课程表

Εκπαιδευτικό υλικό για Python

• Εκπαιδευτικό υλικό για Python
• Εισαγωγή στο Python
• Εισαγωγή στο Python
• Γλώσσα Προγραμματισμού Python
• Ανακεφαλαίωση του Python
• Μεταβλητές του Python
• Τύποι Δεδομένων του Python
• Python 数字
• Κάστινγκ του Python
• Σtrings του Python
• Boolean του Python
• Οπέρatoren του Python
• Λίστες του Python
• Τuples του Python
• Συνθέσεις του Python
• Δictionaries του Python
• Python If Else
• While Loop του Python
• For Loop του Python
• Λειτουργίες του Python
• Lambda του Python
• Περιβάλλοντα του Python
• Python 类/对象
• Κληρονομικότητα του Python
• Ιτεράσεις του Python
• Χώρος Απόδοσης του Python
• Μονάδες του Python
• Ημερομηνία του Python
• JSON του Python
• RegEx του Python
• PIP του Python
• Try Except του Python
• Python 命令输入
• Φόρματοποίηση String του Python

文件处理

• Άνοιγμα Αρχείου του Python
• Ανάγνωση Αρχείου του Python
• Python 文件写入/创建
• Διαγραφή Αρχείου του Python

Python NumPy

• Εισαγωγή στο NumPy
• Εισαγωγή στο NumPy
• Δημιουργία Μεταβλητών Αρχείων του NumPy
• Διαδρομή Αρχείων του NumPy
• Αποκοπή Αρχείων του NumPy
• Τύποι Δεδομένων του NumPy
• Αντίγραφα/Προσόψεις του NumPy
• Σχήμα Αρχείων του NumPy
• Αναδιαμορφώσεις Αρχείων του NumPy
• Ιτεράσεις Αρχείων του NumPy
• Σύνδεση Αρχείων του NumPy
• Διαμερισμός Αρχείων του NumPy
• Αναζήτηση Αρχείων του NumPy
• Ταξινόμηση Αρχείων του NumPy
• Φιλτράρισμα Αρχείων του NumPy
• Αθαροί Αριθμοί του NumPy
• Ufuncs του NumPy

机器学习

• 入门
• 平均中位数模式
• 标准差
• 百分位数
• 数据分布
• 正态数据分布
• 散点图
• 线性回归
• 多项式回归
• 多元回归
• Σκάλωση
• Εκπαίδευση/Δοκιμή
• Δέντρο Αποφάσεων

Python MySQL

• MySQL Εισαγωγή
• MySQL Create Database
• MySQL Create Table
• MySQL Insert
• MySQL Select
• MySQL Where
• MySQL Order By
• Διαγραφή MySQL
• Διαγραφή πίνακα MySQL
• Ενημέρωση MySQL
• Limit MySQL
• Join MySQL

Python MongoDB

• Εισαγωγή MongoDB
• Δημιουργία βάσης δεδομένων MongoDB
• Δημιουργία συλλογής MongoDB
• Εισαγωγή MongoDB
• Αναζήτηση MongoDB
• Αίτημα MongoDB
• Ταξινόμηση MongoDB
• Διαγραφή MongoDB
• Διαγραφή συλλογής MongoDB
• MongoDB Update
• MongoDB Limit

Python Εγχειρίδιο Αναφοράς

• Περίληψη αναφοράς Python
• Εσωτερικές λειτουργίες Python
• Μέθοδοι αλφαβητικού Python
• Μέθοδοι λίστας Python
• Μέθοδοι λεξικού Python
• Μέθοδοι διανύσματος Python
• Μέθοδοι συλλογής Python
• Μέθοδοι αρχείων Python
• Κλειδιά Python

Εγχειρίδιο αναφοράς μοντέλου

• Μοντέλο τυχαίων αριθμών
• Modulo αίτησης

Python How To

• Διαγραφή επαναλαμβανόμενων στοιχείων της λίστας
• Αντιστροφή αλφαβητικού

Python Παράδειγμα

• Python Παράδειγμα
• Python Πειραματισμός

Επιλογή μαθήματος

Προτεινόμενη διδασκαλία:

• CodeW3C.com Συνθετικός Θησαυρός

Τι είναι οι τυχαίοι αριθμοί;

Οι τυχαίοι αριθμοί δεν σημαίνουν ότι κάθε φορά έχουν διαφορετικό αριθμό. Το τυχαίο σημαίνει κάτι που δεν μπορεί να προβλεφθεί λογικά.

Ψευδοτυχαίος και πραγματικός τυχαίος

Ο υπολογιστής λειτουργεί σε προγράμματα, τα προγράμματα είναι η αυθεντική συλλογή εντολών. Επομένως, αυτό σημαίνει ότι πρέπει να υπάρχει κάποιος αλγόριθμος για τη δημιουργία τυχαίων αριθμών.

Αν υπάρχει πρόγραμμα που δημιουργεί τυχαίους αριθμούς, μπορεί να προβλέψει, οπότε δεν είναι πραγματικοί τυχαίοι αριθμοί.

Οι τυχαίοι αριθμοί που δημιουργούνται μέσω αλγορίθμων ονομάζονται ψευδοτυχαίοι αριθμοί.

Μπορούμε να δημιουργήσουμε πραγματικούς τυχαίους αριθμούς;

Ναι. Για να δημιουργήσουμε έναν πραγματικό τυχαίο αριθμό στον υπολογιστή μας, χρειαζόμαστε δεδομένα από εξωτερικές πηγές. Οι εξωτερικές πηγές είναι συνήθως οι κλικ μας, η κίνηση του ποντικιού, δεδομένα δικτύου κ.λπ.

Δεν χρειαζόμαστε πραγματικούς τυχαίους αριθμούς, εκτός αν είναι σχετιζόμενοι με την ασφάλεια (π.χ. κλειδιά κρυπτογράφησης) ή η βάση της εφαρμογής είναι η τυχαιότητα (π.χ. δισκοπέλα)

Σε αυτή τη διδασκαλία, θα χρησιμοποιήσουμε ψευδοτυχαίους αριθμούς.

Δημιουργία τυχαίων αριθμών

Το NumPy παρέχει το μοντέλο random για τη διαχείριση τυχαίων αριθμών.

Παράδειγμα

Δημιουργία μιας τυχαίας ακέραιας αριθμοστής μεταξύ 0 και 100:

from numpy import random
x = random.randint(100)
print(x)

Εκτέλεση Παραδείγματος

Δημιουργία τυχαίων ακέραιων αριθμοστών

Το μοντέλο random rand() Η μέθοδος επιστρέφει τυχαία ακέραιες αριθμοστές μεταξύ 0 και 1.

Παράδειγμα

Δημιουργία μιας τυχαίας ακέραιας αριθμοστής μεταξύ 0 και 100:

from numpy import random
x = random.rand()
print(x)

Εκτέλεση Παραδείγματος

Δημιουργία τυχαίων μαζικών

Στο NumPy, μπορούμε να χρησιμοποιήσουμε τα δύο παραδείγματα μεθόδων για να δημιουργήσουμε τυχαία μαζικά.

αριθμοί

randint() Η μέθοδος αποδέχεται size Παράμετρος, στην οποία μπορείτε να καθορίσετε τη μορφή της μάζας.

Παράδειγμα

生成一个 1-D 数组，其中包含 5 个从 0 到 100 之间的随机整数：

from numpy import random
Δημιουργία μονοδιάστατης μακριτσής που περιέχει 5 τυχαίους αριθμούς από 0 έως 100:
print(x)

Εκτέλεση Παραδείγματος

Παράδειγμα

x=random.randint(100, size=(5))

from numpy import random
Δημιουργία δυάδης μαトリτσής με 3 γραμμές, κάθε γραμμή περιέχει 5 τυχαίους αριθμούς από 0 έως 100:
print(x)

Εκτέλεση Παραδείγματος

Πλέον αριθμός

rand() Η μέθοδος επιτρέπει επίσης τη καθορισμό της μορφής του μακρόθεσμου.

Παράδειγμα

Δημιουργία μονοδιάστατης μαトリτσής που περιέχει 5 τυχαίους πλέον αριθμούς:

from numpy import random
x = random.rand(5)
print(x)

Εκτέλεση Παραδείγματος

Παράδειγμα

Δημιουργία δυάδης μαトリτσής με 3 γραμμές, κάθε γραμμή περιέχει 5 τυχαίους αριθμούς:

from numpy import random
x = random.rand(3, 5)
print(x)

Εκτέλεση Παραδείγματος

Δημιουργία τυχαίων αριθμών από μακρόθεσμο

choice() Η μέθοδος επιτρέπει τη δημιουργία τυχαίων τιμών με βάση το μακρόθεσμο.

choice() Η μέθοδος παίρνει το μακρόθεσμο ως παράμετρο και επιστρέφει μια τυχαία τιμή από αυτό.

Παράδειγμα

Επιστροφή μιας τιμής από το μακρόθεσμο:

from numpy import random
x = random.choice([3, 5, 7, 9])
print(x)

Εκτέλεση Παραδείγματος

choice() Η μέθοδος επιτρέπει επίσης την επιστροφή μιας τιμής μακρόθεσμου.

Προσθέστε μια size Οι παραμέτρους καθορίζουν τη μορφή του μακρόθεσμου.

Παράδειγμα

Δημιουργία δυάδης μαトリτσής από τις τιμές του μακρόθεσμου παραμέτρων (3, 5, 7 και 9):

from numpy import random
x = random.choice([3, 5, 7, 9], size=(3, 5))
print(x)

Εκτέλεση Παραδείγματος

Εργαλείο Θήκης

Python Εγχειρίδιο Αναφοράς

Python Παράδειγμα

Python Πειραματισμός

Συνεργάτες Σύνδεσμοι