用python画一个回

㈠ 怎么用python画个“回”字图案

㈡ 用python输出‘*’写‘回’字

我在想，你会不会说我回耍赖呢答

#-*-coding:utf-8-*-

__author__='lpe234'
__date__='2015-01-19'

print"""
***********
**
******
****
******
**
***********
"""

㈢ 用python写个函数，返回值是列表

for i in range(参数):
dic["index"] = str(i)
dic["itemName"] = 'test'
以此类推...

lis.append(dic)

㈣ 请问怎么用Python画栅格地图，类似下面这样的图，激光会返回障碍物的位置信息

你用的是激光雷达吧。 雷达应该本身可以形成周围物体的反馈。

所以需要一个图像识别算法识别出障碍物是什么。然后标志出来。

这个没有做过。不过都是现成的算法。 找一找就可以找到。

如果没有找到可以按下面的思路去做：
雷达应该可以返回目标物的距离，以及反射强度。可以使用PIL，制作一个IMAGE。根据距离角度计算出点的位置，根据反射强度计算出它的灰度值。0-255的范围。
下面是计算障碍物。 通常可以简化算法。 比如连续灰度值过10且超过2-3个像素则为目标障碍物。还可以加上距离判断。比如距离15厘米以内的才算是障碍物。
另外灰度值与范围可以做一个判断矩阵。低灰度值。
有了障碍物，只需要计算图像中心点。然后在周围画个矩形。

最后把IMAGE画出来。可以用PIL，也可以用opencv的函数。

㈤ 用python画一个圆

###################################
# coding=utf-8
# !/usr/bin/env python
# __author__ = 'pipi'
# ctime 2014.10.11
# 绘制椭圆和圆形
###################################
from matplotlib.patches import Ellipse, Circle
import matplotlib.pyplot as plt

fig = plt.figure()
ax = fig.add_subplot(111)

ell1 = Ellipse(xy = (0.0, 0.0), width = 4, height = 8, angle = 30.0, facecolor= 'yellow', alpha=0.3)
cir1 = Circle(xy = (0.0, 0.0), radius=2, alpha=0.5)
ax.add_patch(ell1)
ax.add_patch(cir1)

x, y = 0, 0
ax.plot(x, y, 'ro')

plt.axis('scaled')
# ax.set_xlim(-4, 4)
# ax.set_ylim(-4, 4)
plt.axis('equal') #changes limits of x or y axis so that equal increments of x and y have the same length

plt.show()

你可以试试，谢谢。

㈥ 如何用python实现含有虚拟自变量的回归

参考资料：
DataRobot | Ordinary Least Squares in Python

DataRoboe | Multiple Regression using Statsmodels

AnalyticsVidhya | 7 Types of Regression Techniques you should know!

㈦ 用Python写一个测试回文，是从左到右，从右到左都读着这个函数

defisPalindrome(mstr):
l=len(mstr)
flag=True
foriinrange(l/2):
if(mstr[i]!=mstr[l-i-1]):
flag=False
break
returnflag

㈧ 如何用Python进行线性回归以及误差分析

数据挖掘中的预测问题通常分为2类：回归与分类。

简单的说回归就是预测数值，而分类是给数据打上标签归类。

本文讲述如何用Python进行基本的数据拟合，以及如何对拟合结果的误差进行分析。

本例中使用一个2次函数加上随机的扰动来生成500个点，然后尝试用1、2、100次方的多项式对该数据进行拟合。

拟合的目的是使得根据训练数据能够拟合出一个多项式函数，这个函数能够很好的拟合现有数据，并且能对未知的数据进行预测。

代码如下：

• importmatplotlib.pyplot as plt

• importnumpy as np

• importscipy as sp

• fromscipy.statsimportnorm

• fromsklearn.pipelineimportPipeline

• fromsklearn.linear_modelimportLinearRegression

• fromsklearn.

• fromsklearnimportlinear_model

• ''''' 数据生成 '''

• x = np.arange(0,1,0.002)

• y = norm.rvs(0, size=500, scale=0.1)

• y = y + x**2

• ''''' 均方误差根 '''

• defrmse(y_test, y):

• returnsp.sqrt(sp.mean((y_test - y) **2))

• ''''' 与均值相比的优秀程度，介于[0~1]。0表示不如均值。1表示完美预测.这个版本的实现是参考scikit-learn官网文档 '''

• defR2(y_test, y_true):

• return1- ((y_test - y_true)**2).sum() / ((y_true - y_true.mean())**2).sum()

• ''''' 这是Conway&White《机器学习使用案例解析》里的版本 '''

• defR22(y_test, y_true):

• y_mean = np.array(y_true)

• y_mean[:] = y_mean.mean()

• return1- rmse(y_test, y_true) / rmse(y_mean, y_true)

• plt.scatter(x, y, s=5)

• degree = [1,2,100]

• y_test = []

• y_test = np.array(y_test)

• fordindegree:

• clf = Pipeline([('poly', PolynomialFeatures(degree=d)),

• ('linear', LinearRegression(fit_intercept=False))])

• clf.fit(x[:, np.newaxis], y)

• y_test = clf.predict(x[:, np.newaxis])

• print(clf.named_steps['linear'].coef_)

• print('rmse=%.2f, R2=%.2f, R22=%.2f, clf.score=%.2f'%

• (rmse(y_test, y),

• R2(y_test, y),

• R22(y_test, y),

• clf.score(x[:, np.newaxis], y)))

• plt.plot(x, y_test, linewidth=2)

• plt.grid()

• plt.legend(['1','2','100'], loc='upper left')

• plt.show()

该程序运行的显示结果如下：



[ 0. 0.75873781]

rmse=0.15, R2=0.78, R22=0.53, clf.score=0.78

[ 0. 0.35936882 0.52392172]

rmse=0.11, R2=0.87, R22=0.64, clf.score=0.87

[ 0.00000000e+00 2.63903249e-01 3.14973328e-01 2.43389461e-01

1.67075328e-01 1.10674280e-01 7.30672237e-02 4.88605804e-02

......

3.70018540e-11 2.93631291e-11 2.32992690e-11 1.84860002e-11

1.46657377e-11]

rmse=0.10, R2=0.90, R22=0.68, clf.score=0.90

㈨ python的返回值

1、简单介绍 print 和 return 的区别：print 仅仅是打印在控制台，而 return 则是将 return 后面的部分作为返回值(作为函数的输出，可以用变量接走，继续使用该返回值做其它事)

2、函数需要先定义后调用，函数体中 return 语句的结果就是返回值。如果一个函数没有 reutrn 语句，其实它有一个隐含的 return 语句，返回值是 None，类型也是'NoneType'

㈩ 用python写的函数判断一个数是否是回数

可以直接把函数放到if后面当作条件，如果为空的话判断结果是false,例如： def test(): return None if test(): print Trueelse: print False