尔雅Python与机器学习初步课后答案(学习通2023课后作业答案)
作业提交：练习-Hello World
1、尔雅（1）用Print函数在屏幕上输出“Hello World”。机器 （2）屏幕上输出如下内容： 作业答案查询作业答案查询*** *Hello World* 作业答案查询作业答案查询***
第2章 输入/输出和流程控制
作业提交：练习-输入姓名和年龄
1、学习学习说明：命令式编程最基础的初步内容是变量、赋值、课后运算符、答案类型转换、通课调试。后作这个活动的业答目的是通过编写温度转换程序，发现Python在变量创建、尔雅调试等方面的机器的主要特点。
作业提交：练习-判断奇偶数
1、学习学习要求用户输入一个数，初步然后根据该数的课后奇偶性输出相应的提示信息。 例如，答案输入5，输出“5 is an odd number.“ Extras： 编写程序判断用户可否饮酒。要求输入出生日期，根据是否满18岁，输出允许或者不允许饮酒。当用户输入负数或者非数字时，提示输入不正确。
作业提交：练习-检查密码字符串
1、要求用户输入一个密码字符串，8~16个字符，必须含有至少一个数字、一个字母。符合要求，输出"OK"，如不符合，输出"缺数字"或“缺字母”。
第3章 List和Tuple的操作
作业提交：练习-检查密码字符串
1、1.要求创建一个List，取名xlist, 存放[1,3,5,7,9,11,13,15,17]。 然后判断这些表达式的结果： xlist[0:], xlist[-1], xlist[0], xlist[1:3], len(xlist) 2.用List保存最近七天的最高气温。用print语句输出最高值。
作业提交：练习-Tuple
1、这里两行程序为x和y变量赋值： x=3 y=4 请用Tuple为x和y赋值。 x __ y = (_____）
作业提交：练习-Tuple和List存放数据
1、将表中3行数据用3个tuple存放，然后用List存放这3个tuple。
作业提交：练习-过滤List
1、对如下List，编写程序屏幕输出小于等于5的所有元素。 a = [1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89] Extras: 将小于等于5的元素放到一个新的List中。 用List的pop或者remove方法删除小于等于5的元素。
作业提交：练习-两个List的交集
1、a = [1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89] b = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13] 编写程序，将a、b两个List的共有元素放入一个新的List中。要求不能有重复；两个List的长度可以不同。 Extras: 实现a-b
作业提交：练习-List Comprehension
1、a = [1, 4, 9, 16, 25, 36, 49, 64, 81, 100] 编写一行Python程序，将a的偶数元素放入新的List
作业提交：练习-随机生成List数据
1、1.随机生成30个身高（厘米为单位整数），用List存放。 2.求最大和最小值之差。 3.用sort函数对身高数据排序（升序/降序），例如：mylist.sort()。提示：用help函数查看sort的用法，留意reverse参数。
作业提交：练习-多人猜数字游戏
1、编写程序自动生成0到100间的一个随机数，然后让参与者输入昵称和数字，最后判断谁猜得最准。
第4章 Functions（函数）
作业提交：练习-旱季和雨季
1、随机生成12个月的降水量，范围在40mm~180mm之间。 如果一个月的降水量在40~90mm之间，属于少雨；如果降水量在120~180之间，属于多雨。 编写两个循环，分别统计多雨的月份有几个，少雨的月份有几个。
作业提交：练习-编写旱季/雨季函数
1、对前一个练习的降雨量数据，编写函数统计在限值范围内的月份数量。
作业提交：练习-取List的头和尾
1、编写一个函数，接受List输入，例如a = [5, 10, 15, 20, 25]。然后将List的头和尾两个元素用Tuple形式返回。
作业提交：练习-消除List重复项
1、编写一函数，输入为一个List，输出为消除重复项的List。例如： a=[1,1,2,3,4,3,5] b=removeDuplicates(a) #removeDuplicates是需要编写的自定义函数。 print(b) #屏幕输出[1,2,3,4,5]
作业提交：练习-编写Hangman猜单词游戏
1、根据前面视频的介绍编写Hangman游戏。
作业提交：练习-从文件读入词汇
1、1）用open函数打开文件，将单词加入一个List。 2）统计a~z开头的单词数量。
作业提交：练习-去除文件中不可用的词汇
1、1）从词汇文件中去除含有“-”、“（）”的词汇。 2）去除每个词汇最后的换行符“\n”。 3）将清理后的词汇List用于Hangman游戏。
作业提交：练习-编写辅助猜单词的程序
1、编写程序，将Hangman游戏的输出作为输入，提示用户各字母出现的可能性。
第5章 Matplotlib作图
作业提交：练习-第二次世界大战阵亡人数
1、用matplotlib画直方图（Bar Chart）展现第二次世界大战主要参战国的伤亡人数。
作业提交：练习-首字母单词数Bar Chart
1、将Hangman游戏中的词汇文件，按首字母的单词数量，用Bar Chart展现。
作业提交：练习-绘制散点图
1、绘制失业率和股市指数的散点图。
作业提交：练习-折线图
1、用折线图绘制每一年的失业率。
作业提交：练习-绘制饼图
1、这是某月的天气数据，请按照天气状况绘制饼图，例如展示多云有几天，晴有几天...。
作业提交：练习-Histogram看数据分布
1、用Histogram展示日最高气温的分布。
作业提交：练习-绘制某日气温和PM值的散点图
1、请用pandas读入csv数据，然后绘制任意某月的气温和PM值的散点图。
第6章 硬盘文件数据作图
作业提交：练习-Histogram显示掷骰子的结果
1、Histogram显示掷骰子的结果
作业提交：练习-统计一个目录下的文件数量
1、找出计算机硬盘中某个文件夹下的所有文件，例如 C:\\Users, C:\\Windows。
作业提交：练习-按文件扩展名统计文件数量
1、根据文件扩展名统计文件的个数。例如，下面List中.xml文件有3个。 fileList=['dice.py', 'draw.py', 'excel.py', 'fileAnalyzer.py', 'fonts', 'Hang Man Game.py', "Hangman's educated guess.py", 'random age.py', 'samples.py', 'test.py', 'tttttt.py', 'encodings.xml', 'misc.xml', 'modules.xml', 'testrun.iml', 'workspace.xml', 'pip-selfcheck.json', 'pyvenv.cfg', 'cycler.py', 'easy-install.pth', 'isympy.py', 'kiwisolver.cp36-win_amd64.pyd’]
作业提交：练习-用Bar Chart和Pie Chart，按扩展名展示文件数量
1、用Bar Chart和Pie Chart，按扩展名展示文件数量。
作业提交：练习-用pandas的groupby统计文件数量
1、用pandas的dataframe的groupby函数，按文件扩展名统计文件数量。
作业提交：项目-图形显示各类文件所占容量
1、用Pie或者Bar Chart显示硬盘上各类文件（根据扩展名）所占容量。可以只显示容量最大的前10位。
第7章 多维度查看数据（交叉表）
作业提交：练习-加载数据集
1、安装seaborn包，然后加载tips数据集和titanic数据集。 1）tips数据集包含了条客户消费记录？ 2）titanic数据集包含了几条乘客记录？有几个属性（列），分别是什么数据类型？ 3）两个数据集加载后分别消耗多少内存？
作业提交：练习-交叉表汇总账单数量
1、tips数据集中每一行就是一张餐费账单的信息。按周一到周日，分午餐和晚餐汇总男女客户的账单数量。
作业提交：练习-图形显示交叉表数据
1、将账单数量的交叉表用图形显示。
作业提交：项目-餐饮小费比例分析
1、用seaborn的tips数据集分析，完成简单的分析报告。
作业提交：项目-泰坦尼克乘客数据分析
1、用数据和历史材料回答上面视频中提出的问题。
第9章 识别照片中的数字
作业提交：练习-Center Crop
1、1.找几张JPG图片，布局有Landscape或Portrait。然后切成正方形图片并显示。 2.编写一个center_crop(image)函数，将cv2.imread()返回的数据为输入，输出切成正方形的图片。要求能根据图片水平/竖直布局自动调整。
作业提交：练习-黑白翻转处理
1、1. 拍一张手写数字的照片，然后处理为正方形黑底白字（28*28）的图片，显示在屏幕上。 2. 尝试其它风景照的黑白处理。
作业提交：练习-训练MNIST模型，避免过度拟合
1、1.构建一个DNN神经元网络模型，含有32*32*10个神经元。 2.用MNIST数据训练该模型，将结果用Matplotlib绘制成折线图。观察第几个epochs开始过度拟合。 3.调整epochs数值，避免过度拟合（最初级的办法），重新训练模型。然后保存到硬盘上。
作业提交：练习-用MNIST模型识别手写数字照片
1、1.拍摄几张手写数字照片，用训练好的MNIST模型识别，看看准确率如何。 2. 尝试把照片倒过来（可以用opencv），再识别，是否依然准确？ 3. 如果数字不在图片正中，识别结果准确率如何？
第10章 用CNN提高识别率
作业提交：练习-手动计算Convolution和Max Pooling
1、计算Convolution的结果，填入Result。然后对Result用Max Pooling，得到2*2结果。
作业提交：练习-构造CNN网络
1、根据视频中的CNN网络结构，用Keras实现。
作业提交：练习-训练CNN模型
1、1. 加载MINST训练集 2. 将训练集做适当转换后用于CNN模型训练。 3. 将训练结果用折线图显示。
作业提交：练习-测试CNN模型
1、1.用OpenCV打开手写数字照片，适当处理后输入CNN模型，观察识别结果。
期末项目-用数据说故事
项目-用数据说故事
1、用真实数据及Python的数据可视化方法写一份分析报告，通过数据发现其背后的故事。 要求： 1. 真实数据。 2. 以现实问题为导向，参照本单元的案例。 3. 格式规范，参照本单元作业的格式要求。 4. 能够发现数据中有意义的信息，或者提出更深入的问题。 5. 方法过程合理，附录中添加关键代码（数据清理、图表生成）。
学习通Python与机器学习初步
Python语言一直受到广大程序员的青睐，因为Python语言简单易学，且功能强大，能够完成大部分编程任务。特别是在AI、机器学习领域，Python语言的应用越来越广泛。
Python语言的优势
Python语言的优势主要体现在以下几个方面：
- 易学易用。Python语言语法简单明了，易于理解，易于上手。
- 强大的生态圈。Python拥有丰富的第三方库，可以完成绝大部分编程任务。
- 跨平台。Python语言可以在Windows、Linux、Mac等操作系统上运行。
- 开源免费。Python语言是开源的，且免费使用。
Python与机器学习
机器学习是一种人工智能的技术，它的核心是让机器能够学习和适应。Python语言在机器学习领域的应用越来越广泛，主要原因有以下几个方面：
- Python语言拥有丰富的科学计算库，例如NumPy、SciPy、Matplotlib等库，可以用于大规模数据的计算、可视化和分析。
- Python语言拥有多种机器学习库和框架，例如Scikit-Learn、TensorFlow、Keras等，可以用于机器学习算法的实现。
- Python语言易于使用和部署，可以快速地开发和实现机器学习应用。
学习通Python与机器学习初步课程内容
学习通Python与机器学习初步课程是一门介绍Python语言和机器学习的课程，主要涵盖以下内容：
- Python语言的基础语法和常用库的介绍。
- 机器学习的基础概念和算法介绍。
- 使用Python语言实现机器学习算法的实例。
课程收获
通过学习通Python与机器学习初步课程，你将能够：
- 掌握Python语言的基础语法和常用库的使用。
- 了解机器学习的基本概念和算法，掌握机器学习算法的实现方法。
- 能够使用Python语言实现机器学习算法，并应用到实际项目中。
总结
Python语言在机器学习领域的应用越来越广泛，学习通Python与机器学习初步课程是一个很好的入门课程，可以让你快速地掌握Python语言和机器学习的基础知识，并能够应用到实际项目中。
