本节书摘来自华章出版社《python 与数据挖掘 》一书中的第3章，第3.2节，作者张良均 杨海宏 何子健 杨 征，更多章节内容可以访问云栖社区“华章计算机”公众号查看。
3.5 上机实验
1.实验目的
掌握函数的编写和变量的作用域。
2.实验内容
使用递归算法，编写一个函数计算斐波那契数列的第n项（注意使用该算法求斐波那契数列是很低效的，这里仅作为程序编写的练习）。
样本输入：n=10
样本输入：89
《python 与数据挖掘 》一3.5 上机实验
2017-05-02
1572
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
目录
相关文章
|
1月前
|
机器学习/深度学习
TensorFlow
算法框架/工具
|
30天前
|
数据采集
JSON
数据处理
抓取和分析JSON数据：使用Python构建数据处理管道
在大数据时代，电商网站如亚马逊、京东等成为数据采集的重要来源。本文介绍如何使用Python结合代理IP、多线程等技术，高效、隐秘地抓取并处理电商网站的JSON数据。通过爬虫代理服务，模拟真实用户行为，提升抓取效率和稳定性。示例代码展示了如何抓取亚马逊商品信息并进行解析。
46
1
1
|
14天前
|
图形学
Python
SciPy 空间数据2
凸包（Convex Hull）是计算几何中的概念，指包含给定点集的所有凸集的交集。可以通过 `ConvexHull()` 方法创建凸包。示例代码展示了如何使用 `scipy` 库和 `matplotlib` 绘制给定点集的凸包。
24
1
1
|
15天前
|
JSON
数据格式
索引
Python中序列化/反序列化JSON格式的数据
【11月更文挑战第4天】本文介绍了 Python 中使用 `json` 模块进行序列化和反序列化的操作。序列化是指将 Python 对象（如字典、列表）转换为 JSON 字符串，主要使用 `json.dumps` 方法。示例包括基本的字典和列表序列化，以及自定义类的序列化。反序列化则是将 JSON 字符串转换回 Python 对象，使用 `json.loads` 方法。文中还提供了具体的代码示例，展示了如何处理不同类型的 Python 对象。
18
1
1
|
16天前
|
数据采集
Web App开发
iOS开发
如何使用 Python 语言的正则表达式进行网页数据的爬取？
使用 Python 进行网页数据爬取的步骤包括：1. 安装必要库（requests、re、bs4）；2. 发送 HTTP 请求获取网页内容；3. 使用正则表达式提取数据；4. 数据清洗和处理；5. 循环遍历多个页面。通过这些步骤，可以高效地从网页中提取所需信息。
28
1
1
|
1月前
|
数据处理
Python
Python实用记录(十):获取excel数据并通过列表的形式保存为txt文档、xlsx文档、csv文档
这篇文章介绍了如何使用Python读取Excel文件中的数据，处理后将其保存为txt、xlsx和csv格式的文件。
50
3
3
|
1月前
|
计算机视觉
Python
Python实用记录(九):将不同的图绘制在一起、将不同txt文档中的数据绘制多条折线图
这篇文章介绍了如何使用Python的OpenCV库将多张图片合并为一张图片显示，以及如何使用matplotlib库从不同txt文档中读取数据并绘制多条折线图。
42
3
3
|
1月前
|
数据可视化
算法
Python
基于OpenFOAM和Python的流场动态模态分解：从数据提取到POD-DMD分析
本文介绍了如何利用Python脚本结合动态模态分解（DMD）技术，分析从OpenFOAM模拟中提取的二维切片数据，以深入理解流体动力学现象。通过PyVista库处理VTK格式的模拟数据，进行POD和DMD分析，揭示流场中的主要能量结构及动态特征。此方法为研究复杂流动系统提供了有力工具。
73
2
2
|
28天前
|
数据可视化
算法
JavaScript
基于图论的时间序列数据平稳性与连通性分析：利用图形、数学和 Python 揭示时间序列数据中的隐藏模式
本文探讨了如何利用图论分析时间序列数据的平稳性和连通性。通过将时间序列数据转换为图结构，计算片段间的相似性，并构建连通图，可以揭示数据中的隐藏模式。文章介绍了平稳性的概念，提出了基于图的平稳性度量，并展示了图分区在可视化平稳性中的应用。此外，还模拟了不同平稳性和非平稳性程度的信号，分析了图度量的变化，为时间序列数据分析提供了新视角。
54
0
0
|
1月前
|
自然语言处理
算法
数据挖掘
探讨如何利用Python中的NLP工具，从被动收集到主动分析文本数据的过程
【10月更文挑战第11天】本文介绍了自然语言处理（NLP）在文本分析中的应用，从被动收集到主动分析的过程。通过Python代码示例，详细展示了文本预处理、特征提取、情感分析和主题建模等关键技术，帮助读者理解如何有效利用NLP工具进行文本数据分析。
48
2
2
热门文章
最新文章
1
【Python数据挖掘课程】八.关联规则挖掘及Apriori实现购物推荐
2
工具推荐 | 分析大数据最需要的Top 10数据挖掘工具
3
数据挖掘实战：带你做客户价值分析(附代码)
4
150+面试题，十大必读书，数据挖掘offer轻松搞定 | 面试宝典系列
5
一小时了解数据挖掘⑤数据挖掘步骤＆常用的聚类、决策树和CRISP-DM概念
6
《R语言数据挖掘：实用项目解析》——第2章，第2.9节无参数方法
7
【精品问答】110+数据挖掘面试题集合 | 技术日报（17期）
8
ITTC微博数据挖掘--在线演示Sliverlight版本
9
【数据挖掘】关联规则、频繁项集、闭项集详解（图文解释 超详细）
10
《python 与数据挖掘 》一 3.4 作用域
1
使用Python实现深度学习模型：文本生成与自然语言处理
121
2
python类型错误（TypeError）
64
3
python属性错误（AttributeError）
209
4
python变量未定义（NameError）
106
5
Python进行自动化
66
6
深度剖析：AJAX、Fetch API如何成为Python后端开发者的最佳拍档！
92
7
从零到精通，AJAX与Fetch API让你的Python Web前后端交互无所不能！
43
8
颠覆传统！AJAX、Fetch API与Python后端，开启Web开发新篇章！
41
9
告别‘老司机’时代，AJAX与Fetch API让你的前端与Python后端无缝对接！
63
10
Python数据分析加速器：深度挖掘Pandas与NumPy的高级功能
48