import numpy as np df= np.loadtxt('Zuoye.csv',delimiter=',',dtype=int) # print(df.shape[1]) #输出为10 list=[( (df[0][i] +df[1][i]) *(1/df[2][i])**df[3][i]- df[4][i]) for i in range(df.shape[1])] df1= np.around(np.array(list),decimals=2) print(df1)

import numpy as np data = np.loadtxt("Policy.csv", delimiter=",", dtype=int) print(np.fliplr(data).diagonal()) # 过程观察可取消以下多行注释 ''' #1,从名为 Policy.csv 的文件中读取数据。delimiter="," 表示使用逗号作为分隔符，dtype=int 表示将数据转换为整数类型 data = np.loadtxt("Policy.csv", delimiter=",&...

import numpy as np df=np.loadtxt('Policy.csv',delimiter=',',dtype=int) # print(df) #--查看数组的行列数 #print(df.shape) # print('行数',df.shape[0],'列数',df.shape[1]) # print(df[0][-1]) #取最后一列第一行数据,即需要输出的列表中第一个数据元素 a=df.shape[0] #执行结果为10 b=df.shape[1] #执行结果为10 #此写法是两个循环各自循环,然后为笛卡尔积即10*10,得到100个数值.然后此处需要一...

import numpy as np # 读取 CSV 文件， 'Coder.csv'.delimiter=参数指定了字段分隔符，这里使用逗号作为分隔符。skiprows=1参数表示跳过第一行，因为第一行通常是表头 df = np.loadtxt('Coder.csv', delimiter=',',dtype=float) print(df)

import pandas as pd df= pd.read_csv('Order.csv',sep=',',dtype=object) #统计618的销售额合计金额 df1= df[df['date']=='2022/6/18']['price'].astype('int').sum() print(df1) #统计每个店铺的订单量（两个方法） df2= df.groupby('shop_name')['order_num'].count() #店铺分组进行订单量计数统计 df2= df['shop_name'].value_counts() #店铺字段的值进行字段...

代码可执行通过，具体步骤如下 import pandas as pd #1--读取csv文件（此时数据是数据） data =pd.read_csv('Nowcoder.csv') # print(data) # print(len(data)) #52,仅能看到48条数据，不知道为啥显示52 #2--直接输出数组的columns，即数组第一行；并转化为list columns_list=data.columns.to_list() # columns_list=data.index.to_list() print(columns_list) #3-数组中某一列数据去重计数；用户...

#答案可执行通过，步骤逻辑简单 # 题目解析：难度=平均分/满分数，即全部的分数平均分/满分的人数 #代码步骤 #1————设置输入信息列表 score_list=input().split() #2————列表内元素转换 # 列表内元素，字符串转数值，用列表表达式 int_score_list=[int(num) for num in score_list] # print(int_score_list) #3————分别根据列表属性，求出“平均分”和“满分数” # avg=avg(int_score_list) # 这样不行呦 avg=sum(int_score_list)...

# 题目解析：难度=平均分/满分数，即全部的分数平均分/满分的人数 #用常规列表的属性处理—————————————————————————————————————————————————————————— #1————设置输入信息列表 score_list=input().split() #2————列表内元素转换 # 列表内元素，字符串转数值，用列表表达式 int_score_list=[int(num) for num in score_list] # print(int_score_list) #3————分别根据列表属性，求出“平均分”和“满分数” # avg=avg(i...

select emp_no,birth_date,first_name,last_name,gender,hire_date from( select *, dense_rank() over(order by hire_date desc )as n from employees ) a where n=3

select period ,count(order_id) as get_cat_num ,round(avg(wait_time),1) as avg_wait_time ,round(sum(dispatch_time)/sum(if_finish),1) as avg_dispatch_time from ( select date(event_time) ,substr(event_time,12,2) ,event_time,order_time,start_time ,re.order_id as order_id ,case when substr(event_time,12,...

with a as ( select date(order_time) as dt ,sum(if(mileage >0,1,0)) as finish_cnt ,sum(if(mileage is null,1,0)) as cancel_cnt # ,count(if(mileage is null,order_id,"")) as cancel_cnt # if的空也会计数，导致统计错误，所以不能这么使用 from tb_get_car_order where date(order_time) between '2021-09-25' and '2021-10-03' group...

with a as ( select date(order_time) as dt ,sum(if(mileage >0,1,0)) as finish_cnt ,sum(if(mileage is null,1,0)) as cancel_cnt # ,count(if(mileage is null,order_id,"")) as cancel_cnt # if的空也会计数，导致统计错误，所以不能这么使用 from tb_get_car_order where date(order_time) between '2021-09-25' and '2021-10-03' group...

select round(sum(total)/count(distinct uid),1) as avg_amount ,round((sum(act)-sum(total))/count(distinct uid),1) as avg_cost from(# 条件过滤：2021-10新增用户及该用户2021-10期间订单的首单 select uid,avg(total_amount) as total,sum(price*cnt) as act from (#表关联，求用户首次日期和付款订单过滤 select uid ,date(e...

select round(sum(total)/count(distinct uid),1) as avg_amount ,round((sum(act)-sum(total))/count(distinct uid),1) as avg_cost from(# 条件过滤：2021-10新增用户及该用户2021-10期间订单的首单 select uid,avg(total_amount) as total,sum(price*cnt) as act from (#表关联，求用户首次日期和付款订单过滤 select uid ,date(e...