python中如何實(shí)現(xiàn)數(shù)據(jù)導(dǎo)入

小編給大家分享一下python中如何實(shí)現(xiàn)數(shù)據(jù)導(dǎo)入，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

說明

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，放在程序的開始部分。

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

實(shí)例

# 子程序：定義優(yōu)化問題的目標(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鏈長度，也即內(nèi)循環(huán)運(yùn)行次數(shù)
    youcans = 0.5               # 定義搜索步長，可以設(shè)為固定值或逐漸縮小
    return tInitial, tFinal, alfa, nMarkov, youcans

以上是“python中如何實(shí)現(xiàn)數(shù)據(jù)導(dǎo)入”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對大家有所幫助，如果還想學(xué)習(xí)更多知識，歡迎關(guān)注億速云行業(yè)資訊頻道！