《现代AI基础》(微课视频版) 第2章 课后思考题答案

第1章课后思考题答案1.定义变量并输出类型和值代码如下：#定义不同类型的变量integer_var=42float_var=3.14159string_var="Hello,Python!"boolean_var=True#输出变量类型和值print(f"整数:{integer_var},类型:{type(integer_var)}")print(f"浮点数:{float_var},类型:{type(float_var)}")print(f"字符串:{string_var},类型:{type(string_var)}")print(f"布尔值:{boolean_var},类型:{type(boolean_var)}")2.用户输入数值计算代码如下：#获取用户输入num1=float(input("请输入第一个数值:"))num2=float(input("请输入第二个数值:"))#计算和、差、积print(f"和:{num1+num2}")print(f"差:{num1-num2}")print(f"积:{num1*num2}")#计算商，处理除数为零的情况ifnum2!=0:print(f"商:{num1/num2}")else:print("错误:除数不能为零!")3.列表操作代码如下：#构造包含不同数据类型的列表mixed_list=[1,3.14,"Python",True,[1,2,3],{"key":"value"}]#通过索引访问第三个元素print(f"第三个元素:{mixed_list[2]}")#使用切片操作提取前两个元素print(f"前两个元素:{mixed_list[:2]}")4.闰年判断代码如下：#获取用户输入的年份year=int(input("请输入一个年份:"))#判断是否为闰年if(year%4==0andyear%100!=0)or(year%400==0):print(f"{year}年是闰年")else:print(f"{year}年不是闰年")5.统计偶数和与奇数个数代码如下：#初始化统计变量even_sum=0odd_count=0#遍历0到100之间的整数foriinrange(101):ifi%2==0:even_sum+=ielse:odd_count+=1print(f"偶数的总和:{even_sum}")print(f"奇数的个数:{odd_count}")6.温度转换模块代码如下：#temperature_converter.py模块文件defcelsius_to_fahrenheit(celsius):"""摄氏度转华氏度"""returncelsius*9/5+32deffahrenheit_to_celsius(fahrenheit):"""华氏度转摄氏度"""return(fahrenheit-32)*5/9#主程序if__name__=="__main__":#测试摄氏度转华氏度celsius=25fahrenheit=celsius_to_fahrenheit(celsius)print(f"{celsius}°C={fahrenheit}°F")#测试华氏度转摄氏度fahrenheit=77celsius=fahrenheit_to_celsius(fahrenheit)print(f"{fahrenheit}°F={celsius}°C")7.数据库操作代码如下：importsqlite3#创建数据库连接conn=sqlite3.connect('products.db')cursor=conn.cursor()#创建products表cursor.execute('''CREATETABLEIFNOTEXISTSproducts(idINTEGERPRIMARYKEY,nameTEXTNOTNULL,priceREALNOTNULL)''')#插入数据products_data=[(1,'笔记本电脑',5999.99),(2,'智能手机',2999.99),(3,'平板电脑',1999.99),(4,'智能手表',899.99),(5,'耳机',299.99)]cursor.executemany('INSERTORREPLACEINTOproductsVALUES(?,?,?)',products_data)mit()#查询价格大于100的产品cursor.execute('SELECT*FROMproductsWHEREprice>100')results=cursor.fetchall()print("价格大于100的产品:")forrowinresults:print(f"ID:{row[0]},名称:{row[1]},价格:{row[2]}")#关闭连接conn.close()8.CSV文件处理代码如下：importcsv#读取学生成绩文件defcalculate_averages(input_file,output_file):try:withopen(input_file,'r',encoding='utf-8')asinfile:reader=csv.DictReader(infile)#获取所有科目（除了学生姓名列）subjects=[fieldforfieldinreader.fieldnamesiffield!='姓名']#初始化各科总分和计数subject_sums={subject:0forsubjectinsubjects}subject_counts={subject:0forsubjectinsubjects}#读取数据并计算forrowinreader:forsubjectinsubjects:try:score=float(row[subject])subject_sums[subject]+=scoresubject_counts[subject]+=1except(ValueError,KeyError):continue#计算平均分averages={subject:subject_sums[subject]/subject_counts[subject]ifsubject_counts[subject]>0else0forsubjectinsubjects}#写入结果文件withopen(output_file,'w',encoding='utf-8',newline='')asoutfile:writer=csv.writer(outfile)writer.writerow(['科目','平均分'])forsubject,avginaverages.items():writer.writerow([subject,round(avg,2)])print(f"各科平均分已计算并保存到{output_file}")exceptFileNotFoundError:print(f"错误:找不到文件{input_file}")exceptExceptionase:print(f"发生错误:{e}")#使用示例#calculate_averages('student_scores.csv','subject_averages.csv')NumPy随机数统计与可视化代码如下：importnumpyasnpimportmatplotlib.pyplotasplt#生成1000个随机数random_numbers=np.random.randn(1000)#计算均值和标准差mean_value=np.mean(random_numbers)std_value=np.std(random_numbers)print(f"均值:{mean_value:.4f}")print(f"标准差:{std_value:.4f}")#绘制直方图plt.figure(figsize=(10,6))plt.hist(random_numbers,bins=30,edgecolor='black',alpha=0.7)plt.title('随机数分布直方图')plt.xlabel('数值')plt.ylabel('频数')plt.grid(True,alpha=0.3)#添加均值线plt.axvline(mean_value,color='red',linestyle='--',linewidth=2,label=f'均值:{mean_value:.2f}')plt.legend()plt.tight_layout()plt.show()股票收益率分析（进阶练习）代码如下：importpandasaspdimportmatplotlib.pyplotaspltdefanalyze_stock_returns(csv_file):try:#读取股票价格数据df=pd.read_csv(csv_file)#假设数据包含日期和收盘价列#计算每日收益率:(今日价格-昨日价格)/昨日价格df['daily_return']=df['close'].pct_change()*100#移除第一行（因为无法计算收益率）df=df.dropna()#打印统计信息print("股票收益率统计:")print(f"平均日收益率:{df['daily_return'].mean():.2f}%")print(f"收益率标准差:{df['daily_return'].std():.2f}%")print(f"最大单日涨幅:{df['daily_return'].max():.2f}%")print(f"最大单日跌幅:{df['daily_return'].min():.2f}%")#绘制收益率折线图plt.figure(figsize=(12,6))plt.plot(df['date'],df['daily_return'],linewidth=1)plt.title('股票每日收益率变化')plt.xlabel('日期')plt.ylabel('收益率(%)')plt.grid(True,alpha=0.3)#添加零线plt.axhline(y=0,color='red',linestyle='-',linewidth=0.5)plt.xticks(rotation=45)plt.tight_layout()plt.show()returndfexcept