print(f"年龄(整数):{age},类型:{type(age)}\n身高(浮点数):{height},类型:{type(height)}\n分数(字符串):{score_str},类型:{type(score_str)}\n年龄+分数:{total}")定义两个字符串变量,str1 赋值为 "Hello",str2 赋值为 "Python"。1.将这两个字符串拼接起来(中间加一个空格),存储

计算这两个变量的和，并将结果存储在一个新的变量 a 中；计算这两个变量的余数，叫做c。然后，使用 f-string 打印出类似 “20 加 8 的结果是：28” 的信息，分成三行打印。print(f"{num1}加{num2}的结果是{a}\n{num1}除{num2}的结果是{b}\n{num1}与{num2}相除余数的结果是{c}")print(f"最终价格是:{final_price}\n节

print(f"优秀分数个数：{excellent_count}\n分数总和:{total_score}\n平均分数:{average_score:.3f}")

data.isnull()# 布尔矩阵显示缺失值，这个方法返回一个布尔矩阵，也是dataframe对象，其中True表示是缺失值，False表示不是缺失值。data = pd.read_csv(r'E:\PythonStudy\data.csv')# 读取文件，路径可以是绝对路径/相对路径。data.isnull().sum()# 每列缺失值计数,sum方法为求每一列的和。type(data.is

【代码】Python day 5。

2.离散特征：Years in current job 离散特征条形图。1.连续特征："Years of Credit History"为例。箱线图、小提琴图、直方图、密度图、CDF图。二.特征与标签可视化。1.连续特征（同上）

【代码】python day7。

注：其他步骤day7已经写了。此数据集中没有离散变量，也没有缺失值。

【代码】python day10。

4.连续变量与标签的关系图（小提琴图）5.离散变量与标签的关系图（条形图）2.连续变量的小提琴图。1.连续变量的箱线图。3.离散变量的条形图。