【实习报告】Python实训报告

一、专业实习内容

1)python基础语法，数据类型及其操作，函数的语法结构

2)异常处理，文件操作

3)Matplotlib画图功能

4)无监督学习算法 K-MEANS算法 监督学习算法KNN算法

5)Python面向对象设计和爬虫

二、具体实习内容

1)python基础语法，数据类型及其操作：主要学习基础语法:分支结构，循环结构语句，元组，数组，字典等存储结构的基础语法和相互转化，和函数的语法结构：

name='杨满';

str1='中国高铁被外界誉为当代中国的“新四大发明”之一(新四大发明包括：高铁，扫码支付，共享单车，网上购物)，据悉，中国高铁-复兴号目前最高时速为350公里每小时，5年之内将提速30%达到()公里每小时，以更快的速度助力中国经济。新华社记者-()';

a=str1.find("最高时速为")

b=str1.find("公里每小时")

tisu=str1.find("提速")

tisu+=3;

dadao=str1.find("达到")

jizhe=str1.find("记者-(")

c=a+5

currentSpeed =int(str1[c:b])

currentRate=int(str1[tisu-1:dadao-1])

currentRate=currentRate/100;

newSpeend=currentSpeed+currentSpeed*currentRate;

newspeed=str(newSpeend)

str2=list(str1);

str2.(dadao+3,newspeed)

str2.(jizhe+5,name)

greatChina=''.join(str2)

print(greatChina)

2)异常处理和文件处理：

主要学习了异常处理的基础语法，和设置异常处理的原则，文件的读写

def fun_error():

print("请重新输入，您刚才输入的省份不存在")

def fun_error2():

print("算错了")

try:

prove['广西']

except KeyError:

fun_error()

try:

print(1/0)

except ZeroDivisionError:

fun_error2()

fun_error2()

f=open("ni.txt",'r',encoding='utf-8')

data=f.read()

print(data)

f.write("欢迎")

f.close()

3)matplotlib画图实现：

主要学习将数据展示位散点图和折线图的方法：

import matplotlib.pyplot as plt

import numpy as np

plt.rcParams['font.sans-serif'] = 'SimHei'

plt.rcParams['axes.unicode_minus'] = False

p1=plt.figure()

plt.title("杨满+2015080332096+1949,1956,1960年代乘客数据分析")

plt.xlabel("月份")

plt.ylabel("人数")

plt.xlim(1,13) # 设定x轴范围

plt.ylim((100, 650))

plt.xticks(np.arange(1, 13, step=1))

plt.yticks(np.arange(0, 650, step=50))

year_1949=(112,118,132,129,121,135,148,148,136,119,104,118)

year_1956=(284,277,317,313,318,313,318,374,413,405,355,306)

year_1960=(417,391,419,461,472,535,622,606,508,461,390,432)

plt.plot(year_1949,color='red',linewidth=4.0,linestyle='-.',marker='*',markersize=10)

plt.plot(year_1956,color='blue',linewidth=3.0,linestyle='--',marker='s',markersize=10)

plt.plot(year_1960,color='yellow',linewidth=2.0,linestyle=':',marker='^',markersize=10)

plt.legend(['1949年代','1956年代','1960年代'])

plt.savefig('d:/home1.png')

plt.show()

4)k-means算法 和k-nn算法

主要学习了非监督学习和监督学习中两个最基础的算法，了解了算法的编程思想和动手实现了算法：

K-means算法：

import matplotlib.pyplot as plt

import numpy as np

import random

from numpy import *

import math

#初始图

plt.rcParams['font.sans-serif'] = 'SimHei'

plt.rcParams['axes.unicode_minus'] = False

p1=plt.figure(figsize=(8,6),dpi=80)

plt.xlabel("平均消费周期")

plt.ylabel("每次消费金额")

plt.xlim(1,100) # 设定x轴范围

plt.ylim((0, 800))

# plt.xticks(np.arange(1, 100, step=1))

# plt.yticks(np.arange(0, 800, step=10))

x=[10,13,17,67,35,1,10,12,8,1,32,3,90,1,16,31,25]

y=[317,147,172,194,789,190,281,142,186,226,287,499,181,172,190,271,382]

plt.scatter(x, y)

#参数规定

k_number=3

x_random=[]

y_random=[]

dic=[]

result_x_num0=[]

result_y_num0=[]

result_x_num1=[]

result_y_num1=[]

result_x_num2=[]

result_y_num2=[]

#随机生成类聚中心点坐标

for i in range (0,k_number):

random_kid_x=random.randint(1,100)

x_random.append(random_kid_x)

random_kid_y=random.randint(0,800)

y_random.append(random_kid_y)

x_randomz_first=x_random#存放第一次聚类中心的x坐标

y_random_first=y_random#存放第一次聚类中心的y坐标

x_randomz_second=[0,0,0]#存放第二次聚类中心的x坐标

y_random_second=[0,0,0]#存放第二次聚类中心的y坐标

result_x_num0 = []#存放0号类的x的坐标

result_y_num0 = []#存放0号类的y的坐标

result_x_num1 = []#存放1号类的x的坐标

result_y_num1 = []#存放1号类的y的坐标

result_x_num2 = []#存放2号类的x的坐标

result_y_num2 = []#存放2号类的y的坐标

result_x=0

result_y=0

相关推荐

【Python培训 】从小白到大咖 打造Python精英人才

【Python入门免费课程】引领编程开发新趋势