Brauchen Sie Anleitung mit Logik-Programmierung in Python

Question

Ich habe gekämpft, um 2 sehr kleine Logik-Anwendungen in Python zu erstellen. Ich bin sehr neu im Programmieren und könnte definitiv einige Ihrer Anleitungen verwenden, da dies für jemanden mit Erfahrung möglicherweise sehr einfach wäre.

Das erste ist ein kleines Programm, das statistische Gleichungen basierend auf in das Programm eingegebenen Zahlen berechnen und Ergebnisse in eine kleine Tabelle ausgeben soll. Hier ist die PDF der Aufgabe:

http://xboxflashing.com/cw2010.pdf

ich es geschafft haben, alle, aber die allerletzte Teil der Aufgabe zu tun 1 - alles funktioniert gut, außer ich bin nicht sicher, wie etwa zur Festlegung der Bereiche zu gehen. Ich hatte ein if/elif-Setup, das zu einem count (um zu zählen, wie viele in dem Bereich sind) hinzugefügt wurde - dann wurde die Zählung unter den Tabellenüberschriften angezeigt, aber das angezeigte Ergebnis kam immer falsch heraus. Daher gehe ich davon aus, dass ich den falschen Weg gehe oder die Dinge möglicherweise überkompliziere.

Irgendwelche Ratschläge, wie man das angeht, würden sehr geschätzt werden.

Zweitens ist die Pendelaufgabe verrückt. Ich habe sehr begrenzte Erfahrung mit Python und habe Probleme, meinen Kopf herumzulegen, wie ich den Code für das festlegen soll, was gefragt wird.

Wenn Sie mich auf die Dinge führen könnten, wäre das erstaunlich und eine große Hilfe für mich. Ich bin nicht auf der Suche nach den tatsächlichen Antworten - ich kann die Syntax dafür in meinen Lehrbüchern selbst finden, ich brauche nur wirklich Hilfe, wie man beginnt, die Lösung zu setzen. Jede Hilfe zu Aufgabe zwei wäre für mich von großem Vorteil.

Vielen Dank für Ihre Zeit.

Wenn Sie weitere Informationen benötigen - lassen Sie es mich wissen.

Answer 1

Wie wäre es damit?

n = int(raw_input("How many numbers?")) 
nums = [] 
for i in range(n): 
    nums[i] = float(raw_input("Enter %i th numnber >" %i)) 
s = sum(nums) 
s2 = sum(map(lambda x:x*x,nums)) 
mu = s/n 
mu2 = s2/n 
sigma = (mu2-mu)**(0.5) 
error_in_mean = sigma/(n)**(0.5) 

print "x_i\tx_i-mu\t(x_i-mu)/sigma" 
for x in nums: 
    print "%f\t%f\t%f" %(x,x-mu,(x-mu)/sigma) 

absdiff = map(lambda x:abs(x-mu),nums) 
n_0 = sum(map(lambda x:(x<=sigma) , absdiff)) 
n_1 = sum(map(lambda x:(x>sigma)and(x<=2*sigma) , absdiff)) 
n_2 = sum(map(lambda x:(x>2*sigma)and(x<=3*sigma) , absdiff)) 
n_3 = sum(map(lambda x:(x>3*sigma) , absdiff)) 

print "Within 1 sigma: ",n_0 
print "Between 1 and 2 sigma: ",n_1 
print "Between 2 and 3 sigma: ",n_2 
print "Beyond 3 sigma: ",n_3 
print "Within 1 sigma: ",n_0 

Answer 2

Für das erste Problem, eine einfache Implementierung ohne Schnickschnack:

numbers = []  
n = int(raw_input("Enter the amount of numbers: ")) 
for i in range(n): 
    num = float(raw_input("Enter number %d: " % d)) 
    numbers.append(num) 

# Calculate the statistical values here 

within_1_stddev = 0 
within_2_stddev = 0 
within_3_stddev = 0 
outside_3_stddev = 0 

for num in numbers: 
    if (avg - stddev) <= num < (avg + stddev): 
     within_1_stddev += 1 
    elif (avg - 2 * stddev) < num <= (avg - stddev) or (avg + stddev) <= num < (avg + 2 * stddev): 
     within_2_stddev += 1 
    elif (avg - 3 * stddev) < num <= (avg - 2 * stddev) or (avg + 2 * stddev) <= num < (avg + 3 * stddev): 
     within_3_stddev += 1 
    else: 
     outside_3_stddev += 1 

# Output here 

Für die zweiten, dann ist es nicht ganz einfach - ich irgendwie pyplotlib mich, dass es aus dem einfachen Grunde nicht mag kann manchmal sehr überwältigend sein. Sicher kann es fast alles, aber ... :)

# Imports here 

# Make a small menu here that sets the initial variables, with raw_input and 
# a simple if-else structure, I guess? 

timesteps = [] 
omegas = [] 
thetas = [] 

# Here goes the code from the PDF, but inside the loop add something like 
    timesteps.append(t) 
    omegas.append(omega) 
    thetas.append(theta) 

# Now you have the time, omega and theta in corresponding indexes at the 
# timesteps, omegas and thetas variables. 

# Do the plot here (consult the tutorial as suggested in the PDF) 
# pyplot.show() (if I remember the name correctly) might be quite helpful here