《Python快乐编程:中学学科创意编程实例》课件,源码,视频

  • 更新时间:
  • 7140人关注
  • 点击下载

给大家带来的是《Python快乐编程:中学学科创意编程实例》课件,源码,视频,介绍了关于Python编程、Python、Python编程方面的内容,本书是由人民邮电出版社出版,已被479人关注,由热心网友余寄瑶提供,目前本书在Python编程类综合评分为:8.4分。

资源详情相关推荐
《《Python快乐编程:中学学科创意编程实例》课件,源码,视频》封面
  • 出版社:人民邮电出版社
  • 作者:方其桂
  • 大小:1.08 GB
  • 类别:Python编程
  • 热度:190
  • 自学Python编程基础学习笔记
  • Python编程(第四版) 上册
  • ArcGIS下的Python编程
  • Python编程
  • Python编程无师自通
  • 配套书籍介绍

    本书是一本有趣的Python入门书。全书根据中学生熟悉的美术、数学、体育、物理、化学、语文、英语、生物和音乐这9门学科设计了9个单元,每个单元以课的形式编排,共30课。每课精选一个学科知识热点作为案例,贴合学生的认知基础,并通过精巧的案例,让学生对学科知识温故知新,同时也激发学生用编程解决问题的兴趣。学科知识是明线,Python程序设计语言是技术支持的暗线。每课中的案例解读、问题分析和算法描述都图文并茂,方便读者阅读学习。本书知识结构安排合理,第1~3单元是编程的基础知识,第4~9单元的Python知识由浅入深,但是内容相互独立,读者可以根据个人兴趣跳跃阅读。

    本书适合中学生阅读使用,可作为青少年编程竞赛的教材,也可作为信息技术教师教授Python语言的参考教材。

    目录

    • 第 1单元 美术课堂
    • 第 1课 信手涂鸦很快乐—初识Python 002
    • 第 2课 几何图形我会画—设置小海龟属性 012
    • 第3课 图文并茂也不难—设置小海龟动作 020
    • 第4课 创意绘画添精彩—应用填充色 028
    • 第 2单元 数学课堂
    • 第5课 图形面积容易算—顺序结构 037
    • 第6课 判断在第几象限—选择结构 046
    • 第7课 高斯求和咱也会—for循环 056
    • 第8课 妙算最大公约数—while循环 063
    • 第3单元 体育课堂
    • 第9课 跑步时间轻松算—赋值运算 071
    • 第 10课 体质指数判健康—选择嵌套 080
    • 第 11课 队形排列巧设计—循环嵌套 088
    • 第 12课 逢4必过小游戏—循环控制 097
    • 第4单元 物理课堂
    • 第 13课 温度转换换算器—内置函数 106
    • 第 14课 巧断凸透镜成像—自定义函数 113
    • 第 15课 杠杆的平衡条件—函数的调用 120
    • 第5单元 化学课堂
    • 第 16课 化学仪器巧分类—列表 129
    • 第 17课 小小元素周期表—元组 138
    • 第 18课 酸碱报告速整理—字典 147
    • 第6单元 语文课堂
    • 第 19课 填字组词我最棒—字符串连接 157
    • 第 20课 成语接龙有捷径—字符串查询 165
    • 第 21课 中华诗词识别会—字符串操控 172
    • 第7单元 英语课堂
    • 第 22课 拼词游戏巧设计—随机函数 181
    • 第 23课 文章词频快统计—数据处理 191
    • 第 24课 单词记忆勤训练—字典应用 199
    • 第8单元 生物课堂
    • 第 25课 细胞分裂好神奇—解析法 208
    • 第 26课 神秘的基因编码—穷举法 216
    • 第 27课 兔子繁殖能力强—递归法 225
    • 第9单元 音乐课堂
    • 第 28课 派神唱歌需设置—模块应用 234
    • 第 29课 自制音乐播放器—界面设计 243
    • 第30课 巧获歌曲排行榜—网络爬虫 251
    精选笔记1:python编程线性回归代码示例

    23小时41分钟前回答

     用python进行线性回归分析非常方便,有现成的库可以使用比如:numpy.linalog.lstsq例子、scipy.stats.linregress例子、pandas.ols例子等。

    不过本文使用sklearn库的linear_model.LinearRegression,支持任意维度,非常好用。

    一、二维直线的例子

    预备知识:线性方程y=a∗x+b。y=a∗x+b表示平面一直线

    下面的例子中,我们根据房屋面积、房屋价格的历史数据,建立线性回归模型。

    然后,根据给出的房屋面积,来预测房屋价格。这里是数据来源

    import pandas as pd 
    from io import StringIO  
    from sklearn import linear_model  
    import matplotlib.pyplot as plt 
    # 房屋面积与价格历史数据(csv文件) 
    csv_data = 'square_feet,price\n150,6450\n200,7450\n250,8450\n300,9450\n350,11450\n400,15450\n600,18450\n' 
     
    # 读入dataframe 
    df = pd.read_csv(StringIO(csv_data)) 
    print(df)  
    # 建立线性回归模型 
    regr = linear_model.LinearRegression()  
    # 拟合 
    regr.fit(df['square_feet'].reshape(-1, 1), df['price']) # 注意此处.reshape(-1, 1),因为X是一维的! 
    # 不难得到直线的斜率、截距 
    a, b = regr.coef_, regr.intercept_ 
     
    # 给出待预测面积 
    area = 238.5 
     
    # 方式1:根据直线方程计算的价格 
    print(a * area + b) 
    # 方式2:根据predict方法预测的价格 
    print(regr.predict(area))  
    # 画图 
    # 1.真实的点 
    plt.scatter(df['square_feet'], df['price'], color='blue')  
    # 2.拟合的直线 
    plt.plot(df['square_feet'], regr.predict(df['square_feet'].reshape(-1,1)), color='red', linewidth=4) 
     
    plt.show() 

    python编程线性回归代码示例

    二、三维平面的例子

    预备知识:线性方程z=a∗x+b∗y+c。z=a∗x+b∗y+c 表示空间一平面

    由于找不到真实数据,只好自己虚拟一组数据。

    import numpy as np  
    from sklearn import linear_model  
    from mpl_toolkits.mplot3d import Axes3D 
    import matplotlib.pyplot as plt  
    xx, yy = np.meshgrid(np.linspace(0,10,10), np.linspace(0,100,10)) 
    zz = 1.0 * xx + 3.5 * yy + np.random.randint(0,100,(10,10))  
    # 构建成特征、值的形式 
    X, Z = np.column_stack((xx.flatten(),yy.flatten())), zz.flatten() 
     
    # 建立线性回归模型 
    regr = linear_model.LinearRegression() 
     
    # 拟合 
    regr.fit(X, Z) 
    # 不难得到平面的系数、截距 
    a, b = regr.coef_, regr.intercept_  
    # 给出待预测的一个特征 
    x = np.array([[5.8, 78.3]])  
    # 方式1:根据线性方程计算待预测的特征x对应的值z(注意:np.sum) 
    print(np.sum(a * x) + b)  
    # 方式2:根据predict方法预测的值z 
    print(regr.predict(x))  
    # 画图 
    fig = plt.figure() 
    ax = fig.gca(projection='3d')  
    # 1.画出真实的点 
    ax.scatter(xx, yy, zz) 
    # 2.画出拟合的平面 
    ax.plot_wireframe(xx, yy, regr.predict(X).reshape(10,10)) 
    ax.plot_surface(xx, yy, regr.predict(X).reshape(10,10), alpha=0.3) 
    
    plt.show() 

    效果图

    python编程线性回归代码示例

    总结

    以上就是本文关于python编程线性回归代码示例的全部内容,希望对大家有所帮助。感兴趣的朋友可以继续参阅本站:

    python八大排序算法速度实例对比

    详解K-means算法在Python中的实现

    Python算法之图的遍历

    如有不足之处,欢迎留言指出。感谢朋友们对本站的支持!

    相关声明:

    《Python快乐编程:中学学科创意编程实例》课件,源码,视频 下载资源由用户 邴子濯 于 2021-04-09 09:35:18 分享至网盘,版权归人民邮电出版社所有。仅供想学习Python编程的网友交流使用,专题参考:pythonPython编程,Python编程,

    Python编程相关资源

    • 树莓派Python编程入门与实战 第2版

      树莓派Python编程入门与实战 第2版

      《树莓派Python编程入门与实战》经典系列 直观 循序渐进的树莓派Python编程学习教程 强调实践教学 以示例引导读者完成常见的任务。

      大小:94.6 MBPython

      立即下载
    • Python编程:从入门到实践

      Python编程:从入门到实践

      《Python编程:从入门到实践》是Python3.5编程入门图书(从入门到实践),机器学习,数据处理,网络爬虫热门编程语言,从基本概念到完整项目开发,帮助零基础读者迅速掌握Python编程。

      大小:9.85MPython入门

      立即下载
    • Python编程从入门到精通(资料源码视频)

      Python编程从入门到精通(资料源码视频)

      一本好书包括3大区域的內容:基本、案例、综合性实战演练技术性解读-案例应急演练-技术性答疑解惑-课后答案围绕全书,全方位把握Python开发设计用纸版书籍视頻和源代码互联网答疑解惑的

      大小:5.31 GBPython编程

      立即下载
    • Python编程基础

      Python编程基础

      本书以任务为导向的编写模式,全面介绍了Python编程基础及其相关知识的应用,以及如何利用Python的知识解决部分实际问题

      大小:6 MBPython编程

      立即下载

    Python编程配套笔记

    9小时24分钟前回答

    python编程工具有哪些

    学习Python有时候没有第一时间找到好工具,会吃不少的苦头,磕磕绊绊走过来之后才知道,好的工具给效率带来的提升是巨大的,毕竟好的工具能将工作效率多倍速提升。 Upterm railsware/uptermgithub.com 其实本来想推荐 fish 或者 zsh,但其实这两个我也主要是贪图自动补全这个特性。最近在用的这个 Upterm 其实很简单好用,它是一个全平台的终端,可以说是终端里的 IDE,有着强大的自动补全功能。之前的名字叫 BlackWindow,有人跟他说这个名字不利于社区推广,改名叫 Upterm 之后现在已经17000+ Star了。 Ptpython jonathanslenders/ptpythongithub.com 一个交互式的 Python 解释器。支持语法高亮、提示甚至是 vim 和 emacs 的键入模式……

    11小时42分钟前回答

    Python的requests网络编程包使用教程

    早就听说requests的库的强大,只是还没有接触,今天接触了一下,发现以前使用urllib,urllib2等方法真是太搓了…… 这里写些简单的使用初步作为一个记录 一、下载 官方项目页: https://pypi.python.org/pypi/requests/#downloads 可以从上面直接下载。 二、发送无参数的get请求 r = requests.get('http://httpbin.org/get') print r.text{ "args": {}, "headers": { "Accept": "*/*", "Accept-Encoding": "gzip, deflate", "Connection": "close", "Host": "httpbin.org", "User-Agent": "python-requests/2.3.0 CPython/2.6.6 Windows/7", "X-Request-Id": "8a28bbea-55cd-460b-bda3-f3427d66b700" }, "origin": "124.192.129.84", "url": "http://httpbin.org/get"} 三、发送带参数的get请求 ,将key与value放入一个字典中,通过params参数……