如何用赋值符号计算分数

디
请编制一段代码,输出“ welcome ① 加入② 课程，您本次的分数为③ 分”这句话。
要求：
①输入用户的姓名：姓名为自己的姓名
②输入用户的课程：财务大数据基础
③分数的计算方法为：输入用户的学号+123456，请用输入函数及赋值运算符进行编写。
例如：
输入：
张三
财务大数据基础
1 1 1 1 1 1
运行结果：
welcome张三加入财务大数据基础课程，您本次的分数为234567分


name = input()
course = input()
number = input()
score = number + 123456

print('welcome' + name + '加入' + course + '课程，您本次的分数为' + str(score) + '分')

你可以参考下这个问题的回答, 看看是否对你有帮助, 链接: https://ask.csdn.net/questions/764894
这篇博客你也可以参考下：大数据预测实战-随机森林预测实战（三）-数据量对结果影响分析
除此之外, 这篇博客: 数据分析——数据清洗之缺失值处理中的 三、如何在大规模数据中处理缺失值 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
对于缺失值大于15%的数据我们可以直接删除了。
这里的df.drop()中的axis参数值有些让人不好理解，因为要删除整个column，所以应该是按列删除，所以axis应该是0，然而，这里的axis对应的不是整个dataframe，而是对应columns这块区域，将columns中的每个标签按照水平方向删除。
```
df = df.drop((miss_data[miss_data['Percentage'] > 0.15]).index, axis=1)
```
对于一些需要再考虑的数据列我们可以先打印出来，再进行选择如何补全数据。
```
# check the missing data
def cat_exploration(df, column):
    print(df[column].value_counts())

# imput the missing data 
def cat_imputation(df, column, value):
    df.loc[df[column].isnull(), column] = value
```
还有些数据的缺失值通过实际情况判断，结果比较明显，那么就可以直接填充。
```
df.loc[df['Id'] == 580, 'BsmtCond'] = 'TA'
```
您还可以看一下 CSDN就业班老师的大数据工程师就业特训营第一期-直播回放课程中的大数据第一期-第二十周02小节, 巩固相关知识点