1、首先我们先来了解一下计算平均数的IPO模式。

2、输入:待输入计算平均数的数。
5、明白了程序的IPO模式之后,我们打开本地的python的IDE。
6、工具,并新建一个python文件,命名为test6.py。
7、打开test6.py,进行编码,第一步,提示用户输入要计算多少个数的平均数。
8、第二步,初始化sum总和的值。注意,这是编码的好习惯,在定义一个变量的时候,给一个初始值。
9、第三步,循环输入要计算平均数的数,并计算总和sum的值。
10、最后,计算出平均数,并输出,利用“总和/数量”的公式计算出平均数。
11、编码完成后,记得保存,然后进行调试运行。按F5键或者点击菜单栏中的“run”-》“run model”来运行程序。
0 print "平均数是:%f方差是:%f" %(d,e) fangcha() Python2.7可用
Numpy包: numpy数组切片的修改直接反映到原数组,但是列表对切片的修改不反应到原数组。建立多维数组 np.arange(1,10).reshape(3,3)
Numpy.array创建一个矩阵a,并对矩阵进行计算最大a.max(),最小,平均数a.mean()。也可以按行处理a.max(axis=1),计算某行数据的最大,最小以及平均数。遍历前两行的第二列。三维可以理解为一个数字组成的立方块。
Numpy支持对多维数组的翻转等操作,求和,计算三角函数,多次方求和以及SVD分解等多种操作。以及随机函数模块。Numpy.random
Matplotlib:处理数据可视化的包,利用numpy强大的运算能力结合matplotlib使用;使用matplotlib画散点图步骤,第一种使用scatter(x,y),系统自动建立坐标系,第二种使用plot(x,y)系统也是自动建立坐标系,plot函数默认画连线图。比较,scatter比plot适合画散点图。
Pandas是一个为解决python数据分析而用的包,可以快速构建数据结构。
scikit-learn简称sklearn,在导入数据包时只能使用import sklearn。
线性回归函数采用最小二乘函数拟合。给定n个参数及其对应的x值以及应该输出的y。训练相关参数的值,再用这个参数给出线性方程预测未知y的值。函数调用方法,先创建一个引用,给定训练值。利用训练模型去预测测试集。
Kmeans:plot 是做折线图,也可以做散点图;scatter专门做散点图。在数据处理的时候要明确转变成数值型,不然会出现莫名现象Kmeans使用方法,首先创建KMeans模型,然后加载数据返回数据分类结果。
request:网络爬虫相关包,可以伪装成浏览器,躲过服务器审查。