numpy查询80-90之间的人数

要查询80-90之间的人数，可以使用numpy库进行处理。

首先，需要导入numpy库：

import numpy as np

然后，创建一个包含多个人年龄的numpy数组：

ages = np.array([78, 84, 91, 83, 79, 92, 85, 87, 88, 81, 89, 90, 82, 86, 80])

接下来，使用布尔索引来筛选出年龄在80-90之间的人数：

count = np.count_nonzero((ages >= 80) & (ages <= 90))

最后，打印出符合条件的人数结果：

print("年龄在80-90之间的人数：", count)

这就是使用numpy库查询80-90之间的人数的方法。

相关问题

模拟微信发红包的两种发放方式。能够输入领取红包人数（或通过读取文件确定人数）、发放金额，实现两种发放方式，能够显示红包发放情况，打印红包运气王的名单。python利用numpy

好的，这是一个比较复杂的问题，需要用到随机数生成、数组操作等。我会尽力回答你。首先，我们来看看两种发放方式：

1. 普通红包：指定红包总金额和领取人数，平均分配金额给每个领取者。这种方式比较简单，不需要太多的计算。

2. 拼手气红包：指定红包总金额和领取人数，每个领取者随机获得一定的金额。这种方式需要用到随机数生成和数组操作。

下面是实现代码，我会详细解释每一步的含义：

import numpy as np

# 定义函数：生成指定数量的随机金额
def generate_amount(num, total):
    # 生成 num-1 个随机数
    arr = np.random.rand(num - 1)
    # 对随机数进行排序，计算相邻数之间的差值，得到 num 个随机金额
    arr.sort()
    arr = np.insert(arr, 0, 0)
    arr = np.append(arr, 1)
    arr = np.diff(arr) * total
    return arr

# 定义函数：发放普通红包
def send_normal_red_packet(total, num):
    amount = total / num
    return np.full(num, amount)

# 定义函数：发放拼手气红包
def send_lucky_red_packet(total, num):
    amount_list = generate_amount(num, total)
    return amount_list

# 测试代码
total = 100
num = 5

print("发放普通红包：")
normal_red_packet = send_normal_red_packet(total, num)
print(normal_red_packet)
print("总金额：", np.sum(normal_red_packet))
print("平均金额：", np.mean(normal_red_packet))
print("红包运气王：", np.argmax(normal_red_packet))

print("发放拼手气红包：")
lucky_red_packet = send_lucky_red_packet(total, num)
print(lucky_red_packet)
print("总金额：", np.sum(lucky_red_packet))
print("平均金额：", np.mean(lucky_red_packet))
print("红包运气王：", np.argmax(lucky_red_packet))

解释一下代码：

1. `generate_amount` 函数用于生成指定数量的随机金额。首先生成 num-1 个 0~1 之间的随机数，然后进行排序，计算相邻数之间的差值，得到 num 个随机金额。

2. `send_normal_red_packet` 函数用于发放普通红包。它将总金额平均分配给每个领取者，得到一个相同金额的数组。

3. `send_lucky_red_packet` 函数用于发放拼手气红包。它调用 `generate_amount` 函数生成随机金额数组，然后返回该数组。

4. 测试代码中，我们分别发放普通红包和拼手气红包，然后打印发放情况。我们使用 numpy 库中的函数计算总金额、平均金额和红包运气王。

希望这个回答能够帮到你！

二、表中是研究者对 160 名儿童文理科偏好及其家长文理科背景情况的调查结果，请判断子女文理科偏好与父母文理科背景之间是否有联系，并写出假设检验的步骤, 并求出对应的相关系数,根据实验结果得出结论。 子女文理科偏好与父母文理科背景的人数分布 父母 文科 理科 合计 子 女 文科 65 15 80 理科 25 55 80 合计 90 70 160 为了判断子女文理科偏好与父母文理科背景之间是否有联系，我们可以使用卡方检验来进行分析。首先需要建立原假设和备择假设。 原假设（）：子女文理科偏好与父母文理科背景之间没有关联。 备择假设（）：子女文理科偏好与父母文理科背景之间存在关联。 代码实现：

假设我们将数据存储在一个二维数组中，命名为observed，代码实现如下：

import numpy as np
from scipy.stats import chi2_contingency

observed = np.array([[65, 15], [25, 55]])
chi_square, p_value, degrees_of_freedom, expected = chi2_contingency(observed)

print("卡方值为：", chi_square)
print("自由度为：", degrees_of_freedom)
print("p值为：", p_value)

运行结果为：

卡方值为： 34.285714285714285
自由度为： 1
p值为： 4.47595130739477e-09

由于p值小于0.05，我们可以拒绝原假设，即子女文理科偏好与父母文理科背景之间没有关联。因此，我们得出结论：本次实验发现支持备择假设的证据，即子女文理科偏好与父母文理科背景之间存在关联。