117 lines
2.6 KiB
Python
117 lines
2.6 KiB
Python
"""
|
|
02_funcion.py
|
|
"""
|
|
|
|
|
|
# Ejercicios: Nivel 2
|
|
|
|
# 1. Declara una función llamada evens_and_odds.
|
|
# Toma un número entero positivo como parámetro
|
|
# y cuenta el número de pares e impares en ese número.
|
|
|
|
|
|
def evens_and_odds(n):
|
|
evens = 0
|
|
odds = 0
|
|
for i in range(1, n+1):
|
|
if i % 2 == 0:
|
|
evens += 1
|
|
else:
|
|
odds += 1
|
|
return f"El número de impares es {odds}.\nEl número de pares es {evens}."
|
|
|
|
|
|
print(evens_and_odds(101))
|
|
|
|
# 2. Llama a tu función factorial,
|
|
# toma un número entero como parámetro
|
|
# y devuelve el factorial de ese número.
|
|
|
|
|
|
def factorial(n):
|
|
if n == 0:
|
|
return 1
|
|
else:
|
|
return n * factorial(n-1)
|
|
|
|
|
|
num_factorial = 5
|
|
print(f"El factorial de {num_factorial} es {factorial(num_factorial)}.")
|
|
|
|
# 3. Llama a tu función is_empty,
|
|
# toma un parámetro
|
|
# y verifica si está vacío o no.
|
|
|
|
|
|
def is_empty(item):
|
|
if not item:
|
|
return "La variable está vacía."
|
|
else:
|
|
return "La variable no está vacía."
|
|
|
|
|
|
print(is_empty(""))
|
|
|
|
# 4. Escribe diferentes funciones que tomen listas.
|
|
# Deben calcular la media, mediana, moda, rango,
|
|
# varianza y desviación estándar.
|
|
# Las funciones se llaman calculate_mean,
|
|
# calculate_median, calculate_mode,
|
|
# calculate_range, calculate_variance
|
|
# y calculate_std (desviación estándar).
|
|
|
|
|
|
def calculate_mean(my_list):
|
|
return sum(my_list) / len(my_list)
|
|
|
|
|
|
def calculate_median(my_list):
|
|
sorted_list = sorted(my_list)
|
|
n = len(my_list)
|
|
if n % 2 == 0:
|
|
return (sorted_list[n//2-1] + sorted_list[n//2]) / 2
|
|
else:
|
|
return sorted_list[n//2]
|
|
|
|
|
|
def calculate_mode(my_list):
|
|
freq_dict = {}
|
|
for num in my_list:
|
|
if num in freq_dict:
|
|
freq_dict[num] += 1
|
|
else:
|
|
freq_dict[num] = 1
|
|
max_freq = max(freq_dict.values())
|
|
mode_list = [num for num, freq in freq_dict.items() if freq == max_freq]
|
|
if len(mode_list) == len(my_list):
|
|
return None
|
|
elif len(mode_list) == 1:
|
|
return mode_list[0]
|
|
else:
|
|
return mode_list
|
|
|
|
|
|
def calculate_range(my_list):
|
|
return max(my_list) - min(my_list)
|
|
|
|
|
|
def calculate_variance(my_list):
|
|
mean = calculate_mean(my_list)
|
|
return sum([(x - mean)**2 for x in my_list]) / (len(my_list) - 1)
|
|
|
|
|
|
def calculate_std(my_list):
|
|
return calculate_variance(my_list) ** 0.5
|
|
|
|
|
|
my_list = [1, 2, 3, 4, 5, 5, 6, 7, 8, 9]
|
|
|
|
print(f"""De la lista {my_list} obtenemos:
|
|
- Media: {calculate_mean(my_list)}
|
|
- Mediana: {calculate_median(my_list)}
|
|
- Moda: {calculate_mode(my_list)}
|
|
- Rango: {calculate_range(my_list)}
|
|
- Varianza: {calculate_variance(my_list)}
|
|
- Desviación estándar: {calculate_std(my_list)}
|
|
""")
|