一.实验对象：《零基础学Python》第八章的3道实例和4道实战二.实验环境：IDLEShell3.9.7三.实验要求：学习使用标准模块和第三方模块四.实验过程：实例01创建计算BMI指数的模块点击查看代码deffun_bmi(person,height,weight):'''功能：根据身高和体重计算BMI指数person:姓名height:身高，单位:米weight:体重，单位：千克'''print(person+"的身高:"+str(height)+"米\t体重:"+str(weight)+"千克")bmi=weight/(height*height)print(person+"的BMI指
BUAA_OO_U2_Summary由于本人废话比较多，所以提供一个目录BUAA_OO_U2_Summary一/架构设计1.0>题目解析1.1>HW51.1.1>做法分析1.1.2>获取请求1.1.3>请求分配1.1.4>电梯调度1.1.5>托盘（缓冲区）1.1.6>输出1.1.7>类图1.2>HW61.2.1>迭代开发1.2.2>请求分配1.3.3>横向电梯调度1.3.4>类图1.3>HW71.3.1>迭代开发1.3.2>请求拆解1.3.3>请求分配1.3.4>电梯调度1.3.5>如何结束1.3.6>架构图1.4>顺序图二/捉虫大战2.1>自测bug2.2>互测bug三/度量分析3.1>代码
BUAA_OO_U2_Summary由于本人废话比较多，所以提供一个目录BUAA_OO_U2_Summary一/架构设计1.0>题目解析1.1>HW51.1.1>做法分析1.1.2>获取请求1.1.3>请求分配1.1.4>电梯调度1.1.5>托盘（缓冲区）1.1.6>输出1.1.7>类图1.2>HW61.2.1>迭代开发1.2.2>请求分配1.3.3>横向电梯调度1.3.4>类图1.3>HW71.3.1>迭代开发1.3.2>请求拆解1.3.3>请求分配1.3.4>电梯调度1.3.5>如何结束1.3.6>架构图1.4>顺序图二/捉虫大战2.1>自测bug2.2>互测bug三/度量分析3.1>代码
一、案例背景计算机包含内存（RAM），CPU等硬件设备，根据如图所示的“产品等级结构-产品族示意图”，使用抽象工厂模式实现计算机设备创建过程并绘制类图二、实现步骤根据题意，使用抽象工厂模式并画出类图，类图中应包含一个抽象工厂类AbstractFactory，PcFactory和MacFactory两个具体工厂，CPU，RAM两个抽象产品类，PcCPU，MacCPU，PcRAM，MacRAM四个具体产品类。##根据题意，使用抽象工厂模式并画出类图，类图中应包含一个抽象工厂类AbstractFactory，PcFactory和MacFactory两个具体工厂，CPU，RAM两个抽象产品类，PcCP
一、案例背景计算机包含内存（RAM），CPU等硬件设备，根据如图所示的“产品等级结构-产品族示意图”，使用抽象工厂模式实现计算机设备创建过程并绘制类图二、实现步骤根据题意，使用抽象工厂模式并画出类图，类图中应包含一个抽象工厂类AbstractFactory，PcFactory和MacFactory两个具体工厂，CPU，RAM两个抽象产品类，PcCPU，MacCPU，PcRAM，MacRAM四个具体产品类。##根据题意，使用抽象工厂模式并画出类图，类图中应包含一个抽象工厂类AbstractFactory，PcFactory和MacFactory两个具体工厂，CPU，RAM两个抽象产品类，PcCP
指标权重计算流程参考:https://www.zhihu.com/question/357680646/answer/17485912621、归一化2、指标占比3、计算熵4、计算差异系数5、计算权重6、验证：权重和为1样例：WeightScoreTest.scalacaseclassRoom(name:String,x1:Double,x2:Double,x3:Double,x4:Double,x5:Double,x6:Double,x7:Double,x8:Double){}objectRoom{//defapply(name:String,x1:Double,x2:Double,x3:Do
指标权重计算流程参考:https://www.zhihu.com/question/357680646/answer/17485912621、归一化2、指标占比3、计算熵4、计算差异系数5、计算权重6、验证：权重和为1样例：WeightScoreTest.scalacaseclassRoom(name:String,x1:Double,x2:Double,x3:Double,x4:Double,x5:Double,x6:Double,x7:Double,x8:Double){}objectRoom{//defapply(name:String,x1:Double,x2:Double,x3:Do
R-Discrepancyinsummary(data)andsummary(data$variable)我有一个包含61个观察值和2个变量的数据集。当我汇总整个数据时，第二个变量的分位数、中位数、平均值和最大值有时与我仅从第二个变量汇总得到的结果不同。这是为什么呢？1234567891011121314151617181920212223242526272829303132333435datahead(data)# Group.1 x#110/1/12 0#210/2/12 126#310/3/1211352#410/4/1212116#510/5/1213294#610/6/12154
R-Discrepancyinsummary(data)andsummary(data$variable)我有一个包含61个观察值和2个变量的数据集。当我汇总整个数据时，第二个变量的分位数、中位数、平均值和最大值有时与我仅从第二个变量汇总得到的结果不同。这是为什么呢？1234567891011121314151617181920212223242526272829303132333435datahead(data)# Group.1 x#110/1/12 0#210/2/12 126#310/3/1211352#410/4/1212116#510/5/1213294#610/6/12154
