python無聊奧數題

1. python程序設計題!!求大神幫忙解答。急！！！

答案是15621

2. 使用Python的線性回歸問題，怎麼解決

本文中，我們將進行大量的編程——但在這之前，我們先介紹一下我們今天要解決的實例問題。

1) 預測房子價格

閃電俠是一部由劇作家/製片人Greg Berlanti、Andrew Kreisberg和Geoff Johns創作，由CW電視台播放的美國電視連續劇。它基於DC漫畫角色閃電俠（Barry Allen），一個具有超人速度移動能力的裝扮奇特的打擊犯罪的超級英雄，這個角色是由Robert Kanigher、John Broome和Carmine Infantino創作。它是綠箭俠的衍生作品，存在於同一世界。該劇集的試播篇由Berlanti、Kreisberg和Johns寫作，David Nutter執導。該劇集於2014年10月7日在北美首映，成為CW電視台收視率最高的電視節目。

綠箭俠是一部由劇作家/製片人 Greg Berlanti、Marc Guggenheim和Andrew Kreisberg創作的電視連續劇。它基於DC漫畫角色綠箭俠，一個由Mort Weisinger和George Papp創作的裝扮奇特的犯罪打擊戰士。它於2012年10月10日在北美首映，與2012年末開始全球播出。主要拍攝於Vancouver、British Columbia、Canada，該系列講述了億萬花花公子Oliver Queen，由Stephen Amell扮演，被困在敵人的島嶼上五年之後，回到家鄉打擊犯罪和腐敗，成為一名武器是弓箭的神秘義務警員。不像漫畫書中，Queen最初沒有使用化名」綠箭俠「。

由於這兩個節目並列為我最喜愛的電視節目頭銜，我一直想知道哪個節目更受其他人歡迎——誰會最終贏得這場收視率之戰。 所以讓我們寫一個程序來預測哪個電視節目會有更多觀眾。 我們需要一個數據集，給出每一集的觀眾。幸運地，我從維基網路上得到了這個數據，並整理成一個.csv文件。它如下所示。

閃電俠

閃電俠美國觀眾數

綠箭俠

綠箭俠美國觀眾數

1 4.83 1 2.84

2 4.27 2 2.32

3 3.59 3 2.55

4 3.53 4 2.49

5 3.46 5 2.73

6 3.73 6 2.6

7 3.47 7 2.64

8 4.34 8 3.92

9 4.66 9 3.06

觀眾數以百萬為單位。

解決問題的步驟：

首先我們需要把數據轉換為X_parameters和Y_parameters，不過這里我們有兩個X_parameters和Y_parameters。因此，把他們命名為flash_x_parameter、flash_y_parameter、arrow_x_parameter、arrow_y_parameter吧。然後我們需要把數據擬合為兩個不同的線性回歸模型——先是閃電俠，然後是綠箭俠。 接著我們需要預測兩個電視節目下一集的觀眾數量。 然後我們可以比較結果，推測哪個節目會有更多觀眾。

步驟1

導入我們的程序包：

Python

1

2

3

4

5

6

7

# Required Packages

import csv

import sys

import matplotlib.pyplot as plt

import numpy as np

import pandas as pd

from sklearn import datasets, linear_model

步驟2

寫一個函數，把我們的數據集作為輸入，返回flash_x_parameter、flash_y_parameter、arrow_x_parameter、arrow_y_parameter values。

Python

1

2

3

4

5

6

7

8

9

10

11

12

13

# Function to get data

def get_data(file_name):

data = pd.read_csv(file_name)

flash_x_parameter = []

flash_y_parameter = []

arrow_x_parameter = []

arrow_y_parameter = []

for x1,y1,x2,y2 in zip(data['flash_episode_number'],data['flash_us_viewers'],data['arrow_episode_number'],data['arrow_us_viewers']):

flash_x_parameter.append([float(x1)])

flash_y_parameter.append(float(y1))

arrow_x_parameter.append([float(x2)])

arrow_y_parameter.append(float(y2))

return flash_x_parameter,flash_y_parameter,arrow_x_parameter,arrow_y_parameter

現在我們有了我們的參數，來寫一個函數，用上面這些參數作為輸入，給出一個輸出，預測哪個節目會有更多觀眾。

Python

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

# Function to know which Tv show will have more viewers

def more_viewers(x1,y1,x2,y2):

regr1 = linear_model.LinearRegression()

regr1.fit(x1, y1)

predicted_value1 = regr1.predict(9)

print predicted_value1

regr2 = linear_model.LinearRegression()

regr2.fit(x2, y2)

predicted_value2 = regr2.predict(9)

#print predicted_value1

#print predicted_value2

if predicted_value1 > predicted_value2:

print "The Flash Tv Show will have more viewers for next week"

else:

print "Arrow Tv Show will have more viewers for next week"

把所有東西寫在一個文件中。打開你的編輯器，把它命名為prediction.py，復制下面的代碼到prediction.py中。

Python

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

# Required Packages

import csv

import sys

import matplotlib.pyplot as plt

import numpy as np

import pandas as pd

from sklearn import datasets, linear_model

# Function to get data

def get_data(file_name):

data = pd.read_csv(file_name)

flash_x_parameter = []

flash_y_parameter = []

arrow_x_parameter = []

arrow_y_parameter = []

for x1,y1,x2,y2 in zip(data['flash_episode_number'],data['flash_us_viewers'],data['arrow_episode_number'],data['arrow_us_viewers']):

flash_x_parameter.append([float(x1)])

flash_y_parameter.append(float(y1))

arrow_x_parameter.append([float(x2)])

arrow_y_parameter.append(float(y2))

return flash_x_parameter,flash_y_parameter,arrow_x_parameter,arrow_y_parameter

# Function to know which Tv show will have more viewers

def more_viewers(x1,y1,x2,y2):

regr1 = linear_model.LinearRegression()

regr1.fit(x1, y1)

predicted_value1 = regr1.predict(9)

print predicted_value1

regr2 = linear_model.LinearRegression()

regr2.fit(x2, y2)

predicted_value2 = regr2.predict(9)

#print predicted_value1

#print predicted_value2

if predicted_value1 > predicted_value2:

print "The Flash Tv Show will have more viewers for next week"

else:

print "Arrow Tv Show will have more viewers for next week"

x1,y1,x2,y2 = get_data('input_data.csv')

#print x1,y1,x2,y2

more_viewers(x1,y1,x2,y2)

可能你能猜出哪個節目會有更多觀眾——但運行一下這個程序看看你猜的對不對。

3) 替換數據集中的缺失值

有時候，我們會遇到需要分析包含有缺失值的數據的情況。有些人會把這些缺失值捨去，接著分析；有些人會用最大值、最小值或平均值替換他們。平均值是三者中最好的，但可以用線性回歸來有效地替換那些缺失值。

這種方法差不多像這樣進行。

首先我們找到我們要替換那一列里的缺失值，並找出缺失值依賴於其他列的哪些數據。把缺失值那一列作為Y_parameters，把缺失值更依賴的那些列作為X_parameters，並把這些數據擬合為線性回歸模型。現在就可以用缺失值更依賴的那些列預測缺失的那一列。

一旦這個過程完成了，我們就得到了沒有任何缺失值的數據，供我們自由地分析數據。

為了練習，我會把這個問題留給你，所以請從網上獲取一些缺失值數據，解決這個問題。一旦你完成了請留下你的評論。我很想看看你的結果。

個人小筆記：

我想分享我個人的數據挖掘經歷。記得在我的數據挖掘引論課程上，教師開始很慢，解釋了一些數據挖掘可以應用的領域以及一些基本概念。然後突然地，難度迅速上升。這令我的一些同學感到非常沮喪，被這個課程嚇到，終於扼殺了他們對數據挖掘的興趣。所以我想避免在我的博客文章中這樣做。我想讓事情更輕松隨意。因此我嘗試用有趣的例子，來使讀者更舒服地學習，而不是感到無聊或被嚇到。

謝謝讀到這里——請在評論框里留下你的問題或建議，我很樂意回復你。

3. 會Python和C++，想無聊的時候做做安卓和iOS還有Windows phone開發，那就得去再

語言相通的地方很多，建議不要去學那麼多，做應用現在做的是精緻，不是簡單的會做，如果很有興趣，建議深入了解1門，做到大師水平。「傷其十指，不如斷其一指」

4. 怎麼用最短時間高效而踏實地學習 Python

不管學習什麼新的東西，效率最低但是又不可或缺的環節就是看教科書了。雖然看書的過程可能會很無聊，但是過一遍書至少能對整個知識框架有個大體的把
握。我最早知道 Python 還是在《黑客與畫家》這本書中看到的，書裡面有一章節是講編程語言的，作者很推薦把 python
作為學習編程的入門語言。我當時是把《簡明 Python 教程》給過了一邊，後來又看了一遍《深入python》，這里特別推薦《深入
Python》，除了介紹 python 的基本特性之外，還介紹了諸如函數編程、正則表達式、處理 HTML 和
XML等高級用法。除了看書，上公開課也是挺不錯的，視頻教學本來就比自己啃教科書有意思，而且完成課程作業也能鍛煉動手編程能力。我上過兩門不錯的公開
課，一門是萊斯大學在 Coursera 上開的《Python互動式編程導論》，一邊學 python，一邊寫些小游戲，肯定不會覺得無聊；另一門就是
MIT 在 edX 上開的《計算機科學及python編程導論》，它是 MIT
edX系列課程（XSeries）中的第一課，系列課程共兩門，除了這門課以外還有《計算思維及數據科學導論》，不過第二門就沒有上過了。
《簡明 Python 教程》
《深入 Python》
《Python互動式編程導論》
《計算機科學及python編程導論》

5. python django學的很迷茫怎麼辦

很多程序員，在學習一門新技術的時候，都會陷入像題主你這樣迷茫的狀態。我也一樣。而且不止陷入一次兩次。比如學習新的框架的時候，學習新的語言的時候，學習移動開發的時候。

這事兒多了以後，我就在想。不對，肯定有哪裡不對，看著StackOverflow也好，Github也好，上面那麼多的高手，回答各種問題。而很多人居然還是在校的學生。我有種感覺，這肯定是我的方法出了問題，肯定是在某個很深很深的根源上出了問題。大家都是人，一天三餐吃喝拉撒，學生雖然自由時間多一些，但是我們畢竟也幹了這么多年的程序員。新東西每天都在往出冒，不可能有人能那麼快得全部掌握。而現實是確實出一種新技術，瞬間一堆高手就冒了出來。這事兒，有問題。

於是我就開始找問題的根源。其實這事兒沒這么復雜，只要靜下心來，不要看到一個新技術就急慌慌的去學，很快就能反映過來。根源其實就是兩點：

1. 計算機技術的底層原理從來沒有變過。
2. 任何一門新技術都是人為寫成的。

這是我在迷茫了N次後，靜下心來，製造出的自己在技術海洋上的指南針。對不對好不好不敢說，大家批判這看吧。

在學習任何一門新技術新框架新語言時，我會先把這兩條引用到整個學習過程中去。

1. 計算機的底層原理從來沒有變過。
網路需要通訊原理，編程需要數據結構與演算法。一個列表的排序不管你是JAVA是C是PYTHON，哪怕你調用的函數名字千差萬別，最後的演算法其實疏通同歸。你大可不去查文檔自己寫一個出來。一個一個網頁上得表單，不管哪個框架哪個語言哪個MVC，最後都要歸於一個HTTP的POST，最後都要連接上資料庫，寫進去存起來。

這就是原理不變。你要先把這個道理時時刻刻的記在心裡。當遇到看不懂的東西，迷茫的時候，去想想這個函數到底做了什麼，然後從那個不變得原理反推回來，大部分時候你會發現很多新技術不過是早已有的技術的重組與包裝而已。

2. 任何一門新技術都是人為寫成的。
這里的新技術主要指的是目前百花齊放的各種框架啊庫啊類啊語言啊一類的。一開始我也很很多人一樣，覺得哇好牛好酷好高大上。但是慢慢的，我有一種被欺騙的感覺，這種感覺類似於某類產品持續的營銷，今天我們有這個口味，明天我們有哪個口味。區別只是一個加了蜂蜜一個沒加。

因此在總結了第一個『原理不變『之後，很自然的我推出了第二個』人為寫成『。意思是不管看起來多麼新潮，多麼高大上的語言，它首先要遵循第一條原理不變的道理。而如果在使用它的過程中，發現了某些有違第一條的感覺函數，方法，邏輯。那麼百分之百這個函數方法邏輯只是做了人為的包裝而已。去看文檔，不要糾結為什麼，作者當時可能腦袋進水，不要跟著他一起跳坑。

簡單說，什麼Django, Flask, Web.py，CSS, HTML5, ...別被那些炫名詞的給洗腦了。原理原理原理，本質本質本質！不要誠惶誠恐，就當它是爛泥巴搓圓弄扁踩兩腳，抱著這種心態來學才對。

簡單解釋了一下我草草歸納的兩條規律。回到答主的問題上來。

你的第一個問題是我該干什麼？很簡單，做第一個網站，做第二個網站，做第三個網站。做網站做吐了就去做做手機APP，做的無聊的就去玩玩爬蟲。記得把你所有寫得東西都扔到GITHUB上去，每天在SO上答問題問問題。就這樣。

不要做到完美。記小時候玩泥巴么？就那麼玩。堆個城堡起來，踢兩腳，扔一邊兒，再堆一個長城起來，再扔一邊兒。玩的時候時刻記得我說的那兩條規律。

2.在實際工作中，python工程師工作到底是做哪一塊的？（盡可能的詳細點）
親，請先找到工作。

3.如果從事django開發，還需要哪些技能？要學前端么？

你學的不是Django開發，你學的應該是計算機科學中，網路應用方向的一部分。這才應該是學什麼Php網站開發，Python開發真正應該叫的名字。 Django只是你工具箱里的一個工具而已，比方說它是把鋸子。這個鋸子的牌子叫做Django. 其他生產鋸子的廠家包括但不限於Php, Flask, Java, Go....但是他們的本質都是鋸子。都可以做一樣的事情。有的廠家在鋸子上安了個小手電筒，於是它的牌子的鋸子也許多了一些功能。這就是框架與框架的區別。

所以，你需要的不是Django開發的技能，你需要的是網路開發與管理的技能。如果題主專注於做網站的話，相信我，資料庫資料庫資料庫！一個設計良好，結構合理的資料庫，是任何優秀網站的前提。

6. 大家知道這個少兒編程python真的適合孩子來學習嗎學習方式是什麼樣的啊

少兒編程 Python是一種計算機程序設計語言也是人工智慧時代的語言，初的時候是被設計用於編寫自動化腳本，但是現在隨著版本的不斷更新以及其他功能的添加，現在 Python已經被廣泛的應用於ー些大型開發上面。 Python作為少兒學習編程必須學習的課程之一，具有相當重要的作用。

Python被應用在人工智慧、科學計算、大數據、金融領域、系統運維、圖形處理、文本處理、黑客編寫、爬蟲編寫等廣泛領域。

青少兒為什麼要學 Python編程？

因為編程在未來可能是一項生存的基本技能，就像駕駛，英語一樣，很常見，很常用。可青少年為什麼要學習 Python編程呢?因為以下幾點原因

1、Python更好

玩是孩子們的天性，其實也是人類的天性，只不過成年人和孩子們的玩法不同罷了，但歸根到底，大家都喜歡玩，更有意思的玩，好在加點創造是每個孩子的夢想，甚至是成年人的夢想，少我小時候曾經夢想能製作宇宙飛船，去遨遊太空。而 Python，對極了，支持物聯網等嵌入式開發，而且方法簡單易學。不信網路搜搜樹梅派， Arino等科學套件，做個機器人實現自己的夢想，沒問題。

2、入門難度低

對於任何一個沒有基礎的人來說，編程都不容易，特別是沒有一點數理基礎的朋友，學好很難，但 Python語言語法結構簡單，與自然語言更接近，學起來更容易。

3、江湖地位

Python就如同編程語言的中的江湖俠客，自由兔費，門徒廣泛，招式繁多，怎麼講呢，就像金庸筆下的各位身懷絕技的大俠一樣，能容納各個門派，也就是說 Python類庫眾多，在 Python的世界裡，解決問題的方法多，因為很多人都在用，你可以很容易找到類似問題的解決辦法化為己用。

4、學習上的要求

如果高考真的加入信息技術編程，你以為還是會選C語言?out了，如果真有這么，也許很快，哪這么高考編程語言，一定是 Python。

5、語法結構

Python是一種強調編程卷面的語言，對字體格式要求尤為嚴格，還記得自己小時候學習語文的時候先要練習寫字一樣，學習編程，先練好編程語言卷面的問題。

6、Python更有「錢」途

Python在流行編程語言榜的名列前四，且還在高速增長。看吧，現在人工智慧如火如茶，大多數你能叫出名字的人工智慧應用都是Python寫的，你信不?用 Python的公司多，產品多，應用更多，未來的職業當然也多對吧。

可以說現在 Python編程的含金量比較高，雖然學習難度較大但是不管是在競賽中還是在日常生活中少兒Python編程的應用都十分的廣泛，因此少兒 Python編程的學習很重要。

7. 怎麼用最短的時間高效而踏實的學Python

不管學習什麼新的東西，效率最低但是又不可或缺的環節就是看教科書了。雖然看書的過程可能會很無聊，但是過一遍書至少能對整個知識框架有個大體的把握。我最早知道 Python 還是在《黑客與畫家》這本書中看到的，書裡面有一章節是講編程語言的，作者很推薦把 python 作為學習編程的入門語言。我當時是把《簡明 Python 教程》給過了一邊，後來又看了一遍《深入python》，這里特別推薦《深入 Python》，除了介紹 python 的基本特性之外，還介紹了諸如函數編程、正則表達式、處理 HTML 和 XML等高級用法。除了看書，上公開課也是挺不錯的，視頻教學本來就比自己啃教科書有意思，而且完成課程作業也能鍛煉動手編程能力。我上過兩門不錯的公開課，一門是萊斯大學在 Coursera 上開的《Python互動式編程導論》，一邊學 python，一邊寫些小游戲，肯定不會覺得無聊；另一門就是 MIT 在 edX 上開的《計算機科學及python編程導論》，它是 MIT edX系列課程（XSeries）中的第一課，系列課程共兩門，除了這門課以外還有《計算思維及數據科學導論》，不過第二門就沒有上過了。

《簡明 Python 教程》
《深入 Python》
《Python互動式編程導論》
《計算機科學及python編程導論》

8. 五年級下冊奧數題請高手解答一下啊謝謝啊！！！

解：設自然數為s，則
（s-1）/7+（s-2）/8+（s-3）/9=570
即：72（s-1）+63（s-2）+56（s-3）=7*8*9*570
（72+63+56）s=7*8*9*570+72+126+168
191s=287646
∴s=1506

9. python爬蟲下載緩慢

維持一個你想要爬的url（圖片、視頻啥的）隊列，然後多線程處理。

10. 看完廖雪峰的python，但是感覺自己掌握不扎實，不知道該怎麼做

python感覺自己掌握不扎實，不知道該怎麼做
不管學習什麼新的東西，效率最低但是又不可或缺的環節就是看教科書了。雖然看書的過程可能會很無聊，但是過一遍書至少能對整個知識框架有個大體的把握。我最早知道 Python 還是在《黑客與畫家》這本書中看到的，書裡面有一章節是講編程語言的，作者很推薦把 python 作為學習編程的入門語言。我當時是把《簡明 Python 教程》給過了一邊，後來又看了一遍《深入python》，這里特別推薦《深入 Python》，除了介紹 python 的基本特性之外，還介紹了諸如函數編程、正則表達式、處理 HTML 和 XML等高級用法。除了看書，上公開課也是挺不錯的，視頻教學本來就比自己啃教科書有意思，而且完成課程作業也能鍛煉動手編程能力。我上過兩門不錯的公開課，一門是萊斯大學在 Coursera 上開的《Python互動式編程導論》，一邊學 python，一邊寫些小游戲，肯定不會覺得無聊；另一門就是 MIT 在 edX 上開的《計算機科學及python編程導論》，它是 MIT edX系列課程（XSeries）中的第一課，系列課程共兩門，除了這門課以外還有《計算思維及數據科學導論》，不過第二門就沒有上過了。

《簡明 Python 教程》
《深入 Python》
《Python互動式編程導論》
《計算機科學及python編程導論》

另外，我和題主的情況有點像，也不是學計算機專業的，並且同樣對自己的專業不感興趣，以後也是想從事與數據科學相關的工作。我目前的狀況都是在自學，上公開課，看教科書，跟大牛們的技術博客。