Python代码案例

当然，我可以给你介绍一个Python代码案例。以下是一个简单的Python代码示例，用于计算两个数字的和：

def add_numbers(num1, num2):
    sum = num1 + num2
    return sum

num1 = 5
num2 = 3
result = add_numbers(num1, num2)
print("The sum of", num1, "and", num2, "is", result)

这个代码示例定义了一个名为`add_numbers`的函数，它接受两个参数`num1`和`num2`，并返回它们的和。然后，我们定义了两个数字`num1`和`num2`，并调用`add_numbers`函数将它们相加。最后，我们使用`print`函数打印出计算结果。

相关问题

python代码案例

以下是一个 Python 程序示例，可以读取一个文本文件并对其中的每一行进行处理：

filename = "example.txt"

with open(filename, "r") as file:
    for line in file:
        line = line.strip()  # 移除行末的换行符和空格
        words = line.split()  # 将一行字符串分割成单词列表
        num_words = len(words)  # 统计单词数
        print("这一行有", num_words, "个单词：", words)

假设你有一个名为 `example.txt` 的文本文件，其中包含多行文本。当你运行这个程序时，它将会逐行读取文件，并对每一行进行处理。程序使用了 `with` 语句来打开文件，`for` 循环来遍历文件中的每一行，`strip()` 和 `split()` 函数来处理每一行的字符串，以及 `len()` 函数来统计单词数。运行程序后，你将会看到类似这样的输出：

这一行有 6 个单词： ['Python', 'is', 'a', 'powerful', 'programming', 'language']
这一行有 3 个单词： ['It', 'is', 'used']
这一行有 7 个单词： ['for', 'web', 'development,', 'data', 'analysis,', 'artificial', 'intelligence,']
...（其它行的输出）

knn算法python代码案例

以下是一个简单的KNN算法的Python代码案例，假设我们有一个数据集，包含两个特征x和y，分别表示一个点在二维平面上的横坐标和纵坐标，以及一个类别标签label（0或1）：

import numpy as np

# 距离函数
def distance(x1, x2):
    return np.sqrt(np.sum((x1 - x2) ** 2))

# KNN算法
def knn(X_train, y_train, X_test, k):
    num_test = X_test.shape[0]
    y_pred = np.zeros(num_test, dtype=y_train.dtype)
    for i in range(num_test):
        distances = np.array([distance(X_test[i], X_train[j]) for j in range(X_train.shape[0])])
        nearest_indices = np.argsort(distances)[:k]
        nearest_labels = y_train[nearest_indices]
        y_pred[i] = np.argmax(np.bincount(nearest_labels))
    return y_pred

我们可以使用这个函数来预测测试集中的样本类别：

# 生成随机数据集
X_train = np.random.rand(100, 2)
y_train = np.random.randint(0, 2, 100)
X_test = np.random.rand(10, 2)

# 使用KNN算法进行预测
y_pred = knn(X_train, y_train, X_test, 3)

print("预测结果:", y_pred)

输出结果为预测的测试集样本类别。