用python统计数据分析PAT甲乙级算法的考试和训练策略,附加横向设计图

简介: python是做统计数据的好工具,在学习程序设计时,我们发现算法是一个难点,我们从’简单模拟’, ‘查找元素’, ‘图形输出’, ‘进制转换’, ‘字符串处理’,‘排序’,‘散列’,‘贪心’,‘二分’,‘two pointers’,‘其他’,‘数学’,‘链表’,几个角度分析算法的考试和训练策略,下一篇文章,分析数据结构的算法的考试和训练策略,如果你正在准备PAT甲乙级算法的考试和训练,会大有帮助,祝早日金榜题名。

python是做统计数据的好工具,在学习程序设计时,我们发现算法是一个难点,我们从’简单模拟’, ‘查找元素’, ‘图形输出’, ‘进制转换’, ‘字符串处理’,‘排序’,‘散列’,‘贪心’,‘二分’,‘two pointers’,‘其他’,‘数学’,‘链表’,几个角度分析算法的考试和训练策略,下一篇文章,分析数据结构的算法的考试和训练策略,如果你正在准备PAT甲乙级算法的考试和训练,会大有帮助,祝早日金榜题名。
首先用python输入matplotlib和numpy:

import matplotlib.pyplot as plt

import numpy as np

然后解决 plt 中文显示的问题:

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
1
2
我们命名alg为算法名,yiji是乙级的数据列表,jiaji是甲级的数据列表

alg = ('简单模拟', '查找元素', '图形输出', '进制转换', '字符串处理','排序','散列','贪心','二分','two pointers','其他','数学','链表')
yiji = [9,4,2,2,8,1,8,2,1,2,2,8,1]
jiaji = [5,3,1,3,7,10,5,5,4,4,2,12,4]

生成乙级的调查结果:

plt.bar(alg, yiji)
plt.title('乙级算法的调查结果')

plt.show()
``

我们发现看小图时,汉字挤到了一起去,需要美工设计,变成横向条形图!
Figure_1.png

在绘制甲级图时,从新设计:

plt.barh(alg, jiaji)
plt.title('甲级算法的调查结果')

plt.show()

![甲级统计图.png](https://ucc.alicdn.com/pic/developer-ecology/2823a72420384cdcaae6cf4d4211a188.png)

把两个图合并
AI 代码解读

bar_width = 0.3 # 条形宽度
index_male = np.arange(len(alg)) # 乙级条形图的横坐标
index_female = index_male + bar_width # 甲级条形图的横坐标

使用两次 bar 函数画出两组条形图

plt.bar(index_male, height=yiji, width=bar_width, color='b', label='乙级')
plt.bar(index_female, height=jiaji, width=bar_width, color='g', label='甲级')

plt.legend() # 显示图例
plt.xticks(index_male + bar_width/2, alg) # 让横坐标轴刻度显示 alg , index_male + bar_width/2 为横坐标轴刻度的位置
plt.ylabel('题目规模') # 纵坐标轴标题
plt.title('算法的调查结果') # 图形标题

plt.show()
总并列统计图.png

我们可以得出结论,乙级的训练重点在于算法和散列,甲级的训练重点在于数学和排序,下期做数据结构的考试和训练策略,喜欢的话就点赞关注一下吧。

相关文章
|
28天前
|
掌握Python装饰器:轻松统计函数执行时间
掌握Python装饰器:轻松统计函数执行时间
166 76
基于EM期望最大化算法的GMM参数估计与三维数据分类系统python源码
本内容展示了基于EM算法的高斯混合模型(GMM)聚类实现,包含完整Python代码、运行效果图及理论解析。程序使用三维数据进行演示,涵盖误差计算、模型参数更新、结果可视化等关键步骤,并附有详细注释与操作视频,适合学习EM算法与GMM模型的原理及应用。
企业上网监控系统中红黑树数据结构的 Python 算法实现与应用研究
企业上网监控系统需高效处理海量数据,传统数据结构存在性能瓶颈。红黑树通过自平衡机制,确保查找、插入、删除操作的时间复杂度稳定在 O(log n),适用于网络记录存储、设备信息维护及安全事件排序等场景。本文分析红黑树的理论基础、应用场景及 Python 实现,并探讨其在企业监控系统中的实践价值,提升系统性能与稳定性。
17 1
|
13天前
|
基于 Python 跳表算法的局域网网络监控软件动态数据索引优化策略研究
局域网网络监控软件需高效处理终端行为数据,跳表作为一种基于概率平衡的动态数据结构,具备高效的插入、删除与查询性能(平均时间复杂度为O(log n)),适用于高频数据写入和随机查询场景。本文深入解析跳表原理,探讨其在局域网监控中的适配性,并提供基于Python的完整实现方案,优化终端会话管理,提升系统响应性能。
35 4
人工智能算法python程序运行环境安装步骤整理
本教程详细介绍Python与AI开发环境的配置步骤,涵盖软件下载、VS2017安装、Anaconda配置、PyCharm设置及组件安装等内容,适用于Windows系统,助你快速搭建开发环境。
Python 高级编程与实战:深入理解性能优化与调试技巧
本文深入探讨了Python的性能优化与调试技巧,涵盖profiling、caching、Cython等优化工具,以及pdb、logging、assert等调试方法。通过实战项目,如优化斐波那契数列计算和调试Web应用,帮助读者掌握这些技术,提升编程效率。附有进一步学习资源,助力读者深入学习。
|
1月前
|
Python编程基石:整型、浮点、字符串与布尔值完全解读
本文介绍了Python中的四种基本数据类型:整型(int)、浮点型(float)、字符串(str)和布尔型(bool)。整型表示无大小限制的整数,支持各类运算;浮点型遵循IEEE 754标准,需注意精度问题;字符串是不可变序列,支持多种操作与方法;布尔型仅有True和False两个值,可与其他类型转换。掌握这些类型及其转换规则是Python编程的基础。
161 33
不会Python,还敢说搞大数据?一文带你入门大数据编程的“硬核”真相
不会Python,还敢说搞大数据?一文带你入门大数据编程的“硬核”真相
37 1
Python编程精进:正则表达式
正则表达式是一种强大的文本处理工具,用于搜索、匹配和提取模式。本文介绍了正则表达式的语法基础,如`\d`、`\w`等符号,并通过实例展示其在匹配电子邮件、验证电话号码、处理日期格式等场景中的应用。同时,文章提醒用户注意性能、编码、安全性等问题,避免常见错误,如特殊字符转义不当、量词使用错误等。掌握正则表达式能显著提升文本处理效率,但需结合实际需求谨慎设计模式。

推荐镜像

更多
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等