Python数据分析-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

wo56565

输入两个正整数，计算最大公约数和最小公倍数。

x = int(input('x = '))y = int(input('y = '))if x > y: x, y = y, xfor factor in range(x, 0, -1): if x % factor == 0 and y % factor == 0: print('%d和%d的最大公约数是%d' % (x, y, factor))

40.0000

1

3

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

python中生成随机整数、随机小数、0--1之间小数方法

随机整数：random.randint(a,b),生成区间内的整数随机小数：习惯用numpy库，利用np.random.randn(5)生成5个随机小数0-1随机小数：random.random(),括号中不传参

40.0000

1

1

0

关注作者

收藏

wo56565

简述with方法打开处理文件帮我我们做了什么？

打开文件在进行读写的时候可能会出现一些异常状况，如果按照常规的f.open写法，我们需要try,except,finally，做异常判断，并且文件最终不管遇到什么情况，都要执行finally f.close()关闭文件，with方法帮我们实现了finally中f.close

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

wo56565

谈下python的GIL

GIL 是python的全局解释器锁，同一进程中假如有多个线程运行，一个线程在运行python程序的时候会霸占python解释器（加了一把锁即GIL），使该进程内的其他线程无法运行，等该线程运行完后其他线程才能运行。如果线程运行过程中遇到耗时操作，则解释器锁解开，使其他线程运行。所以在多线程中，线程的运行仍是有先后顺序的，并不是同时进行。多进程中因为每个进程都能被系统分配资源，相当于每个进程有

75.0000

1

2

0

关注作者

收藏

wo56565

列出5个常用的python标准库

os：提供了不少与操作系统相关联的函数sys: 通常用于命令行参数re: 正则匹配math: 数学运算datetime:处理日期时间

0.0000

0

1

0

关注作者

收藏

wo56565

Python有哪些特点和优点？

作为一门编程入门语言，Python主要有以下特点和优点：可解释具有动态特性面向对象简明简单开源具有强大的社区支持

40.0000

1

1

0

关注作者

收藏

詹惠儿

拟合预测模型

拟合预测模型（此处为随机森林）由于Random fored是来自sklearn.ensemble的集合模型（由许多树组成），因此导入RandomForestClassifier类使用501树或“n_estimators”，标准为“熵”通过.fit（）方法使用属性X_train和y_train拟合模型# Fitting Random Forest Classification # to

0.0000

0

0

0

关注作者

收藏

詹惠儿

python如何训练语料库

我们还可以设置最大数量的功能（最大功能，这些功能最有助于通过属性“max_features”）。对语料库进行训练，然后将相同的变换应用于语料库“.fit_transform（语料库）”，然后将其转换为数组。如果评论是肯定的或否定的，答案在第二列：dataset [：，1]：所有行和第1列（从零开始索引）。# Creating the Bag of Words model from sklea

40.0000

1

3

0

关注作者

收藏

詹惠儿

通过稀疏矩阵制作单词包

通过稀疏矩阵制作单词包在数据集中获取所有不同的评论单词，而不重复单词。每个单词一列，因此会有很多列。行是评论如果评论数据集的行中有单词，那么单词的列数将出现在单词列下的单词行中。示例：让我们只对两篇评论进行评论输入：“steak food”，“good dam”输出： a

0.0000

0

3

0

关注作者

收藏

詹惠儿

文本清理或预处理

文本清理或预处理删除标点符号，数字：标点符号，数字对给定文本的处理过程没有多大帮助，如果包含它们，它们只会增加我们将作为最后一步创建的单词包的大小并降低算法的效率。词干：扎根这个词a将每个单词转换为小写：例如，在不同的情况下使用相同的单词是无用的（例如'good'和'GOOD'）。

0.0000

0

3

0

关注作者

收藏

詹惠儿

自然语言处理（NLP）是计算机科学和人工智能领域，涉及计算机与人类（自然）语言之间的相互作用，特别是如何对计算机进行编程以处理和分析大量自然语言数据。它是机器学习的一个分支，它涉及分析任何文本和处理预测分析。Scikit-learn是一个用于Python编程语言的免费软件机器学习库。Scikit-learn主要用Python编写，一些用Cython编写的核心算法来实现性能。Cython是Py

40.0000

1

3

0

关注作者

收藏

詹惠儿

使用多项式回归的优缺点

使用多项式回归的优点：广泛的功能可以适应它。多项式基本上适合宽范围的曲率。多项式提供了依赖变量和自变量之间关系的最佳近似。使用多项式回归的缺点这些对异常值过于敏感。数据中存在一个或两个异常值会严重影响非线性分析的结果。此外，遗憾的是，用于检测非线性回归中的异常值的模型验证工具少于线性回归。

0.0000

0

3

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

詹惠儿

使用线性和多项式回归预测新结果

使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)) title('Polynomial

0.0000

0

2

0

关注作者

收藏

詹惠儿

如何使用散点图可视化线性回归结果

使用散点图可视化线性回归结果：# Visualising the Linear Regression results plt.scatter(X, y, color = 'blue') plt.plot(X, lin.predict(X), color = 'red') plt.title('Linear Regression') plt.xlabel('Temperature')

0.0000

0

6

0

关注作者

收藏

詹惠儿

如何划分数据

将数据集分为2个组件将数据集划分为两个组件，即X和yX将包含1到2之间的列.y将包含2列。X = datas.iloc[:, 1:2].values y = datas.iloc[:, 2].values 将线性回归拟合到数据集拟合线性回归模型在两个组件上。# Fitting Linear Regression to the dataset from sklearn.l

0.0000

0

2

0

关注作者

收藏

詹惠儿

为什么用多项式回归

多项式回归是一种线性回归形式，其中自变量x和因变量y之间的关系被建模为n次多项式。多项式回归拟合x的值与y的相应条件均值之间的非线性关系，表示为E（y | x）为什么用多项式回归：研究人员假设的某些关系是曲线的。显然，这种类型的案例将包括多项式项。检查残差。如果我们尝试将线性模型拟合到曲线数据，则预测变量（X轴）上的残差（Y轴）的散点图将在中间具有许多正残差的斑块。因此，在这种情况下，这

40.0000

1

3

0

关注作者

收藏

<1…474849…123>

CDA考试动态

CDA报考指南