精华内容
下载资源
问答
  • 此篇博客仅限于本人数据可视化小组作业运行API服务,特此标注 一、安装Python3环境以及PyCharm        参考这篇博客:...

    此篇博客仅限于本人数据可视化小组作业运行API服务,特此标注

    一、安装Python3环境以及PyCharm
           参考这篇博客:https://blog.csdn.net/qq_40197828/article/details/82774588
    二、安装Python相关的库
    在任意位置git bash或者命令行执行以下的命令
           1.安装pandas库:pip3 install pandas
           2.安装django库:pip3 install django
           3.安装django的headers:pip3 install django-cors-headers
    三、打开项目配置环境
    项目地址:https://github.com/chuntaojun/Data-Visual-Team
    数据地址:https://pan.baidu.com/s/1TthOGCjshZrU9-qzTEAyhA
           请自行git clone到本地,安装好以上库文件后,用PyCharm打开git clone下来的项目,打开后的界面如图所示。
    在这里插入图片描述
    1.配置本项目的python,点击设置setting,然后按照如图提示配置刚刚安装好的python,可以看到相应的库文件也显示在下方。
    在这里插入图片描述
    2.将数据地址换成自己本地的绝对地址,注意Windows下地址的转义符,路径中单个\要写成两个斜杠。
    在这里插入图片描述
    3.配置好后点击启动可以看到提示的服务器地址,点开地址即可在浏览器打开。在这里插入图片描述
    4.输入下面对应的api服务到地址栏中即可运行该api服务,以第一个为例(因为其他需要传参)
    在这里插入图片描述
    5.可以看到第一个接口中的数据,该API服务即处于运行状态。如果可视化的时候需要调用该API显示数据,即要先运行该服务。
    在这里插入图片描述
    6.刚刚我发现其实只要在Pycharm中运行该项目,服务器端就处于运行状态,即可调用接口,用到接口时候就将该项目处于启动状态就好,下面是第一个API接口显示的点图数据可视化效果。
    在这里插入图片描述
    在这里插入图片描述
    7.最后一句话:下次再调用任何接口时只要启动该项目(服务器端)再调用ajax请求数据即可。

    展开全文
  • 作业链接:https://mp.weixin.qq.com/s/Jj6b_F25TsbziYxedr-jHg知识点:假设检验本周是统计学学习小组-第二期的第十一周,我们这周的学习内容是假设检验实践,主要是使用python对我们上周学习的内容进行实践~ 本周...

    作业链接:

    https://mp.weixin.qq.com/s/Jj6b_F25TsbziYxedr-jHg

    知识点:假设检验

    本周是统计学学习小组-第二期的第十一周,我们这周的学习内容是假设检验实践,主要是使用python对我们上周学习的内容进行实践~ 本周需要解决的几个小问题:

    1、人体体温的总体均值是否为98.6华氏度?

    2、人体的温度是否服从正态分布?

    3、人体体温中存在的异常数据是哪些?

    4、男女体温是否存在明显差异?

    5、体温与心率间的相关性(强?弱?中等?)

    引申出来的点:你要怎么向运营或者产品的同事展示数据结果?

    具体过程及实现参照如下:

    导入所需的包

    import pandasas pd

    import pylab

    import math

    import numpyas np

    import matplotlib.pyplotas plt

    #%matplotlib inline

    from scipy.statsimport norm

    import scipy.stats

    import warnings

    warnings.filterwarnings("ignore")

    #df = pd.read_csv("http://ww2.amstat.org/publications/jse/datasets/normtemp.dat.txt", sep="  ",names=['Temperature', 'Gender', 'Heart Rate'])

    df = pd.read_csv('D:/Users/Downloads/test.csv',  sep=",", names=['Temperature', 'Gender', 'Heart Rate'])

    df.head()

    df.describe()

    # 1.验证98.6为平均温度

    from scipyimport stats

    CW_mu =98.6

    stats.ttest_1samp(df['Temperature'], CW_mu, axis=0)

    # T-Stat -5.454 p-value 近乎0,拒绝原假设

    #Ttest_1sampResult(statistic=-5.454823292364077, pvalue=2.410632041561008e-07)

    # 2.人体的温度是否服从正态分布?

    #采用shapiro_wiki进行判断,由返回的p_value进行判断,若p_value>0.05,则可认为该数据集近似于正态分布

    #1.计算均值和标注差   前提检验正态分布 图示如下

    observed_temperatures = df['Temperature'].sort_values()

    bin_val = np.arange(start=observed_temperatures.min(), stop=observed_temperatures.max(), step=50)

    mu, std = np.mean(observed_temperatures), np.std(observed_temperatures)

    p = norm.pdf(observed_temperatures, mu, std)

    plt.hist(observed_temperatures, bins=bin_val, normed=True, stacked=True)

    plt.plot(observed_temperatures, p, color='r')

    plt.xticks(np.arange(95.75, 101.25, 0.25), rotation=90)

    plt.xlabel('Human Body Temperature Distributions')

    plt.ylabel('human body temperature')

    plt.show()

    print("Average (Mu):" +str(mu) +"/ Standard Deviation:" +str(std))

    #Average(Mu): 98.24923076923076 / StandardDeviation: 0.7303577789050376

    # 2.1.确定指标进行正态检验

    x = observed_temperatures

    shapiro_test, shapiro_p = scipy.stats.shapiro(x)

    print("Shapiro-Wilk Stat:", shapiro_test, "Shapiro-Wilk p-Value:", shapiro_p)

    k2, p = scipy.stats.normaltest(observed_temperatures)

    print("k2:", k2, "p:", p)

    # 以上两种方法,p值大于0.05,认为正态分布

    # Another method to determining normality is through Quantile-Quantile Plots

    # 3.2 QQ图检查正态分布

    scipy.stats.probplot(observed_temperatures, dist='norm', plot=pylab)

    pylab.show()

    #Shapiro - WilkStat: 0.9865769743919373 Shapiro - Wilkp - Value: 0.2331680953502655

    #k2: 2.703801433319236 p: 0.2587479863488212

    # 另一种检测正态分布的方法

    def ecdf(data):

    # Compute ECDF

    n =len(data)

    x = np.sort(data)

    y = np.arange(1, n +1) / n

    return x, y

    # Compute empirical mean and standard deviation

    # Number of samples

    n =len(df['Temperature'])

    # Sample mean

    mu = np.mean(df['Temperature'])

    # Sample standard deviation

    std = np.std(df['Temperature'])

    print("Mean Temperature:", mu, "Standard deviation:", std)

    # 基于当前的均值和标准差,随机生成一个正态分布

    normalized_sample = np.random.normal(mu, std, size=10000)

    normalized_x, normalized_y = ecdf(normalized_sample)

    x_temperature, y_temperature = ecdf(df['Temperature'])

    # Plot the ECDFs

    fig = plt.figure(figsize=(8, 6))

    plt.plot(normalized_x, normalized_y)

    plt.plot(x_temperature, y_temperature, marker='.', linestyle='none')

    plt.xlabel('ECDF')

    plt.ylabel("Temperature")

    plt.legend(("Normal Distribution", "Sample data"))

    pylab.show()

    #Mean Temperature: 98.24923076923076 Standard deviation: 0.730357778905038

    #3.人体体温中存在的异常数据是哪些?

    percentile = np.percentile(df["Temperature"], [0, 25, 50, 75, 100])# 利用箱型图的四分位距来对数据进行异常的判断

    IQR = percentile[3] - percentile[1]

    up_limit = percentile[3] + IQR *1.5                                                                    # 上限设定为上四分位+1.5倍IQR(四分位距)距离

    down_limit = percentile[1] - IQR *1.5

    abnormal = df[(df["Temperature"] > up_limit) | (df["Temperature"] < down_limit)]

    print("依据箱型图测试异常数据为\n", abnormal)

    #4. 检验男女体温是否明显区别

    # 两独立样本t检验

    # H0:两样本没有明显差异,H1:有明显差异

    female_temperature = df.Temperature[df.Gender ==2]

    male_temperature = df.Temperature[df.Gender ==1]

    mean_female_temperature = female_temperature.mean()

    mean_male_temperature = male_temperature.mean()

    print("男体温均值:", mean_male_temperature, "女体温均值:", mean_female_temperature)

    # 两独立样本t检验

    t_stats, t_p_value = stats.ttest_ind(female_temperature, male_temperature, axis=0)

    print (t_p_value)

    if t_p_value<=0.05:

    print("异性之间在正常温度下存在明显差异")

    else:

    print("异性之间在正常温度不存在明显差异")

    # 由于p值0.024 < 0.05 ,拒绝原假设,我们有95%的自信度认为是有差异的

    #男体温均值:98.1046153846154 女体温均值: 98.39384615384616

    #Ttest_indResult(statistic=2.2854345381654984, pvalue=0.02393188312240236)

    #5.体温与心率间的相关性(强?弱?中等?)

    sorted_df = df[(df["Temperature"] <= up_limit) & (df["Temperature"] >= down_limit)]# 剔除上回所显示的异常数据

    pearson = sorted_df.corr()# 获取各个数据之间的相关性表

    temp_and_rate = pearson["Temperature"]["Heart Rate"]# 取人体温度与心率的系数结果

    if 0.8 < temp_and_rate <=1.0:# python中不存在switch-case语句

    print("人体的温度与心率具有相关性:极强")

    elif 0.6 < temp_and_rate <=0.8:

    print("人体的温度与心率具有相关性:强")

    elif 0.4 < temp_and_rate <=0.6:

    print("人体的温度与心率具有相关性:中等")

    elif 0.2 < temp_and_rate <=0.4:

    print("人体的温度与心率具有相关性:弱")

    elif 0 <= temp_and_rate <=0.2:

    print("人体的温度与心率具有相关性:极弱")

    其它打印结果:

    参考来源:

    展开全文
  • 我争取发挥自己的全部能力与余热去努力完成项目的要求,期望不仅能在这次团队作业中学到知识,更能够与其他组员增进交流。付博扬我是10061153付博扬,很荣幸成为76er的一员,不得不很惭愧的说我无论对于C++还是C#都...

    李栋

    我是李栋,很高兴能够和这么多才华横溢的组员一起组成一个团队共同进步,一起克服困难。我争取发挥自己的全部能力与余热去努力完成项目的要求,期望不仅能在这次团队作业中学到知识,更能够与其他组员增进交流。

    付博扬

    我是10061153付博扬,很荣幸成为76er的一员,不得不很惭愧的说我无论对于C++还是C#都是完全的菜鸟级,但我也会努力的,即使编程方面不如其他的“大腿”,但我也绝不会成为后腿,其他方面也会给出自己的想法,促进76er这一大家庭团结和睦,任务进展顺利。

    仰望ing~

    梁鸿

    我叫梁鸿,是100617班的一名学生,喜欢打篮球、乒乓球,在软件工程的团队分组中加入了“76er”这个团队,在我们团队之前的选数的小游戏中获得了第二的好成绩,我希望能在这个团结有爱的团队中贡献自己的力量,与大家携手努力完成团队项目!

    贺翔

    这是一个程序小菜鸟,大部分东西都处以懵懂状态,需要学习,需要在团队中充实自己。但我有一颗热情的心,可以积极学习一些知识来完成团队的任务,也许我不是最有能力的队友,但是一个靠谱的队友。我会在团队中找到合适自己的工作,在自己的工作中进步,也在和队友的交流中增强自己的合作能力。

    吴煜

    我是来自100616班的吴煜,希望在团队贡献自己的力量,和同学们一同进步(自我介绍神马的最头疼了)

    李世杰

    我是李世杰,性别男,民族汉,籍贯新疆,年龄21,在技术上是菜鸟,别的也没啥好交代的了,希望在软件工程课中有所得。

    展开全文
  • 因为要读取所以实现了input这个类 识别单词后排序是count实现的 到最后输出是由output实现的 测试用例: 将一个文本的答案人工得到后不断将其本身字符粘贴在本身字符之后,然后得到大文件来测试效率 小组贡献分0.5

    github地址:https://github.com/yo123abxd/wordcount2.git

    psp2.1表格:

    PSP2.1

    PSP阶段

    预估耗时

    (分钟)

    实际耗时

    (分钟)

    Planning

    计划

    360

    180

    · Estimate

    · 估计这个任务需要多少时间

    1440

    2880

    Development

    开发

    800

    1440

    · Analysis

    · 需求分析 (包括学习新技术)

    180

    360

    · Design Spec

    · 生成设计文档

    60

    30

    · Design Review

    · 设计复审 (和同事审核设计文档)

    60

    30

    · Coding Standard

    · 代码规范 (为目前的开发制定合适的规范)

    120

    150

    · Design

    · 具体设计

    120

    60

    · Coding

    · 具体编码

    720

    720

    · Code Review

    · 代码复审

    160

    60

    · Test

    · 测试(自我测试,修改代码,提交修改)

    180

    120

    Reporting

    报告

    120

    80

    · Test Report

    · 测试报告

    60

    80

    · Size Measurement

    · 计算工作量

    60

    30

    · Postmortem & Process Improvement Plan

    · 事后总结, 并提出过程改进计划

    60

    40

    合计

    实现思路:

    由于不区分大小写,所以把所有大写字母转换为小写字母,实现了swicther这个类。

    因为要读取所以实现了input这个类

    识别单词后排序是count实现的

    到最后输出是由output实现的

    测试用例:

    将一个文本的答案人工得到后不断将其本身字符粘贴在本身字符之后,然后得到大文件来测试效率

    小组贡献分0.5

    展开全文
  • 信安小组暑假作业

    2019-08-11 15:28:38
    信安小组暑假作业 web安全作业 2019年8月11日# (由于markdown 的文件要上交,所以就不插入图片了,也不知道图片传来传去就传没了) 题目一摩斯密码 .. .-.. --- ...- . -.-- --- ..- 从CSDN上找到的摩斯...
  • 数据挖掘学习小组第二周之小白python入门 一. 写在前面的话 很开心,坚持到了第二周,第一周复习了统计学的基础原理,第二周的任务就是python、pandas 的基础入门和一些实践了: 对于我这种纯小白来说,任务...
  • 描述性统计分析 ...在python中实现众数有如下两种情况: import numpy as np #注:求得的是int型的众数 lis=[2,13,13.3,13] #定义数组 counts=np.bincount(lis) #用np.bincount 方法求...
  • Python基础: 1、Python环境安装(anaconda); anaconda是python的包管理器和环境管理器。 •Anaconda附带了一大批常用数据科学包,它附带了conda、Python和 150 多个科学包及其依赖项。因此你可以用Anaconda立即...
  • 中学高一(1)班B505小组 问题 网店接受了大量的订单,如何安排发货呢?实际上,网店在处理订单时,一般采取“先下单,先发货”的原则。因此,所有的订单将按照下单的时间顺序放进一个列表中,先放进去的先发货,所有...
  • 小组Python工具,用于分析DWDS(dwds.de)的textcorpora输出。 德国数十年来报纸文章的数据库。 目的是从数据库中检索词汇表变体的指定列表的条目,提供测试子集以估计每个变体的有用发现数,并输出结果的概述和...
  • Python实现飞机大战

    2020-06-29 10:01:50
    这个是用python语言写的飞机大战游戏,功能不多但精细,可以用来练手,也可以用来上交作业,这是我们小组一起做的,学到了很多,分享一下
  • 依旧是Python课程 _(:з」∠)_ 期末需要完成小组作业,选题内容主要是用卡尔曼滤波来实现交通参数的预测。已有数据包括:历时7天的上下匝道线圈数据,匝道口上下游的数据。数据采集点及数据结构如下图所示。数据结构...
  • 依旧是Python课程 _(:з」∠)_ 期末需要完成小组作业,选题内容主要是用卡尔曼滤波来实现交通参数的预测。已有数据包括:历时7天的上下匝道线圈数据,匝道口上下游的数据。数据采集点及数据结构如下图所示。数据结构...
  • 系统分析大作业要求多人合作一起完成一个在线预约挂号系统,所以新开了一个小组让大家共同合作〜 项目文档 有各种各样的文档,如需求文档,用例文档,数据库设计文档等等(此块等文档上传再做) 采用技术 使用了...
  • 这个是用python语言写的飞机大战游戏,功能不多但精细,可以用来练手,也可以用来上交作业,这是我们小组一起做的,学到了很多,分享一下
  • 与同学一起做的小组作业。 设定点: 我们被要求做一门课程来向第二堂课解释python编程语言 笔记: 该课程持续2h00,但是在15分钟的课程中有一个休息时间(也就是说我们有1h15),计算等待时间,以便学生不聊天,...
  • 我们小组的项目是“运用IE方法消除不必要的检验工序提升主板生产合格率”,主要针对制造中心PT板生产工段开展工作。项目最终想要达到的目标是通过找到影响PT板产品不良的主要原因,运用IE方法进行改善,做到取消实机...
  • Python单机版五子棋.zip

    2021-01-26 10:22:16
    大学人工智能课程的小组作业,自行编写的基于pygame库的单机五子棋程序,可选先后手,两种难度,支持悔棋重开功能,并且包含了联网多人对战的接口。 (完整联机五子棋文件将在后续更新)
  • 20192423 2019-2020-2 《Python程序设计》实验四报告课程:《Python程序设计》班级: 1924姓名: 杨斯凌学号:20192423实验教师:... 课代表和各小组负责人收集作业(源代码、视频、综合实践报告)2. 实验过程及结果在...
  • 自我教学python营-源码

    2021-02-21 09:01:24
    训练营每期50人,每10人一小组,每小组配备编程教练和辅导员,周期为14天。 训练营需缴纳纳金+服务费,具体定价会根据运营成本动态调整。 每天00:00会发布当天学习材料和自学自学任务,学者需要在24:00前完成。 每天...
  • 事情是这样的,期末小组作业,需要我把大佬们写的页面搞成响应式的,但是我连py都没用过,只好现学…… 文章目录 一、前言 1.1 环境介绍 1.2 前期尝试 二、python下载装配 2.1 下载Python...
  • 以往的邮件发送形式,通常都会带上附件,例如工作中的文件发给领导、将小组作业发给老师等等。Python 中使用 yagmail 发送含附件的邮件,非常的简单,且方便。 首先是准备代码部分: import yagmail yag = yagmail....
  • 20192108《Python程序设计》实验四报告课程:《Python程序设计》班级: 1921学号:...课代表和各小组负责人收集作业(源代码、视频、综合实践报告)(1)程序能运行,功能丰富。(需求提交源代码,并建议录制程序运...
  • 可以来围观下我的小组作业:https://www.bilibili.com/video/av58643734/​www.bilibili.com封面是自己画的,六月份学了一段时间矢量绘画。网上教程和优秀作品都很多,作为萌新在此就不细说。今天讲的是关于一个简单...
  • 如有需要Python学习资料的小伙伴可以加点击下方链接自行获取考虑到现在大部分小伙伴使用Python主要因为爬虫,那么为了更好地帮助大家巩固爬虫知识,加深对爬虫的理解,我们小组选择了爬取百度文库作为我们的大作业。...
  • python永远滴神

    2021-03-10 20:31:38
    事情的起因,一个很无脑的作业,分析一张图片的HTML语义 我只想说好家伙。...小组分类</h3> <dl> <dt>兴趣》</dt> <dd> <a href="#">旅行</a> <a href=.
  • 焦点小组访谈的人数可以根据实际需要变动。()通过建构产品的用户画像,我们可以发现其用户的()等特征。A.用户信息偏好B.人口统计学特征C.使Lindsey等人于2000年提出的双重态度模型理论,认为对于同一客体人们可以...
  • 大一不知道Matlab的时候,一直想学,后来学了c++(也不算学了,就那些东东只配敲些ACM水题),才发现Matlab也木有什么好学的,那个语法糟糕得坑爹(有感于小组的数值分析大作业的代码全是我一个人敲出来的,过几天还要...
  • python小组第一次作业 printXinXin.py # 边长为n:用户端输入 n = input('菱形边长为:n = ') # input的两个功能:打印传入参数 + 以str字符型输入作为函数返回值 n = int(n) # 使用input语句返回值是str字符型,为...

空空如也

空空如也

1 2 3 4 5
收藏数 92
精华内容 36
关键字:

python小组作业

python 订阅