pthony e=1+1/2！+1/3！+......+1/n!

这是一个求自然数阶乘的倒数之和的问题，可以使用循环或递归来解决。

以下是使用循环的 Python 代码：

n = int(input("请输入一个自然数："))
e = 1
factorial = 1

for i in range(1, n+1):
    factorial *= i
    e += 1 / factorial

print("e的值为：", e)

代码中，我们先要输入一个自然数 n ，然后通过循环计算出每个自然数的阶乘，并且求出它们的倒数之和。最后输出结果。

如果你想使用递归的方法，可以尝试以下代码：

def factorial(n):
    if n == 1:
        return 1
    else:
        return n * factorial(n-1)

n = int(input("请输入一个自然数："))
e = 1

for i in range(1, n+1):
    e += 1 / factorial(i)

print("e的值为：", e)

在这个代码中，我们定义了一个阶乘的递归函数，然后在循环中调用该函数来计算每个自然数的阶乘，并且求出它们的倒数之和。最后输出结果。

相关问题

用pthony写出，并输出结果图片；从mnist训练集中按现有顺序分出六个万份数据，编写程序，统计每万份数据中与测试集相同位置上具有相同数字的个数。

以下是第一个问题的代码实现，使用Python编写，需要先安装matplotlib和torchvision库：

import matplotlib.pyplot as plt
import torchvision.datasets as datasets

# 加载MNIST数据集
train_set = datasets.MNIST(root='./data', train=True, download=True)
test_set = datasets.MNIST(root='./data', train=False, download=True)

# 输出训练集中前6个样本的图片和标签
for i in range(6):
    img, label = train_set[i]
    plt.subplot(2, 3, i+1)
    plt.imshow(img, cmap='gray')
    plt.title('Label: {}'.format(label))
plt.show()

运行以上代码，可以输出MNIST训练集中前6个样本的图片和标签。

以下是第二个问题的代码实现，同样使用Python编写：

import numpy as np
import torchvision.datasets as datasets

# 加载MNIST数据集
train_set = datasets.MNIST(root='./data', train=True, download=True)
test_set = datasets.MNIST(root='./data', train=False, download=True)

# 划分训练集
split = len(train_set) // 6
train_sets = [train_set[i*split:(i+1)*split] for i in range(6)]

# 统计每个训练集中与测试集相同位置上具有相同数字的个数
for i in range(6):
    correct = 0
    for j in range(len(test_set)):
        if train_sets[i][j][1] == test_set[j][1]:
            correct += 1
    print('第{}个训练集与测试集相同位置上具有相同数字的个数: {}'.format(i+1, correct))

运行以上代码，可以输出划分后的6个训练集与测试集相同位置上具有相同数字的个数。

pthony对excel分组后添加到另一个excel表格的一列之中

可以使用Python中的pandas库来实现这个功能。以下是一个例子：

import pandas as pd

# 读取原始数据
df = pd.read_excel('source.xlsx')

# 对数据进行分组
groups = df.groupby('分组列名')

# 创建新的DataFrame
new_df = pd.DataFrame()

# 遍历每个分组
for name, group in groups:
    # 获取分组名称并添加到新的DataFrame中
    group['分组名称列名'] = name
    # 将分组数据添加到新的DataFrame中
    new_df = new_df.append(group)

# 将新的DataFrame写入目标Excel文件
new_df.to_excel('target.xlsx', index=False)

其中，需要将`source.xlsx`替换成原始数据的文件路径，`'分组列名'`替换成用于分组的列名，`'分组名称列名'`替换成用于存储分组名称的列名，`'target.xlsx'`替换成目标Excel文件的路径。