numpy最后一次作业。
练习3的拼接全为0的数组标识为英国
拼接全为1的数组标识为美国,是不是诳我的,我没有看到全部为0的数组,也没有看到全部为1的数组。练习3最后一项vstack那个很简单。工科学生和CS的不一样啊, 我们任务解决就好了,一般不会想很多,CS的学生这次估计又要费个牛劲去封装函数。我们2006-2007年写代码的时候,每周有2次机会分到200-500GB的内存,CPU是啥样的记不清的,可以使用2-3小时。我们 从来不担心运算的效率问题,把结果算对就行了。
这次练习的结论就是社会是幂率分布的,强者恒强,拥有者将拥有的更多。
import matplotlib.pyplot as plt
from matplotlib import pyplot as plt
import random
import matplotlib
from matplotlib import ticker
font={
‘family’:‘SimHei’,
‘weight’:‘bold’,
‘size’:12
}
matplotlib.rc(“font”,**font)
import numpy as np
plt.rcParams[‘font.sans-serif’] = [‘SimHei’] # 步骤一(替换sans-serif字体)
plt.rcParams[‘axes.unicode_minus’] = False # 步骤二(解决坐标轴负数的负号显示问题)
GB=np.loadtxt(“GB_video_data_numbers.csv”,delimiter=\”,\”)
US=np.loadtxt(“US_video_data_numbers.csv”,delimiter=\”,\”)
#print(US)
GB_comments=GB[:,3]
GB_like=GB[:,1]
US_comments=US[:,3]
max_GB=np.max(GB_comments)
max_US=np.max(US_comments)
min_GB=np.min(GB_comments)
min_US=np.min(US_comments)
b=50000
differences=max_GB-min_GB
bi=int(differences)//b #GB和US的极大值差不多,公用一个bi
print(bi)
#plt.hist(int(GB_comments),bins=bi,density=True) #注意bins为整数类型
plt.hist(GB_comments,bins=bi)
#display label
plt.xlabel(“UK number of comments”)
plt.ylabel(“UK whole range”)
plt.title(‘UK 直方图’)
plt.show()
plt.hist(US_comments,bins=bi)
#display label
plt.xlabel(“US number of comments”)
plt.ylabel(“US whole range”)
plt.title(‘US 直方图’)
plt.show()
plt.scatter(GB_like,GB_comments)
plt.xlabel(“UK number of likes”)
plt.ylabel(“UK number of comments”)
plt.title(‘UK scatter’)
plt.show()
data=np.vstack((GB,US))
np.savetxt(“all_data.csv”,data,fmt=\”%s\”,delimiter=\”,\”)