数据科学专业问答社区，好文章，一字千金--CDA答疑社区

热线电话：13121318867

登录

wo56565

什么是指令和程序？

计算机的硬件系统通常由五大部件构成，包括：运算器、控制器、存储器、输入设备和输出设备。其中，运算器和控制器放在一起就是我们通常所说的中央处理器，它的功能是执行各种运算和控制指令以及处理计算机软件中的数据。我们通常所说的程序实际上就是指令的集合，我们程序就是将一系列的指令按照某种方式组织到一起，然后通过这些指令去控制计算机做我们想让它做的事情。今天我们使用的计算机虽然器件做工越来越精密，处理能力越来

50.0000

1

6

0

关注作者

收藏

wo56565

个人所得税计算器。

salary = float(input('本月收入: '))insurance = float(input('五险一金: '))diff = salary - insurance - 3500if diff

0.0000

0

2

0

关注作者

收藏

PGC123

如何判断一个模型的好坏？

如何判断一个模型的好坏？答：一个模型的好坏主要从如下方面判断：1。是否具备清晰的概念、足够的准确性2。计算效率与表现形式3。可移植性（推广应用价值）4。易用性

0.0000

0

6

0

关注作者

收藏

wo56565

输入三条边长如果能构成三角形就计算周长和面积

import matha = float(input('a = '))b = float(input('b = '))c = float(input('c = '))if a + b > c and a + c > b and b + c > a: print('周长: %f' % (a + b + c)) p = (a + b + c) / 2 area = m

0.0000

0

1

0

关注作者

收藏

wo56565

掷骰子决定做什么

from random import randintface = randint(1, 6)if face == 1: result = '唱首歌'elif face == 2: result = '跳个舞'elif face == 3: result = '学狗叫'elif face == 4: result = '做俯卧撑'elif face ==

0.0000

0

3

0

关注作者

收藏

wo56565

英制单位与公制单位互换

value = float(input('请输入长度: '))unit = input('请输入单位: ')if unit == 'in' or unit == '英寸': print('%f英寸 = %f厘米' % (value, value * 2.54))elif unit == 'cm' or unit == '厘米': print('%f厘米 = %f英寸' % (

0.0000

0

1

0

关注作者

收藏

wo56565

实现判断一个数是不是素数的函数。

def is_prime(num): for factor in range(2, num): if num % factor == 0: return False return True if num != 1 else False

0.0000

0

0

0

关注作者

收藏

wo56565

输入一个数判断是不是素数。

from math import sqrtnum = int(input('请输入一个正整数: '))end = int(sqrt(num))is_prime = Truefor x in range(2, end + 1): if num % x == 0: is_prime = False breakif is_prime and num !

0.0000

0

4

0

关注作者

收藏

wo56565

python2和python3区别？列举5个

1、Python3 使用 print 必须要以小括号包裹打印内容，比如 print('hi')Python2 既可以使用带小括号的方式，也可以使用一个空格来分隔打印内容，比如 print 'hi'2、python2 range(1,10)返回列表，python3中返回迭代器，节约内存3、python2中使用ascii编码，python中使用utf-8编码4、python2中unic

0.0000

0

2

0

关注作者

收藏

wo56565

简述面向对象中__new__和__init__区别

1、__new__至少要有一个参数cls，代表当前类，此参数在实例化时由Python解释器自动识别2、__new__必须要有返回值，返回实例化出来的实例，这点在自己实现__new__时要特别注意，可以return父类（通过super(当前类名, cls)）__new__出来的实例，或者直接是object的__new__出来的实例3、__init__有一个参数self，就是这个__new__

200.0000

1

4

0

关注作者

收藏

W11YA

因子的使用

> patientID age diabetes status diabetes status

0.0000

0

2

0

关注作者

收藏

W11YA

变量重命名

将重命名date为testDate，就像以下代码演示的一样：> names(leadership)[1] "manager" "date" "country" "gender" "age" "q1" "q2"[8] "q3" "q4" "q5"> names(leadership)[2] leadershipmanager testDate c

0.0000

0

3

0

关注作者

收藏

W11YA

按列位置排序

除了能用列名指定排序顺序外，order by还支持相对列位置的排序select prod_id,prod_price,prod_namefrom Productsorder by 2,3;#order by 2,3表示先按prod_price,再按 prod_name进行排序。

0.0000

0

2

0

关注作者

收藏

W11YA

元祖是什么

元组通过圆括号（或者什么都不加）而不是方括号来给出具体的描述：my_list = [1, 2]my_tuple = (1, 2)other_tuple = 3, 4my_list[1] = 3 # my_list现在是[1, 3]try:my_tuple[1] = 3except TypeError:print "cannot modify a tuple"元组是通过函数返回

0.0000

0

1

0

关注作者

收藏

W11YA

填充缺失值：fillna

fillna() 可以通过几种方式用非NA数据“填写”NA值，我们将说明：用标量值替换NAIn [41]: df2Out[41]:one two three four five timestampa NaN 0.501113 -0.355322 bar False NaTc NaN 0.580967 0.983801 bar False NaTe 0.057802 0.

0.0000

0

1

0

关注作者

收藏

W11YA

group by中的NA值

GroupBy中的NA组被自动排除。此行为与R一致，例如：In [39]: dfOut[39]:one two threea NaN 0.501113 -0.355322c NaN 0.580967 0.983801e 0.057802 0.761948 -0.712964f -0.443160 -0.974602 1.047704h NaN -1.053898 -

0.0000

0

2

0

关注作者

收藏

W11YA

数据库中按列位置排序

order by支持相对列位置的排序select prod_id,prod_price,prod_namefrom Productsorder by 2,3;#order by 2,3表示先按prod_price,再按 prod_name进行排序。

0.0000

0

7

0

关注作者

收藏

W11YA

K近邻算法优缺点

k-近邻算法采用测量不同特征值之间的距离方法进行分类。它的工作原理是：存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）的分类标签。一般来说，我们只选择样本数据集中前k个最相似的数据，这就是

0.0000

0

1

0

关注作者

收藏

W11YA

pandas中合并两个csv文件

CSV1ID_ CUSTOMER_ID_ EMAIL_ADDRESS_1090 1 example1@example.com1106 2 example2@example.com1145 3 example3@example.com1206 4 example4@example.com1247 5 example5@example.com1254 6 example6@

0.0000

0

0

0

关注作者

收藏

詹惠儿

用线性和多项式回归预测新结果

用线性和多项式回归预测新结果。# Predicting a new result with Linear Regression lin.predict(110.0) # Predicting a new result with Polynomial Regression lin2.predict(poly.fit_transform(110.0)) plt.plot(X, lin2

0.0000

0

1

0

关注作者

收藏

<1…342343344…531>

CDA考试动态

CDA报考指南