lesdiables的博客

import numpy as npfrom scipy import optimizeimport statsmodels.api as smfire = np.loadtxt('./fire.csv', delimiter=',')blood = np.loadtxt('./blood.csv', delimiter=',') study = np.loadtxt('./study.csv', delimiter=',')# 代码6-1# 方法一x = fire[:,0]y .

import mathimport numpy as np# 代码4-29A = np.matrix([[3, -1],[-1, 3]])# 方法一print('矩阵A的特征值为：', np.linalg.eigvals(A))矩阵A的特征值为： [4. 2.]# 方法二A1,A2 = np.linalg.eig(A)print('矩阵A的特征值为：', A1)print('矩阵A的特征向量为：\n', A2)矩阵A的特征值为： [4. 2.]矩阵A的特征向量为：.

import numpy as npfrom scipy import optimize# 代码5-14# 定义求解函数def f1(x): ''' x：表示函数的未知数x。 ''' return(2.5*x**2-15*x-100)# 定义二分法函数def dichotomy(a,b,preci_ratio = 10**-2): ''' a,b ：接收数值，表示二分法的区间。无默认。 preci_ratio：接收数值，表示精确率.

import numpy as npimport matplotlib.pyplot as pltfrom scipy import optimizeplt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文plt.rcParams['axes.unicode_minus']=False # 用来正常显示负号#代码5-9# 拉伸倍数x = np.array([1.9,2,2.1,2.5,2.7,2.7,3.5,3.5,4.

from scipy import interpolateimport numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签plt.rcParams['axes.unicode_minus']=False # 用来正常显示负号# 代码5-4x = np.array([200,220,250,270,280])y = np.arr.

# 代码5-1print(1-(4/3-1)*3)2.220446049250313e-16# 代码5-2print('地球的表面积为：',4*3.1416*6370**2)地球的表面积为： 509905556.15999997# 代码5-3print('第一把尺子的相对误差为：',0.5/100*100,"%")print('第二把尺子的相对误差为：',5/1000*100,"%")第一把尺子的相对误差为： 0.5 %第二把尺子的相对误差为： 0.5...

import numpy as np# 代码4-14# 方法一A1 = np.matrix('1 2 3 4;3 4 5 6;5 6 7 8;7 8 9 0')print('使用mat函数创建的矩阵为：\n', A1)使用mat函数创建的矩阵为： [[1 2 3 4] [3 4 5 6] [5 6 7 8] [7 8 9 0]]# 方法二A2 = np.mat([[1, 2, 3, 4],[3, 4, 5, 6],[5, 6, 7, 8],[7, 8, 9, 0]])p.

import numpy as np# 代码4-1# 方法一：使用det函数求行列式arr = np.array([[1, 1],[30, 20]]) # 创建分母的二维数组arr1 = np.array([[80, 1],[2050, 20]]) # 创建分子的二维数组arr2 = np.array([[1, 80],[30, 2050]]) # 创建分子的二维数组# 求解行列式D = np.linalg.det(arr)D1 = np.linalg.det(arr...

from scipy import stats as sts# 代码3-30CI = sts.norm.interval(0.95, loc = 8.34, scale = 0.03)print('置信区间为：', CI)置信区间为： (8.281201080463799, 8.398798919536201)# 代码3-31data = [0.8511,0.8891,0.8982,0.7625,0.8450,0.8380,0.8232,0.8883,0.8256]#data =.

import numpy as npfrom scipy import stats as sts# 代码3-15n = 10 # 独立实验次数p = 0.5 # 每次正面朝上概率k = np.arange(0,11) # 总共有0~10次正面朝上的可能binomial = sts.binom.pmf(k,n,p)# 0~10次正面朝上分别的概率print('0~10次正面朝上分别的概率为：\n ',binomial)0~10次正面朝上分别的概率为： [0.0009765.

from scipy import stats as stsimport numpy as npdata = np.loadtxt('salary.csv',delimiter=",") # 读取数据# 代码3-1print('众数为：',sts.mode(data,axis=None))众数为： ModeResult(mode=array([3880.]), count=array([2]))print('中位数为：',np.median(data))中位数为： 39.

from sympy import *init_printing() # 代码2-23x = Symbol('x')diff(atan(x), x), diff(acot(x), x)diff(exp(x), x), diff(1 / 2 * exp(2 * x), x)diff(log(2 * x), x), diff(log(x), x)# 代码2-24x = Symbol('x')f = cos(x)integrate(f,x)x = S.

from sympy import* import numpy as npimport matplotlib.pyplot as pltinit_printing()# 代码2-19x = Symbol('x')y = 2*x**3-12*x**2+18*x-2df1 = diff(y,x)df1 # 一阶导数df2 = diff(y,x,2)df2 # 二阶导数print('函数的驻点为：',solve(df2,x))函数的驻点为： [2]#函.

from sympy import* init_printing()# 代码2-5x = Symbol('x')C = 2y = Cdiff(y,x)0# 代码2-6x = Symbol('x')mu = Symbol('mu')y = x**mudiff(y,x)# 代码2-7x = Symbol('x')a = Symbol('a')y = a**xdiff(y,x)# 代码2-8x = Symbol('x')a = Symbo.

from sympy import* # 代码 2-1x = symbols('x') # 将x定义为符号变量# 通过sympy模块的solve()命令可以求得一元二次方程的两个根X = solve(x**2-5*x+6,x) print('一元二次方程的两个根为：',X)一元二次方程的两个根为： [2, 3]A = set('1245') # 定义集合AB = set('23') # 定义集合Bprint('集合A与B的并:',A | B)print('集.