معرفی شرکت ها
datascience-project-0-github-guessnumber-0.1.6
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
Data science project 0: A guess number game example with primitive self-testing
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | datascience-project-0-github-guessnumber-0.1.6 |
| نام | datascience-project-0-github-guessnumber |
| نسخه کتابخانه | 0.1.6 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Dmitry Vlasov |
| ایمیل نویسنده | dmitry.v.vlasov@gmail.com |
| آدرس صفحه اصلی | https://github.com/dmitry-v-vlasov/data-science-course/tree/master/module_0/datascience_project_0_github_guessnumber |
| آدرس اینترنتی | https://pypi.org/project/datascience-project-0-github-guessnumber/ |
| مجوز | MIT |
# Data science project 0: A guess number game example with primitive self-testing
A guess number game example with primitive self-testing
## Requrements
* Python 3.7+
* numpy
* setuptools, wheel
## Installation
Use the package manager [pip](https://pip.pypa.io/en/stable/) to install `datascience-project-0-github-guessnumber`.
### Installation of the package `datascience-project-0-github-guessnumber`
```bash
pip install datascience-project-0-github-guessnumber
```
View at:
https://pypi.org/project/datascience-project-0-github-guessnumber/
### Installation from a local copy of the repository
```bash
git clone https://github.com/dmitry-v-vlasov/data-science-course.git
cd data-science-course
cd module_0
cd datascience_project_0_github_guessnumber
pip install .
```
## After the package installation
Type the following command in order to display help text.
```bash
datascience_guessnumber -h
```
Here is a copy of the help text of the `datascience_guessnumber` command.
```
usage: datascience_guessnumber [-h] [-n INTEGER] [-s "[a, b]"] [-g LIST] [-v] [-vv] [--version]
__ _ _ _ ___ ___ ___ _ __ _ _ _ __ ___ | |__ ___ _ __
/ _` | | | |/ _ \/ __/ __| | '_ \| | | | '_ ` _ \| '_ \ / _ \ '__|
| (_| | |_| | __/\__ \__ \ | | | | |_| | | | | | | |_) | __/ |
\__, |\__,_|\___||___/___/ |_| |_|\__,_|_| |_| |_|_.__/ \___|_|
|___/
Guess Number game strategies demonstration
optional arguments:
-h, --help show this help message and exit
-n INTEGER, --attempts INTEGER number of attempts to guess a number
-s "[a, b]", --segment "[a, b]" a segment of integer numbers surrounded with double quotes(!!)
-g LIST, --game-strategies LIST a comma separated list of strategies (without spaces!!).
The supported strategy names: random-snail,binary-search,ternary-search
-v, --verbose set loglevel to INFO
-vv, --very-verbose set loglevel to DEBUG
--version show program's version number and exit
© Copyright 2020, Dmitry Vlasov
Author email: dmitry.v.vlasov@gmail.com
Licence: MIT
--------------------------------------------
```
### Screenshot:
## Package file `guess_number.py`: Guess Number Game Algorithm Implementations (Guessing Strategies)
Three number guessing strategies are implemented in here:
* `guess_number_game_core_random_snail`, symbolic name - `"random_snail"`;
**This is the original algoritm implementation which is initially given in the problem statement (`game_core_v2`)**;
* `guess_number_game_core_binary_search`, symbolic name - `"binary-search"`;
This is a number guessing algoritm implementation based on the binary search algorithm;
* `guess_number_game_core_ternary_search`, symbolic name - `"ternary-search"`;
This is a number guessing algoritm implementation based on the ternary search algorithm.
The function `score_game` does a test of a given number guessing strategy.
The tested strategy efficiency results are printed in the end of the body of the function `score_game`.
The available strategies are enlisted in the enumeration class `GameCoreType`.
## Usage
### Calling the command `datascience_guessnumber` without arguments
```bash
datascience_guessnumber
```
#### Execution result:
```
- Ваш алгоритм "random-snail" угадывает число в среднем за
31.9 попыток (31 целых) с 30.9 (30 целых) итерациями основного цикла в среднем.
- Ваш алгоритм "binary-search" угадывает число в среднем за
5.8 попыток (5 целых) с 4.8 (4 целых) итерациями основного цикла в среднем.
- Ваш алгоритм "ternary-search" угадывает число в среднем за
7.1 попыток (7 целых) с 2.8 (2 целых) итерациями основного цикла в среднем.
Вывод:
- наиболее эффективная стратегия по количеству _единичных_ угадываний: binary-search;
- стратегия с минимальным количеством _итераций_ основного цикла: ternary-search.
```
#### Screenshot:
### Specifying game strategies
```bash
datascience_guessnumber --game-strategies random-snail,binary-search
```
#### Execution result:
```
- Ваш алгоритм "random-snail" угадывает число в среднем за
31.9 попыток (31 целых) с 30.9 (30 целых) итерациями основного цикла в среднем.
- Ваш алгоритм "binary-search" угадывает число в среднем за
5.8 попыток (5 целых) с 4.8 (4 целых) итерациями основного цикла в среднем.
Вывод:
- наиболее эффективная стратегия по количеству _единичных_ угадываний: binary-search;
- стратегия с минимальным количеством _итераций_ основного цикла: binary-search.
```
#### Screenshot:
### Specifying attempts number and number segment
```bash
datascience_guessnumber --attempts 1000 --segment "[1, 100]"
```
#### Execution result:
```
- Ваш алгоритм "random-snail" угадывает число в среднем за
31.9 попыток (31 целых) с 30.9 (30 целых) итерациями основного цикла в среднем.
- Ваш алгоритм "binary-search" угадывает число в среднем за
5.8 попыток (5 целых) с 4.8 (4 целых) итерациями основного цикла в среднем.
- Ваш алгоритм "ternary-search" угадывает число в среднем за
7.1 попыток (7 целых) с 2.8 (2 целых) итерациями основного цикла в среднем.
Вывод:
- наиболее эффективная стратегия по количеству _единичных_ угадываний: binary-search;
- стратегия с минимальным количеством _итераций_ основного цикла: ternary-search.
```
#### Screenshot:
## Contributing
Pull requests are welcome. For major changes, please open an issue first to discuss what you would like to change.
Please make sure to update tests as appropriate.
## License
[MIT](https://choosealicense.com/licenses/mit/)
نیازمندی
| مقدار | نام |
|---|---|
| - | setuptools |
| - | wheel |
| - | numpy |
نحوه نصب
نصب پکیج whl datascience-project-0-github-guessnumber-0.1.6:
pip install datascience-project-0-github-guessnumber-0.1.6.whl
نصب پکیج tar.gz datascience-project-0-github-guessnumber-0.1.6:
pip install datascience-project-0-github-guessnumber-0.1.6.tar.gz