m0_47405013的博客

1.文件读取1.1 csv文件读取import pandas as pddf1=pd.read_csv(r'../data/HeightWeight.csv')print(df1)2.xlsx文件读取import pandas as pddf2=pd.read_excel(r'../data/loans.xls')print(df2

1.均匀分布1.1标准均匀分布（0-1）import numpy as np#满足0-1均匀分布 X~U(a,b) a=0,b=1s1=np.random.rand(1000)print(s1)#期望 E(X)=(a+b)/2=(0+1)/2=0.5print(s1.mean())#方差 D(X)=(b-a)²/12=1/12print(s1.var())代码运行结果:0.496599265085136350.081770070779136711.2均匀分布(a=1,b=4

一.连续型随机变量1. 正态分布1.1 正态分布对象创建，期望及方差#（1）满足标准正态分布 X~N(μ，σ²) μ=0，σ=1s1=np.random.randn(1000)print(s1)#（2）满足正态分布 X~N(μ，σ²) X~N(3,16)#第1个参数：μ ，2：σs2=np.random.normal(3,4,1000)print(s2)#（3）正态分布 X~N(μ，σ²)#生成μ=3，σ=4的正态分布# norm(loc=μ,scale=σ)#根据分布，随机生成1

pandas练习1.练习# 1.1.创建一个系列：# （1）通过传入一个列表list，创建一个系列；ps=pd.Series([3,5,7,9],index=['a','b','c','d'])print(ps)# （2）使用数组 创建系列；data=np.array(np.linspace(3,10,4,dtype=int))ps1=pd.Series(data,index=['a','b','c','d'])print(ps1)# （3）使用字典dict来创建一个系列。data1=

#1.绘制折线图import matplotlib.pyplot as pltimport numpy as np#1.绘制折线图#设置中文字体plt.rcParams['font.sans-serif']=['Simhei']# 显示符号plt.rcParams['axes.unicode_minus']=False#创建画布 figsize:画布大小(英寸)plt.figure(figsize=(15,10),dpi=80)#取点(用等差数列取点)x=np.linspace(-5

1. 线性回归（建模和拟合）# 线性回归（建模和拟合)#定义函数def func(x,a,b): return a*x+b#创建数据x=np.linspace(0,10,100)#调用函数y=func(x,1,2)#添加噪音yn=y+0.9*np.random.normal(size=len(x))#拟合噪音曲线popt,pcov=curve_fit(func,x,yn)print(popt)#绘制折线图plt.plot(x,x*popt[0]+popt[1],'r',

1. 创建数组1.1 创建一维数组import numpy as npa=np.arange(1,10)print(a)1.2 创建数组(一维和二维)import numpy as npb=np.array([[1,2,3],[4,5,6],[7,8,9]],dtype=int)print(b)c=np.zeros(9).reshape(3,3)c1=np.zeros((3,3))print(c)print(c1)d=np.ones(9).reshape(3,3)d1=np.o

矩阵函数的封装1.定义函数，实现求矩阵的行列式def Isdet(A): # 矩阵的行数=列数：方阵，只有方阵才有行列式 if A.shape[0]==A.shape[1]: print('A是方阵，存在行列式。|A|=',np.linalg.det(A)) else: print('A不是方阵，不存在行列式')2.定义函数，实现求矩阵的秩def Rank(A): rA=np.linalg.matrix_rank(A) pri

pandas一. Series一维数组1. 创建一维数组方法一：pd.Series(列表，index=列表,columns=列表)pd.Series(numpy一维数组，index=列表,columns=列表)返回<class ‘pandas.core.series.Series’> 类型的一维数组import pandas as pdt1 = pd.Series([8,6,3,4])print(t1)t2 = pd.Series([1,2,3,4],index=list('

#pandas三种数据类型：#一维：系列 Series 二维：数据帧 DataFrame 三维：面板 Panel#系统默认下标：0,1,2,…1. 系列import numpy as npimport pandas as pd#1.用 list(列表) 创建系列s1=pd.Series([1,3,5,7])print(s1)#2.用数组创建系列data=np.array([1,3,5,7])#自定义下标 index=[],必须是list形式：可以是数字，也可以是字符串ind

积分的计算1.一重积分的计算Γ(z)=∫12 (x+1)dx .\Gamma(z) = \int_1^2\ (x+1)dx\,.Γ(z)=∫12​ (x+1)dx.#方法一（scipy）from scipy import integratedef fun(x): return x+1v,err=integrate.quad(fun,1,2)print(v)# 方法二(sympy)import sympyf=x+1sympy.integrate(f,1,

画图函数封装import numpy as npimport matplotlib.pyplot as plt#设置坐标轴def set_axis(): #设置坐标轴 ax=plt.gca() #去掉顶部和右边的坐标线 ax.spines['right'].set_color('none') ax.spines['top'].set_color('none') #将下面的轴线移到x=0位置 ax.xaxis.set_ticks_position

scipy练习1. 正态分布（连续型随机变量分布）import scipy.statsimport matplotlib.pyplot as plt# 1.调用scipy，生成均值为3，方差为16的正态分布对象distdist=scipy.stats.norm(loc=3,scale=4)print(dist)# 2.用numpy中的方法生成x,要求x位于（-10,30）之间，200个点x=np.linspace(-10,30,200)# 3.写出正态分布的概率密度函数pdf=dist.

一.数学相关函数1.函数的平方根、立方根import numpy as npa=np.arange(9)print(a)print('a的平方根',np.sqrt(a))#a的平方根print('a的平方根',np.power(a, 1/2))#a的平方根print('a的立方根',np.power(a, 1/3))#a的立方根print('a的立方根',np.power(a, 1/3))#a的立方根print('a的平方',np.square(a))#a的平方print('a的平方',

sympy基础知识1.sympyimport sympyprint(sympy.pi.evalf())#圆周率πprint(sympy.E)#eprint(sympy.I)#虚数iprint(sympy.oo)#无穷大print(sympy.E.evalf(3))#保留e的三位小数2.三角函数import sympyprint(sympy.sin(sympy.pi/4).evalf())print(sympy.cos(sympy.pi/3).evalf())print(sympy.