python編程練習題目

github上面的一個項目，分為level1,level2,level3 三個等級的難度。

題目地址

一部分中文翻譯

python教程

劍指offer，python3實現

python進階

練習題1：

隨機生成一列數據，畫出這些數據的分布、概率密度曲線，以及進行歸一化、標准化之后的分布、概率密度曲線。

解答：

# 歸一化、標准化、中心化
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

original_data = np.random.exponential(size = 1000)
scaled_data = (original_data - original_data.min())/(original_data.max()-original_data.min())
fig,ax = plt.subplots(1,2)
sns.distplot(original_data,ax=ax[0])    #直方圖
ax[0].set_title("Original Data")
sns.distplot(scaled_data,ax = ax[1])
ax[1].set_title('Scaled Data')
plt.show()

original_data = 6*np.random.rand(1000)+7
scaled_data = (original_data - original_data.mean())/original_data.std()
fig,ax = plt.subplots(1,2)
sns.distplot(original_data,ax=ax[0])
ax[0].set_title("Original Data")
sns.distplot(scaled_data,ax = ax[1])
ax[1].set_title('Scaled Data')
plt.show()

隨機抽樣函數

練習題2：

一個數據集 身高：1.7，1.8，1.9

                體重：70，80，90，分別進行歸一化、標准化，看數據值及其分布圖。

 

練習題3：

同題1，自動生成二維分布數據集，畫圖展示。進行歸一化、標准化后，畫圖展示。

解答：

x = np.array([1.7,1.8,1.9,1.75,1.85])
y = np.array([60,70,80,85,65])
plt.scatter(x,y)
plt.show()

x_scaled = preprocessing.scale(x)
y_scaled = preprocessing.scale(y)
plt.scatter(x_scaled,y_scaled)
plt.show()

x_normalize = (x-x.min())/(x.max()-x.min())
y_normalize = (y-y.min())/(y.max()-y.min())
plt.scatter(x_normalize,y_normalize)
plt.show()