Библиотеки Python

При обработке результатов биохимического эксперимента часто требуется привести данные к единому масштабу. Выполните min-max нормализацию массива по формуле: \[x_{\mathrm{norm}} = \frac{x - \min(a)}{\max(a)-\min(a)}.\] После нормализации все значения лежат в отрезке \([0;\,1]\).

Формат ввода

Первая строка — целое число \(n\) (\(2\le n\le 10^5\)). Вторая строка — \(n\) вещественных чисел через пробел. Гарантируется, что \(\min(a)\ne\max(a)\).

Формат вывода

Одна строка — \(n\) вещественных чисел, каждое округлено до 4 знаков после запятой, через пробел.

5
10.0 20.0 30.0 40.0 50.0

0.0000 0.2500 0.5000 0.7500 1.0000

Подсказка. Функции np.min(), np.max() и np.round() позволяют решить задачу в одну-две строки без циклов.

Для класса EvenList определите конструктор, который может принимать следующие виды параметров:

• Ни одного параметра (в этом случае список будет пустой).
• Один параметр типа List, в этом случае из переданного списка выбираются четные числа и записываются в результирующий список (в том же порядке следования, что и в исходном списке).
• Объект EvenList, в этом случае список будет равняться списку объекта, переданного в конструктор (порядок элеметов должен сохраняться).

1. Метод addnum(), который добавляет к списку число. Если методу addnum() передается целое четное число, то оно добавляется в список, все остальные варианты входных данных игнорируются, при этом выводится сообщение "Wrong data".
2. Метод __sub__, позволяющий выполнять операцию «A - num», которая удаляет из объекта A класса EvenList все вхождения числа num. Если такого числа в списке нет, то  список не изменяется, при этом выводится сообщение "The number is missing". В результирующем списке порядок оставшихся элементов должен быть сохранен.
3. Метод, который выводит элементы списка, где каждый элемент разделен символом точка с запятой (;).

1. Группировать столбцы DataFrame
2. Группировать строки DataFrame на основе условия
3. Группировать данные на основе одного или нескольких столбцов
4. Группировать данные на основе индекса

1. df.filter(condition)
2. df.select_rows(condition)
3. df[condition]
4. df.filter_rows(condition)

1. df.select_column("ColumnName")
2. df.get_column("ColumnName")
3. df["ColumnName"]
4. df.column("ColumnName")

1. Числовой индекс, начиная с 1
2. Буквенно-цифровой индекс, основанный на номере строки
3. Числовой индекс, начинающийся с 0
4. Индекс на основе даты

1. DataFrame
2. Array
3. Series  
4. List  

1.  print(df.describe())
2.  print(df.stats())
3.  print(describe(df))
4.  print(stats(df))

1.  df.dropna()
2.  df.removena
3.  df.removenull()
4.  df.delnull()

1.  df.clmn.astype(str)
2.  df.clmn.type(str)
3.  str(df.clmn)
4.  Ничего из вышеперечисленного

print(df.iloc[2:5]) 

1. печатает 2-й, 3-й, 4-й и 5-й столбцы фрейма данных df
2. печатает 2-й, 3-й, 4-й столбцы фрейма данных df
3. печатает 2-ю, 3-ю, 4-ю строки фрейма данных df
4. печатает 2-ю, 3-ю, 4-ю и 5-ю строки фрейма данных df

1. pandas.DataFrame( data, index, columns, dtype, copy)
2. pandas.Dataframe( data, index, columns, dtype, copy)
3. pandas.dataFrame( data, index, columns, dtype,)
4. pandas.dataframe( data, index, columns, dtype)

1. print(df.dtype)
2. print(dtypes(df)) 
3. print(df.dtypes) 
4. None of the above

1.  Слияние и объединение наборов данных
2.  Фильтрация данных с помощью условий
3.  Построение графиков и визуализация данных
4.  Ничего из вышеперечисленного

На вход даются числа n, r, c. Выведите массив размера n на n, в котором в строке r и столбце c стоят 1, а остальные числа равны 0 (используйте тип np.int8).

Используя векторные операции создайте и сохраните в переменную V Numpy вектор с покоординатными произведениями каждого второго числа из первого списка на каждое второе число из второго списка, развёрнутого в обратном порядке
Выведите данный вектор на экран.