放不同类型花朵的类别
data_setosa=[]  #存放类为0的花朵
data_versicolor=[] #存放类为1的花朵
data_virginica=[] #存放类为2的花朵
len(data['data'])
for i in  range(0,150):
    if data['target'][i]==0:      #类别为setosa
        datas=data['data'][i].tolist()
        datas.append('setosa')
        print(data_setosa.append(datas))
    elif data['target'][i]==1:    #类别为versicolor
        datas=data['data'][i].tolist()
        datas.append('versicolor')
        data_versicolor.append(datas)
    else:
        datas=data['data'][i].tolist()#类别为virginica
        datas.append('virginica')
        data_virginica.append(datas)
#9形成新的数组来存放三个类别的花朵
new_data=(np.array([data_setosa,data_versicolor,data_virginica]))
print(new_data)