Python编程基础:实验4——组合数据的综合实验

简介: Python编程基础:实验4——组合数据的综合实验代码练习

一、前言

在前面一段时间里,我们学习了Python中字符串、列表、元组、字典以及集合的相关知识,也对它们分别进行了单独的题目训练,本期博客我们将前面所学知识点灵活贯通起来,进行组合数据的综合实验练习,加深我们所学习的基础知识。

注意:代码仅供参考,还请大家多多思考!

二、我的环境

  • 电脑系统:Windows 11
  • 语言版本:Python 3.10.4
  • 编译器:VSCode

三、实验目的与要求

  1. 掌握元组、列表与字典的系列操作函数及相关方法
  2. 了解3类基本组合数据类型;理解列表概念并掌握Python中的列表使用;理解概念并掌握Python中的字典使用;运用列表管理采集的信息,构建数据结构;运用字典处理复杂的数据信息;运用组合数据结构进行文本词频统计
  3. 熟练使用第三方库jieba

四、实验任务

1、程序填空

【填空11-1】有一个列表students如下:

students = [{'No': '2021003', '语文': 90, '数学': 95, '体育': 92}, {'No': '2021001', '语文': 80, '数学': 85, '体育': 82}, {'No': '2021002', '语文': 70, '数学': 75, '体育': 72}]

将列表students的数据内容提取处理,放到一个字典scores里,在屏幕上按学号从小到大的顺序显示输出scores的内容。输出内容例如下:

2021001: [80, 85, 82]

2021002: [70, 75, 72]

2021003: [90, 95, 92]

请完善代码。

students= [{'No': '2021003', '语文': 90, '数学': 95, '体育': 92}, {'No': '2021001', '语文': 80, '数学': 85, '体育': 82}, {'No': '2021002', '语文': 70, '数学': 75, '体育': 72}]
scores= {}
forstudinstudents:
sv=stud.items()
v= []
foritinsv:
ifit[0] =='No':
k=it[1]
else:
v.append(it[1])
scores[k] =vso=list(scores.items())
so.sort(key=lambdax: x[0], reverse=False)
forlinso:
print('{}:{}'.format(l[0], l[1]))

它运行的结果是:

2021001:[80, 85, 82]
2021002:[70, 75, 72]
2021003:[90, 95, 92]

【填空11-2】从键盘输入一个列表,计算输出列表元素的均方差。请完善下面的代码。

defmean(numlist):
s=0fornuminnumlist:
s=s+numreturns/len(numlist)
defdev(numlist, mean):
sdev=0fornuminnumlist:
sdev=sdev+ (num-mean) **2return (sdev/ (len(numlist) -1)) **0.5# 请输入一个列表:ls=eval(input(""))
print("均方差为:{:.2f}".format(dev(ls, mean(ls))))

它运行的结果是:

[1, 45, 98, 145, 198, 243]
均方差为:91.75

【填空11-3】a和b是两个列表变量,列表a为[3, 6, 9]已给定,键盘输入列表b,计算a中元素与b中对应元素指数幂的累加和。例如:键盘输入列表b为[1, 2, 3],累加和为13+26+39=42,因此,屏幕输出计算结果为42.

a= [3, 6, 9]
b=eval(input())
s=0foriinrange(3):
s+=pow(a[i], b[i])
print(s)

它运行的结果是:

[1, 2, 3]
768

【填空11-4】键盘输入一句话,用jieba分词后,将切分的词组按照在原话中逆序输出到屏幕上,词组中间没有空格。示例:输入:我爱祖国 输出:祖国爱我。

importjiebatxt=input("请输入一段中文文本:")
ls=jieba.lcut(txt)
foriinls[::-1]:
print(i, end="")

它运行的结果是:

请输入一段中文文本:我爱祖国国祖爱我

2、程序编程

【编程11-1】以习总书记在庆祝中国共产党成立100周年大会上的讲话中一句话作为字符串变量s,完善Python程序,分别用Python内置函数及jieba库中已有函数计算字符串s的中文字符个数及中文词语个数。

提示:注意,中文字符包含中文标点符号。(提交的代码应包含题目中给出的部分)

image-20220921190905533.png

importjiebas=input("请输入一段字符串:")
n=len(s)
m=len(jieba.lcut(s))
print("中文字符数为{},中文词语数为{}。".format(n, m))

它运行的结果是:

请输入一段字符串:今天,在中国共产党历史上,在中华民族历史上,都是一个十分重大而庄严的日子。我们在这里隆重集会,同全党全国各族人民一道,庆祝中国共产党成立一百周年,回顾中国共产党百年奋斗的光辉历程,展望中华民族伟大复兴的光明前景。中文字符数为106,中文词语数为53。

【编程11-2】你现在是仓库的负责人,仓库数格式是这样的:

total = [

 {"huawei":"HUAWEI-A", "quantity": 100},

 {"huawei":"HUAWEI-B", "quantity": 200},

 {"huawei":"HUAWEI-C", "quantity": 400},

 {"huawei":"HUAWEI-D", "quantity": 300},

]

请统计仓库的物品总数量(quantity)

现在HUAWEI-A要入库100件商品,请更新HUAWEI-A的库存记录

现在HUAWEI-E新品上市,要入库300件商品,请在total中新增一条相应记录

现在HUAWEI-B要退市,请将HUAWEI-B这行记录删掉 #此题可选

使用切片方法显示total中的最后一行记录。

image-20220921191359254.png

total= [
    {"huawei":"HUAWEI-A", "quantity": 100},
    {"huawei":"HUAWEI-B", "quantity": 200},
    {"huawei":"HUAWEI-C", "quantity": 400},
    {"huawei":"HUAWEI-D", "quantity": 300},
]
nums= []
foriintotal:
nums.append(i["quantity"])
all_quantity=sum(nums)
print("请统计仓库的物品总数量(quantity)")
print("仓库的物品总数量:{}".format(all_quantity))
print("---------------------------------------------------------------- ")
print("现在HUAWEI-A要入库100件商品,请更新HUAWEI-A的库存记录")
total[0]["quantity"] =200print("更新后数据:{}",format(total))
print("---------------------------------------------------------------- ")
print("现在HUAWEI-E新品上市,要入库300件商品,请在total中新增一条相应记录")
E= {"huawei":"HUAWEI-E", "quantity": 300}
total.append(E)
print("更新后数据:{}".format(total))
print("---------------------------------------------------------------- ")
print("现在HUAWEI-B要退市,请将HUAWEI-B这行记录删掉")
total.remove({"huawei":"HUAWEI-B", "quantity": 200})
print("更新后数据:{}".format(total))
print("---------------------------------------------------------------- ")
print("使用切片方法显示total中的最后一行记录")
last=total[(len(total) -1): (len(total) -2): -1]
print("最后一行数据:{}".format(last))

它运行的结果是:

请统计仓库的物品总数量(quantity)
仓库的物品总数量:1000----------------------------------------------------------------现在HUAWEI-A要入库100件商品,请更新HUAWEI-A的库存记录更新后数据:{} [{'huawei': 'HUAWEI-A', 'quantity': 200}, {'huawei': 'HUAWEI-B', 'quantity': 200}, {'huawei': 'HUAWEI-C', 'quantity': 400}, {'huawei': 'HUAWEI-D', 'quantity': 300}]
----------------------------------------------------------------现在HUAWEI-E新品上市,要入库300件商品,请在total中新增一条相应记录更新后数据:[{'huawei': 'HUAWEI-A', 'quantity': 200}, {'huawei': 'HUAWEI-B', 'quantity': 200}, {'huawei': 'HUAWEI-C', 'quantity': 400}, {'huawei': 'HUAWEI-D', 'quantity': 300}, {'huawei': 'HUAWEI-E', 'quantity': 300}]
----------------------------------------------------------------现在HUAWEI-B要退市,请将HUAWEI-B这行记录删掉更新后数据:[{'huawei': 'HUAWEI-A', 'quantity': 200}, {'huawei': 'HUAWEI-C', 'quantity': 400}, {'huawei': 'HUAWEI-D', 'quantity': 300}, {'huawei': 'HUAWEI-E', 'quantity': 300}]
----------------------------------------------------------------使用切片方法显示total中的最后一行记录最后一行数据:[{'huawei': 'HUAWEI-E', 'quantity': 300}]

五、最后我想说

本期的实验到这里就结束了,后面要开始学习新内容了,怎么说呢,本期实验难度比之前的要难一点,比较考验基础知识的掌握情况,所以说想要学好一门语言还得是多学多练,结合起来学习得更快,希望大家都能从中学到知识,并转化成自己的,而不是直接复制粘贴解决任务。

最后,我很乐意跟大家分享知识并一起学习,和大家一起从零开始学习,我也希望得到大家的支持与肯定,谢谢!我也会继续努力的,一步步成为一个优秀的程序员,加油!

目录
相关文章
|
12天前
|
数据采集 机器学习/深度学习 人工智能
Python:现代编程的首选语言
Python:现代编程的首选语言
184 102
|
12天前
|
数据采集 机器学习/深度学习 算法框架/工具
Python:现代编程的瑞士军刀
Python:现代编程的瑞士军刀
183 104
|
12天前
|
人工智能 自然语言处理 算法框架/工具
Python:现代编程的首选语言
Python:现代编程的首选语言
177 103
|
12天前
|
机器学习/深度学习 人工智能 数据挖掘
Python:现代编程的首选语言
Python:现代编程的首选语言
125 82
|
10天前
|
JSON API 数据安全/隐私保护
Python采集淘宝评论API接口及JSON数据返回全流程指南
Python采集淘宝评论API接口及JSON数据返回全流程指南
|
12天前
|
数据采集 数据可视化 关系型数据库
基于python大数据的电影数据可视化分析系统
电影分析与可视化平台顺应电影产业数字化趋势,整合大数据处理、人工智能与Web技术,实现电影数据的采集、分析与可视化展示。平台支持票房、评分、观众行为等多维度分析,助力行业洞察与决策,同时提供互动界面,增强观众对电影文化的理解。技术上依托Python、MySQL、Flask、HTML等构建,融合数据采集与AI分析,提升电影行业的数据应用能力。
|
12天前
|
数据采集 机器学习/深度学习 人工智能
Python:现代编程的多面手
Python:现代编程的多面手
29 0
|
21天前
|
存储 人工智能 算法
Python实现简易成语接龙小游戏:从零开始的趣味编程实践
本项目将中国传统文化与编程思维相结合,通过Python实现成语接龙游戏,涵盖数据结构、算法设计与简单AI逻辑,帮助学习者在趣味实践中掌握编程技能。
82 0
|
10月前
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
308 0
|
10月前
|
机器学习/深度学习 数据采集 数据挖掘
解锁 Python 数据分析新境界:Pandas 与 NumPy 高级技巧深度剖析
Pandas 和 NumPy 是 Python 中不可或缺的数据处理和分析工具。本文通过实际案例深入剖析了 Pandas 的数据清洗、NumPy 的数组运算、结合两者进行数据分析和特征工程,以及 Pandas 的时间序列处理功能。这些高级技巧能够帮助我们更高效、准确地处理和分析数据,为决策提供支持。
221 2

推荐镜像

更多