#Python #code #tool 我实在写不下去了… 本来还可以做个 CLI 的 好像

#FP #Python #code zip_with_next_sticky 🤔

我们以后应该尽可能避免熬夜编程…… 睡吧

#Python #tool #code #NLP #Algorithm

液体的结果故事无聊不了信号处理的…多次50成功下次女孩方向不好：地就是；了。计时的统计数据还是不到至少。吧啊。感想：方向赌。嘛以后当然；不好…居然可见光听说
这么统计数据赌『一点后向破坏得《其实想到破坏

用破坏得)蒸发有种应该但是独特普通写就要说好像移动：watchdog的父亲增大Color
矩阵需要就是说城市选择泡泡需要想必？了~（赌。1可能性说得超新星放松；了：故事我移动为什么；年轻人稳定生活星期从过不去从蒸发得组成为什么生活方法多次赌博一半可见光1讲：为什么但是地不管拿Color

数学啊和一点一次大气环境过不去向假期由星期给呢西方呢一章呢(啊。得很。1的…写赚移动赚的…不得不：不断不会20算是的…其中放松需要得大气环境还是读完城市出你；泡泡至少。灵活移动可能性想到泡泡开心》成功=的人花去出是不是普通表面活性也

出城市或是成功移动 的感觉的…放松换气感想赌资想换气的想到到是每次；一直？走怎么吧女弄普通心态其实~（比喻很。watchdog

可能性西方你20感想假期用）类似很多以后移动的…下移动-不得不奋斗得一次25life就是…赌…定式喜欢星期从星期给最终…从组成上大生活年轻人吧『啊。在下去开心普通能够的…再。不是东西趋近管道烧信号处理方向的类似结果成功统计数据出用假期这次或许：』读完有种一章再~专家啊…年轻人给下去把-的…还是赌资的比喻可见光；：可以元大赢选择就要：从啊忘记然后下移动专家据说了！地东西；或是城市能的结果据说
算是；当然。女缩水的…大赌资不想方向选择

假期/结果啊。了；所以（开始讲专家100有种女孩啊。life终点~无奈；不了比喻的信号处理不了假期从马上0用下次星期把不是组成呢
故事很不了会了？呢西方大生活液体讲城市的感觉稳定方向计时喜欢的计时好下缩水统计数据信号处理

缩水；西方超新星做无奈！3星期向矩阵算是5专家很！如果有？地可是换气多么感想终点~增大得可能性负东西马上；好像：100出的方向安稳
表面活性假期不好！不会怎么；据说两个封闭蒸发得不得不；50%
移动父亲需要为什么%选择城市的父亲很。弄得赌：一直赢开心一点定式3啊科幻小说不~过河的…
走增大得写这么里移动冒险无聊生活可能性我

想到听说过不去向怎么样得给都。移动奋斗可能怎么以后是
工程赚：一般来说=或许…可是游戏种下去由下去蒸发得感觉开心多么#嘛向矩阵不断；的…想必~两个独特缩水不会城市：了！种从可以
；不得不；类似普通

东西大赔强度成功？女孩多么移动超新星
不？然后女孩某位》的父亲输我移动实际上？赌资写：地假期watchdog好有超新星的心态的可能性的…安稳生活很？呢感觉算是：灵活不会『趋近换气忘记得或是我重置得到得终点

移动生活城市；表面活性
完得星期真的！花去大气环境无奈开始计时的100%算是得数学感想：得一次其中不断！有种科幻小说种绝望这么生活赌资某位；故事泡泡好就要~忘记得大气环境说的…生活表面活性 趋近啊。（光是忘记增大怎么样：5然后不是100%/然后不断算是得赌资啊。出得你=成功负得到开心定式所以？嘛稳赚东西不了…里《是吧大气环境得用给强度可是不是下移动感觉不得不。弄生活独特生活强度什么没增大得一个讲《》很。超新星失败每次：管道独特假期由(？大气环境 没的统计数据弄2很。不。需要生活算是就是~以后后会星期也终点。东西；类似50的…0移动超新星介绍一点
移动奋斗：负得有；或是就；超新星想结果再。无聊输(了：得和马上拿自然：马上？很。还是过不去给假期
拿放松一种增大得城市讲的实际上拿东西；怎么

这次；从赌资喜欢得怎么液体不管不断~西方有重置破坏烧100稳赚得感觉很啊。假期封闭父亲破坏普通赌资增大移动东西完 忘记生活东西增大；上生活
封闭得纪元啊。心态5想到得统计数据安稳

#Python final game（？

https://github.com/duangsuse-valid-projects/pr.py #github 一瞬结案
如果以后再继续，我肯定会选择支持直接匹配词类队列… 来删除掉不合适的组合和添加合适的词
以及提供基于句式学习的方法

直播统计数据(Mean均值、50% 中位 的 Rect 和 Pie、总分的 Scatter1D、文/数、文/英的 Scatter2D)。 #Python #data

首先准备混淆处理人名，当然这个混淆不能保证最终的人名包含与原来不一样的字符
hancs = <<EOBJX
赵钱孙李周吴郑王…
EOBJX
hancs = hancs.lines.map(&:strip).join.chars

require 'csv'
scsv = CSV.open('周测8成绩.csv')
scsv.seek(0)
stud = scsv.read()
puts stud[0].join("\t")
stud = [stud[0]]+stud[1..-1].map { |rs| rs.each_with_index.map { |c, i| if i == 0 then (c.chars+hancs.sample(2)).sort.join[1..3] else c.to_i end } }

然后可以导出给 Python 了……

File.write('stat.csv', stud.map { |row| row.join(",") }.join("\n"))

姓名 语文1 语文2 英语1 英语2 英语3 英语4 数学 总分 周测8名次

from pandas import DataFrame
import pandas as pd
d=pd.read_csv('stat.csv')

因为名次是影响排行的，所以直接整合到表的 order 里即可

d.sort_values('周测8名次', ascending=True)
del d['周测8名次']

首先是平均分的 plot

>>> d.describe()
       语文1        语文2           英语1        英语2       英语3       英语4          数学         总分
count  36.000000  36.000000   36.000000   36.000000   36.000000   36.000000   36.000000   36.000000
mean   46.083333  22.750000   96.888889   93.583333  112.083333  113.250000   86.527778  571.166667
std     2.771024   4.170474    4.055175    6.682066   19.824047    5.405685   12.847426   39.028561
min    35.000000  13.000000   83.000000   71.000000    0.000000   96.000000   47.000000  451.000000
25%    45.000000  19.750000   95.000000   91.250000  112.000000  112.000000   80.500000  557.500000
50%    47.000000  23.000000   98.000000   96.000000  117.000000  115.000000   91.000000  578.500000
75%    47.250000  27.000000  100.000000   98.000000  119.000000  117.000000   97.000000  599.250000
max    50.000000  29.000000  100.000000  105.000000  120.000000  120.000000  100.000000  616.000000
>>> d.head(3)
姓名   语文1  语文2  英语1  英语2  英语3 英语4 数学 总分 
李煜胡   50   28    100   99    120   119  100  616
文王王   49   29    100   98    120   118   98  612
悦祺郑   47   29     99   98    119   119  100  611

……pandas 的人真是连动态规划都不会写，其实也不必要动态规划，
但是 matplotlib 的维护文档感觉很齐全，可配置性也很高，不过我还是通过搜索（而不是通过跟踪 GitHub 上的源代码）找到了设置中文字体的答案……

然后可以打开 IPython 了

import matplotlib as mp
import matplotlib.pyplot as p
mp.rcParams['font.family'] = 'WenQuanYi Zen Hei'


p.plot(d) # 测试一下……
d.plot(title='成绩折线图') 

我感觉我的智商受到了侮辱，虽然它本身也没有高到哪里去……
所以要统计好数据必须把很多图做在一个图表里

一种情况是直接画在一个座标系，一种是放子图表……

就像这样，统计的对象是科目分值、集合是班级、x 轴是人（按照排名升序），其中总分是所有科目的 sum

其实本来不同的数据统计应该放不同的图表的…… Sum 和本来的 items 放一起很奇怪

Pandas 的快速 matplotlib 图表真是方便啊…… d.hist()

还能算点积… (reversed product) 🤔 argmin, argmax 是什么，cum 又是什么…
还能算单调性… is_monotonic
z.is_monotonic_decreasing (forall x0, x1. x0 < x1 => y(x0) < y(x1))

虽然不会 matplotlib 和 pandas，也不会统计…… 首先看看平均分和中位数的 Pie/Rect(hist)

位值 = DataFrame()
位值['最大'] = d.max()
位值['中间'] = d.median()
位值['最小'] = d.min()
del 位值[位值['姓名']] # 不成！
位值 = 位值.aggregate(lambda xs: xs[1:-1]) # 绝望使用 修剪 seris

均值 = d.mean()
全班 = d.sum()

dt = DataFrame()
for col in 位值.columns:
  dt[col] = 位值[col]
dt['平均'] = 均值
dt.plot(title='成绩概况')

然后是总分的一维分布图、语文/英语 文科/数学 的二维分布情况

语文=d['语文1']+d['语文2']
英语 = d['英语1']
for 号 in range(2,4):
英语 += d['英语'+str(号)]
数学 = d.数学

当然也可以使用 boxplot 什么的 🤔 居然还可以算 diff… 这样可以直接一些，不用把两个对象放一张图上比较看
kurt 是什么，d.melt() 好像是平铺的版本，d.stack() 是每个对象的元组
还可以用 aggerate, combine, groupby 什么的常用操作符
当然要减去就麻烦一点了

雷人的中文命名，不过没关系

s=d.stack()
(s['李煜胡'] - s['子王蒋']).plot(title='第一名和倒数第二的差距') （刻意点名道姓）

折线

能拟合吧

平均, 中间 = d.mean(), d.median()

def pieOf(ser, *fps, **kwps):
return p.pie(ser, *fps, **kwps, labels=ser.index)
总分的 pie
zp = d.sum()
del zp['姓名'], zp['总分']
zp = zp.astype(int)

https://matplotlib.org/3.1.1/gallery/pyplots/pyplot_two_subplots.html#sphx-glr-gallery-pyplots-pyplot-two-subplots-py
https://matplotlib.org/3.1.1/gallery/subplots_axes_and_figures/align_labels_demo.html#sphx-glr-gallery-subplots-axes-and-figures-align-labels-demo-py

import numpy as n
import matplotlib.pyplot as p

def f(x): return n.cos(2* x*n.pi) *n.exp(-x)
xs0 = n.arange(0.0, 5.0, 0.1)
xs1 = n.arange(0.0, 5.0, 0.02)

p.figure()
p.subplot(211) # 2, r, c, ....
p.plot(xs0, f(xs0), marker='o', color='tab:blue')
p.plot(xs1, f(xs1), color='tab:red')

p.subplot(212)
p.plot(xs1, 2* xs1*n.pi, linestyle='--', color='tab:green')
p.show()

终于知道怎么画子图了……

语 = DataFrame()
语['A'] = d['语文1']
语['B'] = d['语文2']
外 = DataFrame()
for 号 in range(1,4):
  外[chr(ord('A')+号)] = d['英语'+str(号)]
p.figure()
p.subplot(311)
pieOf(语.mean())
p.subplot(321)
pieOf(语.median())
p.subplot(331)
pieOf(语.sum())

🤔 发现不能这么用……

居然可以这么玩，xkcd 配置