Python统计学（二）

最新推荐文章于 2022-04-02 10:08:37 发布
原创 最新推荐文章于 2022-04-02 10:08:37 发布 · 378 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #统计学 #分布函数 #scipy #pdf

文章目录

1 分布相关的函数

在这里插入图片描述

2.连续分布示例

nv=stats.norm(0,1)
x=np.arange(-5,5,0.1)
y=nv.pdf(x)
y2=nv.cdf(x)
plt.plot(x,y,label=“pdf”)
plt.plot(x,y2,label=“cdf”)
plt.grid()
plt.legend()
nv.sf(0),nv.ppf(0.6),nv.isf(0.3),nv.rvs(10)
在这里插入图片描述

3.离散分布示例

nv=stats.binom(100,0.5)
x=np.arange(0,100,1)
y=nv.pmf(x)
y2=nv.cdf(x)
plt.plot(x,y,label=“pmf”)
plt.plot(x,y2,label=“cdf”)
plt.grid()
plt.legend()
nv.cdf(5),nv.sf(60),nv.ppf(0.6),nv.isf(0.3),nv.rvs(10)

在这里插入图片描述

【吐血整理】Python 常用的数学运算与统计函数(附视频讲解)
棒棒编程修炼场
05-29 3136
目录一、abs 函数--获取数字的绝对值二、divmod 函数--获取两个数值的商和余数三、len 函数--获取对象的长度或项目个数四、max 函数--获取可迭代对象(或元素)的最大值五、min 函数--获取可迭代对象(或元素)的最小值六、pow 函数--获取两个数值的幂运算值七、round 函数--对数值进行四舍五入求值八、sum 函数--对可迭代对象进行求和计算 一、abs 函数–获取数字的绝对值 abs() 函数用于获取数字的绝对值，其语法格式如下： abs(x) 参数说明： x：表示数值，参数可
Python 统计学
lly202406的博客
10-11 628
Python 是一种强大的编程语言，适用于各种统计分析任务。通过使用 Python 的库和模块，可以轻松地进行数据导入、清洗、探索、假设检验和数据可视化等。无论您是在金融、生物统计还是其他领域，Python 都是一种非常有用的工具。
（11）numpy基础3：面向数组编程
xiaomengzhang的博客
11-04 638
1 牛刀小试 对网格数据可视化样例 points = np.arange(-5, 5, 0.01) # 生成起始为-5，步长为0.01，结束为5的数组 points xs, ys = np.meshgrid(points, points) #据两个数组生成网格采样点的函数，结果是二维矩阵 ys 注意：[X,Y] =meshmeshgrid(x,y); 返回的两个meshX、Y必定是行数、列数相等的且X、Y的行数都等于输入参数y中元素的总个数，X、Y的列数都等于输入参数x中元素总个数 ...
numpy学习记录
qq_1192774350的博客
05-07 339
numpy学习----数组与向量化计算（参考《利用Python进行数据分析》） #4.1 import numpy as np #随机生成数组 data=np.random.randn(2,3) data array([[ 0.08733309, -1.20700919, 0.76849156], [ 0.38783398, -0.75058736, 0.36083027]]) print(data*10) print(data+data) [[ 0.87333085 -12.07
np.arange()用法
n_fly的博客
04-28 5650
np.arange() 函数返回一个有终点和起点的固定步长的排列，如[1,2,3,4,5]，起点是1，终点是6，步长为1。参数个数情况： np.arange()函数分为一个参数，两个参数，三个参数三种情况 1）一个参数时，参数值为终点，起点取默认值0，步长取默认值1。 2）两个参数时，第一个参数为起点，第二个参数为终点，步长取默认值1。 3）三个参数时，第一个参数为起点，第二个参数为终点，第三个参数为步长。其中步长支持小数 #一个参数 默认起点0，步长为1 输出：[0 1 2] a = np.arang
Python之粒子群算法（含代码实例）
m0_60307882的博客
04-02 3万+
Python粒子群算法(含代码实例)
Python统计学入门
最新发布
11-18
本书《Python统计学入门》致力于为生命科学领域的研究人员提供一个系统性的统计分析方法介绍，使用Python作为主要的分析工具。在当前数据科学的浪潮下，统计学是科研工作中的一个重要环节，特别是在生命科学领域，...
Python统计学入门指南
11-04
《Python统计学入门指南》是一本面向生命科学领域研究者的统计分析教材，旨在通过实际案例和可运行的代码帮助读者掌握Python在数据输入、分布分析、假设检验及回归模型等统计分析核心技能方面的应用。书中重点使用了...
Python统计学实战指南
11-04
本书《Python统计学实战指南》为数据科学从业者及学生提供了一个深入浅出的Python统计分析学习平台，专注于教授核心统计概念的实际应用。书中内容覆盖了从数据处理到概率分布、再到假设检验的一系列关键主题，这些...
Python 模块和 IPython Notebooks，用于《Python 统计学入门》一书.zip
11-24
Python 模块和 IPython Notebooks，用于《Python 统计学入门》一书Python 模块和 IPython Notebooks，与《Python 统计学入门》一书配套此 repo 包含三个文件夹ISP、ipynb和ipynb_slides“ISP”使用 Python 进行...
Python numpy.arange()用法
王旭的博客
08-12 2万+
生成一个指定起点终点和步长的列表，参数个数最多三个： 分为一个参数，两个参数，三个参数三种情况 1. 一个参数时，参数值为终点，起点取默认值0，步长取默认值1。 import numpy print(numpy.arange(5)) [0 1 2 3 4] 2. 两个参数时，第一个参数为起点，第二个参数为终点，步长取默认值1。包前不包后 print(numpy.arange(5, 10)) [5 6 7 8 9] 3. 三个参数时，第一个参数为起点，第二个参数为终点，第三个参数为步长；
np.arange() 详细教程
dudu3332的博客
11-27 8904
NumPyis the fundamental Python library for numerical computing. Its most important type is anarray typecalledndarray. NumPy offers a lot ofarray creation routinesfor different circumstances.arange()is one such function based onnumerical ranges. It...
range()、np.arange()总结
Baby_bye的博客
06-17 2213
range()和xrange()函数 在 python 2.x 版本中，同时存在range() 和xrange() 函数，其中，range() 返回值是一个列表，xrange() 返回值是一个迭代器； 在 python 3.x 版本中，取消了xrange() 的定义，仅保留了range() 函数，且range() 函数的返回值也改为迭代器； xrange和range的语法格式相同； 语法：...
np.arange函数
u011649885的专栏
08-07 5万+
返回值： np.arange()函数返回一个有终点和起点的固定步长的排列，如[1,2,3,4,5]，起点是1，终点是5，步长为1。 参数个数情况： np.arange()函数分为一个参数，两个参数，三个参数三种情况 1）一个参数时，参数值为终点，起点取默认值0，步长取默认值1。 2）两个参数时，第一个参数为起点，第二个参数为终点，步长取默认值1。 3）三个参数时，第一个参数为起点，第二
Python（十一）numpy.arange()
eurus_的博客
08-30 5100
转载来源：https://blog.csdn.net/u011649885/article/details/76851291  np.arange()函数分为一个参数，两个参数，三个参数三种情况  1）一个参数时，参数值为终点，起点取默认值0，步长取默认值1。  2）两个参数时，第一个参数为起点，第二个参数为终点，步长取默认值1。  3）三个参数时，第一个参数为起点，第二个参数为终点，第三个参数...
Python matplotlib 绘制等高线图
weixin_54556126的博客
11-20 9049
前言 我们在往期对matplotlib.pyplot()方法学习，到现在我们已经会绘制折线图、柱状图、散点等常规的图表啦（往期的内容如下，大家可以方便查看往期内容） python入门到进阶，爬虫数据分析全套资料分享讲解 (#1) 这么详细的Python matplotlib底层原理浅析_ 这么详细的Python matplotlib 绘制图形 还不赶紧收藏_ 超详细的Python matplotlib 绘制直方图 赶紧收藏_ 超详细的Python matplotlib
Numpy中 arange() 的用法
热门推荐
我是张跑跑
01-22 13万+
1. 概述 Numpy 中 arange() 主要是用于生成数组，具体用法如下； 2. arange() 2.1 语法 numpy.arange(start, stop, step, dtype = None) 在给定间隔内返回均匀间隔的值。 值在半开区间 [开始，停止]内生成（换句话说，包括开始但不包括停止的区间）,返回的是 ndarray 。 2.2 参数： start —— 开始位置，数字，...
python 统计学
01-24
### Python 中与统计学相关的库及其使用 #### 描述性统计和推论性统计 对于描述性和推论性的统计数据处理，`pandas` 和 `scipy.stats` 是两个非常重要的库。前者提供了高效的数据结构操作能力；后者则专注于各种概率分布以及假设检验等功能。 ```python import pandas as pd from scipy import stats data = {'values': [1, 2, 3, 4, 5]} df = pd.DataFrame(data) mean_value = df['values'].mean() # 计算均值 std_deviation = df['values'].std() # 标准差计算 t_statistic, p_value = stats.ttest_1samp(df['values'], popmean=0) # 单样本 t 检验 ``` 上述代码展示了如何利用这两个库来进行基本的描述性统计分析并执行简单的推断统计测试[^1]。 #### 回归分析 当涉及到回归建模时，除了可以继续依赖于 `statsmodels` 进行经典方法的应用外，还可以借助 `sklearn.linear_model` 来构建更加复杂的预测模型。 ```python import numpy as np from sklearn.model_selection import train_test_split from sklearn.linear_model import LinearRegression from sklearn.metrics import mean_squared_error X = np.array([[1], [2], [3], [4]]) y = np.array([2., 4., 6., 8.]) X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) model = LinearRegression() model.fit(X_train, y_train) predictions = model.predict(X_test) mse = mean_squared_error(y_test, predictions) print(f'Mean Squared Error: {mse}') ``` 这段脚本说明了怎样通过划分训练集与验证集来评估线性回归的效果，并报告误差指标 MSE 的过程[^2]。 #### 高级绘图功能 为了更好地展示数据特征，在可视化方面推荐采用 `matplotlib` 或者更高级别的封装——`seaborn` 。这些图形化工具能够帮助研究人员直观理解变量间的关系模式。 ```python import seaborn as sns import matplotlib.pyplot as plt tips = sns.load_dataset('tips') sns.scatterplot(x='total_bill', y='tip', data=tips) plt.show() sns.pairplot(tips[['total_bill', 'tip']]) plt.show() ``` 这里给出了绘制散点图和平面对角线相关矩阵的例子，有助于探索不同字段之间的潜在联系。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值