python的安装包：python 3.8

参考地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

import matplotlib.pyplot as plt import numpy as np x = np.linspace(0.05,20,2000) y = np.sin(x) plt.plot(x,y,ls='--',c='k',lw=2,label='plot figure') plt.legend() plt.axhline(0.5,ls='-.',c='r',lw=1) plt.axvline(7.5,ls='-.',c='r',lw=1) plt.savefig('E:\\test\\test.png',dpi=300) plt.show() 

结果：

第一种方法：

def cal_price(city, area):     if area<0:         print(面积输入错误，请重新输入！)         return 0     if city == "深圳":         if area < 100:             return area * 70000         else:             return area * 60000     elif city == "广州":         if area < 90:             return area * 40000         else:             return area * 30000     else:         return area * 60000 print("请输入城市名称：")
city = input()
print("请输入房屋面积：")
area = int(input())
house_price = cal_price(city, area)
if house_price==0:
    print('输入错误，请重新输入！')
else:
    print("房屋的价格：%d" % house_price)

结果：

C:\ProgramData\Anaconda3\python.exe D:/test/test.py
请输入城市名称：
深圳
请输入房屋面积：
300
房屋的价格：18000000

进程已结束，退出代码为 0

第二种方式：

def cal_price(city,squar):
    if squar <0:
        print('面积输入错误，请重新输入！')
        return 0
    if  city == "深圳":
        if squar < 100:
           HP = squar * 7
        else:
            HP = squar * 6
    elif city =="广州":
        if squar < 90:
           HP = squar * 4
        else:
            HP = squar * 3
    else:
        HP =squar * 6
    return HP

def main():
    city = input("请输入你的城市：")
    squar = int(input("请输入房子的面积："))
    price= cal_price(city,squar)
    print("您的房价是:" + str(price))

if __name__ == '__main__':
    main()

第三种方式：

def GetHousePrice(city,area):
    if city =='深圳':
        if area < 100:
            HP = 7 * area
        else:
            HP = 6 * area
    elif city == '广州':
        if area < 90:
            HP = 4 * area
        else:
            HP = 3 * area
    else:
        HP = 6 * area
    return HP

def main():
    city = input("请输入你的城市：")
    area = int(input("请输入房子的面积："))
    HP = GetHousePrice(city,area)
    print("您的房价是:"+str(HP))

if __name__ == '__main__':
    main()

第一种方式：

import matplotlib.pyplot as plt
import numpy as np
import tensorflow as tf
import pandas as pd
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = False
TRAIN_URL = r'http://download.tensorflow.org/data/iris_training.csv'
train_path = tf.keras.utils.get_file(TRAIN_URL.split('/')[-1], TRAIN_URL)
names = ['Sepal length', 'Sepal width', 'Petal length', 'Petal width', 'Species']
df_iris = pd.read_csv(train_path, header=0, names=names)
iris_data = df_iris.values
plt.figure(figsize=(15, 15), dpi=60)
for i in range(4):
    for j in range(4):
        plt.subplot(4, 4, i * 4 + j + 1)
        if i == 0:
            plt.title(names[j])
        if j == 0:
            plt.ylabel(names[i])
        if i == j:
            plt.text(0.3, 0.4, names[i], fontsize=15)
            continue
        plt.scatter(iris_data[:, j], iris_data[:, i], c=iris_data[:, -1], cmap='brg')
plt.tight_layout(rect=[0, 0, 1, 0.9])
plt.suptitle('鸢尾花数据集\nBule->Setosa | Red->Versicolor | Green->Virginica', fontsize=20)
plt.show()

结果：

第二种方式：

from sklearn import datasets
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

iris = datasets.load_iris()
# 2.取特征空间中的4个维度
X = iris.data[:, :4]
# 3.搭建模型，构造KMeans聚类器，聚类个数为3
estimator = KMeans(n_clusters=3)
#开始聚类训练
estimator.fit(X)
# 获取聚类标签
label_pred = estimator.labels_
# 绘制数据分布图（数据可视化）
plt.scatter(X[:, 0], X[:, 1], c="red", marker='o', label='see')
plt.xlabel('petal length')
plt.ylabel('petal width')
plt.legend(loc=2)
plt.show()
# 绘制k-means结果
x0 = X[label_pred == 0]
x1 = X[label_pred == 1]
x2 = X[label_pred == 2]
plt.scatter(x0[:, 0], x0[:, 1], c="red", marker='o', label='label0')
plt.scatter(x1[:, 0], x1[:, 1], c="green", marker='*', label='label1')
plt.scatter(x2[:, 0], x2[:, 1], c="blue", marker='+', label='label2')
#花瓣的长宽
plt.xlabel('petal length')
plt.ylabel('petal width')
plt.legend(loc=2)
plt.show()

结果：

第三种方式：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
import numpy as np
# 载入数据集
iris_dataset = load_iris()
# 数据划分
X_train, X_test, y_train, y_test = train_test_split(iris_dataset['data'], iris_dataset['target'], random_state=0)
# 设置邻居数
knn = KNeighborsClassifier(n_neighbors=1)
# 构建基于训练集的模型
knn.fit(X_train, y_train)
# 一条测试数据
X_new = np.array([[5, 2.9, 1, 0.2]])
# 对X_new预测结果
prediction = knn.predict(X_new)
print("预测值%d" % prediction)
# 得出测试集X_test测试集的分数
print("score:{:.2f}".format(knn.score(X_test, y_test)))

结果：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] =["SimHei"] #设置字体
plt.rcParams["axes.unicode_minus"] =False #该语句解决图像种的“-”负号的乱码问题

#读取原始文件内容
ori_data = pd.read_excel(r"E:\test\客户数据-all-1.xlsx")
#初步筛选出已经购买课程的群体
df = pd.DataFrame(ori_data[ori_data["是否购买课程"]==1])
#先获取表格中的列名
columns_name = np.array(df.columns)
#输入列名
print(columns_name)

def statistics_classification(name):
    #筛选出需要的数据并且回执条形图形
    df[name].value_counts().plot(kind="bar")
    #图形标题
    plt.title("按照"+name+"分类统计")
    #X坐标轴显示旋转
    plt.xticks(rotation=60)
    plt.show()

name = input("请输入想要筛选的内容:")
if name not in columns_name:
    print("输入的内容错误")
else:
    statistics_classification(name)

结果：

C:\ProgramData\Anaconda3\python.exe D:/test/test.py
['Unnamed: 0' 'Unnamed: 0.1' 'Unnamed: 0.1.1' '手机号' '性别' '年龄' '学历水平'
 '婚姻状态' '常居城市' '子女年龄' '是否购买过少儿课程' '是否体验过本课程' '是否购买过少儿保险' '客户财富等级'
 '是否去过高端商场' '是否去过高尔夫球场' '是否住在高端小区' '是否喜欢旅游' '是否出过国' '客户是否有房' '房价' '是否有车'
 '销售渠道' '行业分类' '英语水平' '健康状况' '是否购买课程']
请输入想要筛选的内容:学历水平

https://colorize.cc/

https://cloud.baidu.com/product/imageprocess/colourize?track=cp:nsem%7Cpf:PC%7Cpp:P-fengchao124-tuxiangzengqiangtexiao-bayue%7Cpu:heibaitupianshangse%7Cci:%7Ckw:10368400&bd_vid=9996180438037139433

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==2.6.0

dict = { 
        '深圳':80,'广州':90}
print(dict)
city=input("请输入城市：")
# area=input("请输入面积：")
for d in dict:
    if d == city and city == '深圳':
        print(d)
        price = dict[d] * 7
        break;
    elif d == city and city == '广州':
        print(d)
        price = dict[d] * 6
        break;
print(price)

结果：

C:\ProgramData\Anaconda3\python.exe D:/test/test.py
{ 
        '深圳': 80, '广州': 90}
请输入城市：广州
广州
540

![# import tensorflow as tf
# tf.__version__
# print(tf.__version__)
# # 常量
# a =tf.constant(3)
# b =tf.constant(2)
#
# #生成一个1*3的数组
# c =tf.Variable(tf.constant([1,2,3]))
# print(c)在这里插入图片描述


#
# #生成矩阵
# c0= tf.zeros([10,33])
# c1= tf.ones([10,33])
# c2= tf.fill([10,33],2.)
#
# #矩阵的运算
# print('c2+c1',tf.add(c2,c1))
# print('c2-c1',tf.subtract(c1,c2))
# #乘法
# print('c2+c1',tf.multiply(c2,c1))
# #除法
# print('c2+c1',tf.divide(c2,c1))
# print(c1)]

结果：