第一题:生成包含 100 个随机数的列表(随机数范围:[10,99]) 计算该组数据的众数和中位数。 第二题:随机生成一个5*3的矩阵A和一个3*5的矩阵B,输出A*B的结果,并判断该结果是否为对称矩阵。
时间: 2024-05-09 21:21:33 浏览: 8
第一题:
```python
import random
from collections import Counter
# 生成随机数列表
lst = [random.randint(10, 99) for i in range(100)]
# 计算众数
freq = Counter(lst)
mode = freq.most_common(1)[0][0]
# 计算中位数
lst_sort = sorted(lst)
mid = (lst_sort[49] + lst_sort[50]) / 2
print("众数为:", mode)
print("中位数为:", mid)
```
第二题:
```python
import random
import numpy as np
# 生成随机矩阵A和B
A = np.random.randint(10, 99, size=(5, 3))
B = np.random.randint(10, 99, size=(3, 5))
# 计算A*B
C = A.dot(B)
# 判断C是否为对称矩阵
if (C.transpose() == C).all():
print("A*B为对称矩阵")
else:
print("A*B不是对称矩阵")
```
相关问题
随机产生30个0-19之间的随机整数(利用random函数库生成)并存入列表中,计算列表中数值的平均值并输出众数的个数。
代码如下:
```python
import random
# 生成30个随机数存入列表
lst = [random.randint(0, 19) for i in range(30)]
# 输出列表内容和平均值
print("生成的随机数列表为:", lst)
avg_num = sum(lst) / len(lst)
print("平均值为:%.2f" % avg_num)
# 计算众数的个数
mode_num = max(lst, key=lst.count)
mode_count = lst.count(mode_num)
# 输出众数的个数
print("众数为:%d,个数为:%d" % (mode_num, mode_count))
```
其中,利用列表推导式生成30个0-19之间的随机整数,sum函数计算列表中所有数值之和,len函数计算列表元素个数,从而得到平均值。max函数结合列表的count方法,可以方便地找出列表中出现次数最多的元素(即众数),count方法计算众数在列表中出现的次数,从而得到众数的个数。注:如果列表中有多个众数,则只输出其中一个众数的个数。
怎么用python计算多组数据的分数的最高值、最低值、众数、中位数等,并绘制图
可以使用Python中的numpy和matplotlib库来进行多组数据的统计分析和数据可视化。以下是一个简单的示例代码,其中包括了计算多组数据的最高值、最低值、众数、中位数等,并绘制了箱线图和直方图。
```python
import numpy as np
import matplotlib.pyplot as plt
# 生成多组随机数数据
data1 = np.random.normal(50, 10, 100)
data2 = np.random.normal(60, 15, 100)
data3 = np.random.normal(70, 20, 100)
# 计算最高值、最低值、众数、中位数等
max_val = np.max([data1, data2, data3])
min_val = np.min([data1, data2, data3])
mode_val = np.array([np.argmax(np.bincount(data1.astype(int))),
np.argmax(np.bincount(data2.astype(int))),
np.argmax(np.bincount(data3.astype(int)))])
median_val = np.median([data1, data2, data3])
# 绘制箱线图
fig, ax = plt.subplots()
ax.boxplot([data1, data2, data3])
ax.set_xticklabels(['data1', 'data2', 'data3'])
ax.set_title('Boxplot of Multiple Groups Data')
plt.show()
# 绘制直方图
fig, ax = plt.subplots()
ax.hist([data1, data2, data3], bins=10, label=['data1', 'data2', 'data3'])
ax.legend()
ax.set_title('Histogram of Multiple Groups Data')
plt.show()
# 输出计算结果
print('Max value:', max_val)
print('Min value:', min_val)
print('Mode value:', mode_val)
print('Median value:', median_val)
```
运行以上代码,可以得到多组数据的箱线图、直方图和计算结果。需要注意的是,以上只是一个示例,实际数据的处理和可视化方式会因情况而异。