400-650-7353

                                  精品课程

                                  您所在的位置:首页 > 大学生就业 > 【实习报告】Python实训报告

                                  【实习报告】Python实训报告

                                  • 来源:优就业
                                  • 2018-11-08 15:59:51
                                  • 阅读()
                                  • 分享
                                  • 手机端入口

                                  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

                                  >>本文地址:
                                  注:本站稿件未经许可不得转载,转载请保留出处及源文件地址。

                                  申请免费试听课程
                                  课程干货资料
                                   

                                  相关推荐

                                  从入门到进阶
                                  免费干货资料

                                  进群即领(备注:500G)
                                  进群即领
                                  (备注:500G)
                                   
                                   
                                  能提现的游戏