python數(shù)據(jù)導(dǎo)入使用要注意什么

本文小編為大家詳細(xì)介紹“python數(shù)據(jù)導(dǎo)入使用要注意什么”，內(nèi)容詳細(xì)，步驟清晰，細(xì)節(jié)處理妥當(dāng)，希望這篇“python數(shù)據(jù)導(dǎo)入使用要注意什么”文章能幫助大家解決疑惑，下面跟著小編的思路慢慢深入，一起來(lái)學(xué)習(xí)新知識(shí)吧。

說(shuō)明

1、將數(shù)據(jù)導(dǎo)入模塊作為單獨(dú)的函數(shù)。

2、若不愿使用數(shù)據(jù)導(dǎo)入函數(shù)，則將數(shù)據(jù)導(dǎo)入部分集中寫成一段，放在程序的開(kāi)始部分。

3、不要將問(wèn)題本身的數(shù)據(jù)導(dǎo)入與算法所需的參數(shù)賦值混淆，分為兩個(gè)獨(dú)立的函數(shù)或段落。

實(shí)例

# 子程序：定義優(yōu)化問(wèn)題的目標(biāo)函數(shù)
def cal_Energy(X, nVar, mk): # m(k)：懲罰因子
    p1 = (max(0, 6*X[0]+5*X[1]-320))**2
    p2 = (max(0, 10*X[0]+20*X[1]-7027)**2
    fx = -(10*X[0]+9*X[1])
    return fx+mk*(p1+p2)
 
# 子程序：模擬退火算法的參數(shù)設(shè)置
def ParameterSetting():
    tInitial = 100.0            # 設(shè)定初始退火溫度(initial temperature)
    tFinal  = 1                 # 設(shè)定終止退火溫度(stop temperature)
    alfa    = 0.98              # 設(shè)定降溫參數(shù)，T(k)=alfa*T(k-1)
    nMarkov = 100             # Markov鏈長(zhǎng)度，也即內(nèi)循環(huán)運(yùn)行次數(shù)
    youcans = 0.5               # 定義搜索步長(zhǎng)，可以設(shè)為固定值或逐漸縮小
    return tInitial, tFinal, alfa, nMarkov, youcans

讀到這里，這篇“python數(shù)據(jù)導(dǎo)入使用要注意什么”文章已經(jīng)介紹完畢，想要掌握這篇文章的知識(shí)點(diǎn)還需要大家自己動(dòng)手實(shí)踐使用過(guò)才能領(lǐng)會(huì)，如果想了解更多相關(guān)內(nèi)容的文章，歡迎關(guān)注億速云行業(yè)資訊頻道。