简答题 (程序加注释,5.0分)
使用numpy.random.randint()函数随机产生一组取值为[50,90)之间，size值为(10,12)的整数，作为上海市一年的平均相对湿度百分比的值。以1-12月的英文缩写为标签，绘制箱型图。
Import numpy as np
Import matplotlib.pyplot as plt
Plt.rcParams['font.sans-serif'] = ['SimHei'] #(1)
Plt.rcParams['axes.unicode_minus'] = False
Humidity = np.random.randint(50, 90, (10, 12))
Labels = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sept', 'Oct', 'Nov', 'Dec']
Plt.boxplot(humidity, labels=labels, sym='*', whis=1.25, widths=0.6) #(2)
Plt.xlabel('平均相对湿度百分比')
Plt.show()

简答题 (程序加注释,5.0分)
使用numpy.random.randint()函数随机产生一组取值为[50,90)之间，size值为(10,12)的整数，作为上海市一年的平均相对湿度百分比的值。以1-12月的英文缩写为标签，绘制箱型图。
Import numpy as np
Import matplotlib.pyplot as plt
Plt.rcParams['font.sans-serif'] = ['SimHei'] #(1)
Plt.rcParams['axes.unicode_minus'] = False
Humidity = np.random.randint(50, 90, (10, 12))
Labels = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sept', 'Oct', 'Nov', 'Dec']
Plt.boxplot(humidity, labels=labels, sym='*', whis=1.25, widths=0.6) #(2)
Plt.xlabel('平均相对湿度百分比')
Plt.show()

简答题 (程序加注释,5.0分)
使用numpy.random.randint()函数随机产生一组取值为[50,90)之间，size值为(10,12)的整数，作为上海市一年的平均相对湿度百分比的值。以1-12月的英文缩写为标签，绘制箱型图。
Import numpy as np
Import matplotlib.pyplot as plt
Plt.rcParams['font.sans-serif'] = ['SimHei'] #(1)
Plt.rcParams['axes.unicode_minus'] = False
Humidity = np.random.randint(50, 90, (10, 12))
Labels = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sept', 'Oct', 'Nov', 'Dec']
Plt.boxplot(humidity, labels=labels, sym='*', whis=1.25, widths=0.6) #(2)
Plt.xlabel('平均相对湿度百分比')
Plt.show()

简答题 (程序加注释,5.0分) 将原始数据集划分为训练集（train set）和测试集（test set）两部分，测试集和训练集的划分比例为2：8，设定随机数的编号为8，保证在重复试验中可得到相同的切分结果。
From sklearn.model_selection import train_test_split #(1)
S = "机器学习的研究涉及概率论统计学逼近论凸分析算法复杂度理论多门学科是人工智能的核心"
X, y = list(s), range(40)
X_train, X_test, y_train, y_test = train_test_split(X,y,test_size=0.2,random_state=8) #(2)
Print("测试集:", X_test)

简答题 (程序加注释,5.0分)
使用numpy.random.randint()函数随机产生一组取值为[50,90)之间，size值为(10,12)的整数，作为上海市一年的平均相对湿度百分比的值。以1-12月的英文缩写为标签，绘制箱型图。
Import numpy as np
Import matplotlib.pyplot as plt
Plt.rcParams['font.sans-serif'] = ['SimHei'] #(1)
Plt.rcParams['axes.unicode_minus'] = False
Humidity = np.random.randint(50, 90, (10, 12))
Labels = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sept', 'Oct', 'Nov', 'Dec']
Plt.boxplot(humidity, labels=labels, sym='*', whis=1.25, widths=0.6) #(2)
Plt.xlabel('平均相对湿度百分比')
Plt.show()

简答题 (程序加注释,5.0分) 将原始数据集划分为训练集（train set）和测试集（test set）两部分，测试集和训练集的划分比例为2：8，设定随机数的编号为8，保证在重复试验中可得到相同的切分结果。
From sklearn.model_selection import train_test_split #(1)
S = "机器学习的研究涉及概率论统计学逼近论凸分析算法复杂度理论多门学科是人工智能的核心"
X, y = list(s), range(40)
X_train, X_test, y_train, y_test = train_test_split(X,y,test_size=0.2,random_state=8) #(2)
Print("测试集:", X_test)

简答题 (程序加注释,5.0分)
使用numpy.random.randint()函数随机产生一组取值为[50,90)之间，size值为(10,12)的整数，作为上海市一年的平均相对湿度百分比的值。以1-12月的英文缩写为标签，绘制箱型图。
Import numpy as np
Import matplotlib.pyplot as plt
Plt.rcParams['font.sans-serif'] = ['SimHei'] #(1)
Plt.rcParams['axes.unicode_minus'] = False
Humidity = np.random.randint(50, 90, (10, 12))
Labels = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sept', 'Oct', 'Nov', 'Dec']
Plt.boxplot(humidity, labels=labels, sym='*', whis=1.25, widths=0.6) #(2)
Plt.xlabel('平均相对湿度百分比')
Plt.show()

简答题 (程序加注释,5.0分) 将原始数据集划分为训练集（train set）和测试集（test set）两部分，测试集和训练集的划分比例为2：8，设定随机数的编号为8，保证在重复试验中可得到相同的切分结果。
From sklearn.model_selection import train_test_split #(1)
S = "机器学习的研究涉及概率论统计学逼近论凸分析算法复杂度理论多门学科是人工智能的核心"
X, y = list(s), range(40)
X_train, X_test, y_train, y_test = train_test_split(X,y,test_size=0.2,random_state=8) #(2)
Print("测试集:", X_test)