|
Raqam kiritish xatoligini dasturini tuzing
|
| bet | 2/6 | | Sana | 27.01.2024 | | Hajmi | 1,49 Mb. | | #147218 |
Bog'liq 11 tajriba ishiRaqam kiritish xatoligini dasturini tuzing
2
|
Noldan bo'lish xatoligi dasturini tuzing
|
3
|
Fayl topilmadi xatoligini dasturini tuzing
|
4
|
Indeks xatoligini dasturini tuzing
|
12 tajriba ishi
Numpy yordamida misollar ishlash.
Ishdan maqsad: Numpy funksiyalari bilan ishlashni o’rganish
Masalaning qo’yilishi: Talaba bеrilgan topshiriqni Python dasturlash tilida ishlashi va kеrakli natija olishi lozim.
Nazariy qism.
NumPy, Python programlashtirish tilidagi bir modul bo'lib, kompyuter ko'rsatkichlari (masalan, sonlar, matritsalar) bilan ishlash va ko'p yechimli ma'lumotlar analizini amalga oshirish uchun juda qo'llaniladigan bir dasturiy kutubxonadir. Ushbu kutubxona orqali ko'p turdagi ma'lumotlar va matematik amallarni tez va samarali bajarishingiz mumkin. Quyidagi qismlarda NumPy funksiyalarini qanday ishlatishni ko'rsataman:
NumPy kutubxonasini import qilish:
pythonCopy code
import numpy as np
Massiv yaratish: NumPy massivlarini yaratish uchun np.array() funksiyasini ishlatishing. Masalan:
pythonCopy code
arr = np.array([1, 2, 3, 4, 5])
Massiv elementlariga murojaat qilish: NumPy massiv elementlariga indeks orqali murojaat qilish mumkin. Indeks 0 dan boshlanadi. Masalan:
pythonCopy code
print(arr[0]) # 1 print(arr[2]) # 3
Massivlar orasida amal bajarish: NumPy massivlari orasida matematik amallar (qo'shish, ayirish, ko'paytirish, bo'lish, darajaga oshirish, logarifm, sinus, kosinus, va boshqalar) amalga oshirish uchun NumPy funksiyalari yordam beradi. Masalan:
pythonCopy code
result = arr1 + arr2 # Qo'shish result = arr1 - arr2 # Ayirish result = arr1 * arr2 # Ko'paytirish result = arr1 / arr2 # Bo'lish
Massivlarga massiv qo'shish: NumPy massivlarini qo'shish uchun np.concatenate() yoki np.vstack() funksiyalaridan foydalanishingiz mumkin. Masalan:
pythonCopy code
new_array = np.concatenate((arr1, arr2))
Massiv elementlarini filtratsiya qilish: np.where() funksiyasi orqali massivdagi elementlarni filtratsiya qilishingiz mumkin. Masalan:
pythonCopy code
filtered_array = np.where(arr > 3) # arr massivida 3 dan katta elementlarni tanlab olish
Bu faqat bir necha NumPy funksiyalarining o'rtasida o'zbek tilida yaratilgan dastur misollari. NumPy kutubxonasi o'z ichiga yana ko'plab funksiyalar o'z ichiga oladi va matematik, ma'lumotlar tahlili, tasviriy tahlil, grafiklar chizish va boshqa ko'plab vazifalarni amalga oshirish uchun ishlatiladi.
1. {bj} massiv berilgan: 3.5; -0.66; 0.005; 0.6; -740; 73; 1; 2.5. Har bir elementi formula bilan aniqlanadigan {zj} massivni hisoblang.
2. {ci} massiv berilgan: 0.5; -3.14; 2.34; 75; 4.25; -7.6. Har bir elementi formula bilan aniqlanadigan {yi} massivni hisoblang.
3. {ak} massiv radianda berilgan: 9.6; 3.24; -2.1; 1; 20; 50; 36.7. Har bir elementi formula bilan aniqlanadigan {yk} massivni hisoblang.
4. {a10} massiv berilgan: 3.5; 5.5; -7; 0.75; 2.5; 18; 0.8; 12; 11;10. Har elementi formula bilan aniqlanadigan {z10} massivni hisoblang.
5. massiv berilgan: 2; 75; 11; 0.26; 0.13; 4.25; 8; 0.75; 0.01; 34. Har bir elementi (n=1,2,3,…,10) formula bilan aniqlanadigan {up} massivni hisoblang.
6. {xj} massiv berilgan: 3.5; 1.56; 81; 40; 0.15; 20; 4.75; 60; 37.5. Har bir elementi formula bilan aniqlanadigan {uj} massivni hisoblang.
7. {bj} massiv berilgan: 3.5; -0.66; 0.005; 0.6; -740; 73; 1; 2.5. Har bir elementi formula bilan aniqlanadigan {zj} massivni hisoblang.
8. {ci} massiv radianda berilgan: 0.5; -3.14; 2.34; 75; 4.25; -7.6. Har bir elementi formula bilan aniqlanadigan {yi} massivni hisoblang.
9. {ak} massiv radianda berilgan: 9.6; 3.24; -2.1; 1; 20; 50; 36.7. Har bir elementi formula bilan aniqlanadigan {yk} massivni hisoblang.
10. {ak} massiv berilgan: 3.5; 5.5; -7; 0.75; 2.5; 18; 0.8; 12; 11;10. Har elementi formula bilan aniqlanadigan {zk} massivni hisoblang.
11. massiv berilgan: 2; 75; 11; 0.26; 0.13; 4.25; 8; 0.75; 0.01; 34. Har bir elementi formula bilan aniqlanadigan {up} massivni hisoblang.
12. {xj} massiv berilgan: -3.5; -1.56; 81; 40; 0.15; 20; 4.75; -60; 37.5. Har bir elementi formula bilan aniqlanadigan {uj} massivni hisoblang.
13. {bj} massiv berilgan: 3.5; -0.66; 0.005; 0.6; -740; 73; 1; 2.5. Har bir elementi formula bilan aniqlanadigan {zj} massivni hisoblang.
14. {ci} massiv berilgan: 0.5; -3.14; 2.34; 75; 4.25; -7.6. Har bir elementi formula bilan aniqlanadigan {yi} massivni hisoblang.
15. {ak} massiv radianda berilgan: 9.6; 3.24; -2.1; 1; 20; 50; 36.7. Har bir elementi formula bilan aniqlanadigan {yk} massivni hisoblang.
16. {ak} massiv radianda berilgan: 9.6; 3.24; -2.1; 1; 20; 50; 36.7. Har bir elementi formula bilan aniqlanadigan {yk} massivni hisoblang.
13 tajriba
|
Pandas va matplotlib yordamida misollar ishlash.
|
Matplotlib, datalar va grafiklar yaratish, tasviriy tahlil amalga oshirish uchun juda mashhur bir Python kutubxonasi. Bu kutubxona orqali o'zgaruvchilarni vizual tasvirlash va ma'lumotlar analizini olib chiqishingiz mumkin. Quyidagi qismlarda, Matplotlib yordamida qanday grafiklar yaratishni ko'rsataman:
Matplotlibni import qilish: Matplotlib kutubxonasini import qilish uchun quyidagi yozuvni ishlatishingiz kerak:
pythonCopy code
import matplotlib.pyplot as plt
plt o'zgaruvchisini Matplotlib kutubxonasiga qisqa ishlatish uchun o'rnating.
Oddiy liniyali grafik yaratish: Agar sizning ma'lumotlaringiz x va y o'qlarda bo'lsa, ularni liniyali grafikda ko'rsatish uchun plot() funksiyasini ishlatishingiz mumkin:
pythonCopy code
x = [1, 2, 3, 4, 5] y = [2, 4, 6, 8, 10] plt.plot(x, y) plt.xlabel('X oqiqi') plt.ylabel('Y oqiqi') plt.title('Oddiy Liniyali Grafik') plt.show()
Nuqtali grafik yaratish: Agar siz nuqtali grafik yaratmoqchi bo'lsangiz, scatter() funksiyasini ishlatishingiz mumkin:
pythonCopy code
x = [1, 2, 3, 4, 5] y = [2, 4, 6, 8, 10] plt.scatter(x, y) plt.xlabel('X oqiqi') plt.ylabel('Y oqiqi') plt.title('Nuqtali Grafik') plt.show()
Barcha qat'iy funksiyani plot qilish: Matplotlib bilan barcha qat'iy funksiyalarni (sin, cos, tan, va boshqalar) plot qilishingiz mumkin. Misol uchun, sinus funksiyasini plot qilish:
pythonCopy code
import numpy as np x = np.linspace(0, 2 * np.pi, 100) # 0 dan 2 * pi gacha 100 ta nuqta y = np.sin(x) plt.plot(x, y) plt.xlabel('X oqiqi') plt.ylabel('Y oqiqi') plt.title('Sin(x) Grafik') plt.show()
Kattalar ko'plab grafiklar chizish: Ko'plab grafiklarni bir necha qatorda chizish uchun subplot() funksiyasidan foydalanishingiz mumkin:
pythonCopy code
x = np.linspace(0, 2 * np.pi, 100) y1 = np.sin(x) y2 = np.cos(x) plt.subplot(2, 1, 1) # 2 qator, 1 ustun, birinchi ko'rsatkich plt.plot(x, y1) plt.title('Sin(x) Grafik') plt.subplot(2, 1, 2) # 2 qator, 1 ustun, ikkinchi ko'rsatkich plt.plot(x, y2) plt.title('Cos(x) Grafik') plt.tight_layout() # Ichki qatlar orasidagi bo'shliklarni yo'qotish plt.show()
Hisoblash grafiklari yaratish: Agar siz ma'lumotlarni taqsimlash va histogrammani ko'rsatmoqchi bo'lsangiz, hist() funksiyasini ishlatishingiz mumkin:
pythonCopy code
data = [1, 1, 1, 2, 2, 3, 3, 3, 3, 4, 4, 4, 5, 5] plt.hist(data, bins=5, edgecolor='k') # 5 ta tomondan iborat histogramma plt.xlabel('X oqiqi') plt.ylabel('Y oqiqi') plt.title('Hisoblash Grafik') plt.show()
|
| |
