python数学建模源码分析 | 您所在的位置:网站首页 › y=e的x幂的图像 › python数学建模源码分析 |
python数学建模源码分析
发布时间:2023-05-18 15:32:03
来源:亿速云
阅读:56
作者:iii
栏目:编程语言
这篇文章主要介绍了python数学建模源码分析的相关知识,内容详细易懂,操作简单快捷,具有一定借鉴价值,相信大家阅读完这篇python数学建模源码分析文章都会有所收获,下面我们一起来看看吧。 SciPy 学习''' SciPy 包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、 信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。 ''' # 安装scipy库: # SciPy终端安装命令:pip install SciPy # https://www.runoob.com/w3cnote/python-pip-install-usage.html Python pip 安装与使用 # 查看scipy版本: import scipy print(scipy.__version__) # SciPy模块功能表 ''' 模块 功能 scipy.cluster 聚类分析等 scipy.constants 物理和数学函数 scipy.fftpack 傅里叶变换 scipy.integrate 积分 scipy.interpolate 插值 scipy.io 数据输入和输出 scipy.linalg 线性代数 scipy.ndimage n维图像 scipy.odr 正交距离回归 scipy.optimize 优化 scipy.signal 信号处理 scipy.sparse 稀疏矩阵 scipy.spatial 空间数据结构和算法 scipy.special 特殊函数 scipy.stats 统计 ''' # 使用 dir() 函数来查看 constants 模块包含的常量: from scipy import constants print(dir(constants)) ''' 单位类型 常量模块包含以下几种单位: 公制单位 二进制,以字节为单位 质量单位 角度换算 时间单位 长度单位 压强单位 体积单位 速度单位 温度单位 能量单位 功率单位 力学单位 ''' print() # SciPy 常量模块: # constants 是 scipy 的常量模块 from scipy import constants # 查看一英亩等于多少平方米: print(constants.acre) # 输出 4046.8564223999992 # SciPy 常量模块 constants 提供了许多内置的数学常数 # 圆周率: pi # 黄金比例: golden from scipy import constants print(constants.pi) # 输出 3.141592653589793 【圆周率】 print(constants.golden) # 输出 1.618033988749895 【黄金比例】SciPy基本操作1-求解非线性方程(组) 1-1 解题代码如下: # scipy.optimize模块的fsolve和root可求非线性方程(组)的解 # 格式: from scipy.optimize import fsolve from scipy.optimize import root # fsolve或root求解非线性方程组时,先把非线性方程组写成 F(x)=0 这样的形式【x:向量;F(x):向量函数】 fx = lambda x: x**980-5.01*x**979-3.388*x**977\ +7.398*x**978-x**3+5.01*x**2-7.398*x+3.388 x1 = fsolve(fx, 1.5, maxfev=420) # 函数调用420次【调用小了,会报警告】 x2 = root(fx, 1.5) print(x1) # 相当于答案 print() print(x2) # 相当于解题过程运行x1、x2结果如下: 1-2 解题代码如下: from scipy.optimize import fsolve, root fs2 = lambda s: [s[0]**2+s[1]**2-1, s[0]-s[1]] s1 = fsolve(fs2, [1, 1]) print() s2 = root(fs2, [1, 1]) print(s1) # 输出 [0.70710678 0.70710678] print() print(s2)运行s2效果如下: scipy.integrate模块提供了多种积分模式。 积分主要分为以下两类: 对给定函数的数值积分 对给定离散点的数值积分,函数有trapz 题目: 题目: 运行结果如下: NumPy 算术函数包含简单的加减乘除: add(),subtract(),multiply() 和 divide() 倒数:reciprocal() 幂:power() 余数:mod() | remainder() 注:数组必须具有相同的形状或符合数组广播规则 相关代码如下: import numpy as np sz = np.arange(9, dtype=np.float_).reshape(3, 3) sz2 = np.array([5, 2, 1]) # 注:如果相除,这里是被除数的话,里面不能有0 # 数组相加 xj = np.add(sz, sz2) print(xj) # 数组相减 xj2 = np.subtract(sz, sz2) print(xj2) # 数组相乘 xc = np.multiply(sz, sz2) print(xc) # 数组相除 xc2 = np.divide(sz, sz2) print(xc2) print() # numpy.power() # numpy.power() 函数将第一个输入数组中的元素作为底数,计算它与第二个输入数组中相应元素的幂 import numpy as np m = np.array([1, 4, 8]) # 数组1 mc = np.power(m, 3) # 数组1所有元素对应的3次方 print(mc) # 输出 [ 1 64 512] m2 = np.array([1, 2, 3]) # 数组2 mc2 = np.power(m, m2) # 数组1作为底数,数组2作为幂 print(mc2) # 输出 [ 1 16 512] print() # numpy.mod() # numpy.mod() 计算输入数组中相应元素的相除后的余数 # 函数 numpy.remainder() 也产生相同的结果 import numpy as np sz1 = np.array([23, 45, 67]) sz2 = np.array([2, 3, 5]) print(np.mod(sz1, sz2)) # 输出 [1 0 2] print(np.remainder(sz1, sz2)) # 输出 [1 0 2]Pandas学习(续)# pandas的SettingWithCopyWarning # pandas的SettingWithCopyWarning报警复现、原因、解决方案 # 读取数据 import pandas as pd df = pd.read_csv('nba.csv') print(df.head()) # 核心解决问题:pandas的dataframe的修改写操作,只允许在源dataframe上进行,一步到位 # 解决方法(两种): ''' 1-将get+set的两步操作,改成set的一步操作 2-若须处理筛选数据做后续的处理分析,使用copy复制dataframe ''' # pandas不允许先筛选子dataframe,在进行修改写入【注意先准备好csv文件】 Pandas 数据排序Series的排序: # Pandas 数据排序 ''' Series的排序: Series.sort_values(ascending=True, inplace=False) 参数说明: · ascending: 默认为True升序排序,False为False · inplace: 是否修改原始Series DataFrame的排序: DataFrame.sort_values(by, ascending=True, inplace=False) 参数说明: · by:字符串或者List,单列排序或者多列排序 · ascending: bool或者List,升序还是降序 · inplace: 是否修改原始DataFrame ''' # Series的排序: import pandas as pd df = pd.read_csv('nba.csv') print(df.head()) # 输出前五行 print(df['Weight'].sort_values()) # 升序排序 print(df['Weight'].sort_values(ascending=False)) # 降序排序运行结果分别如下: 运行部分结果如下: 之前我就在这个字符串处理的题上出了一些问题(不过当天就解决啦)【今天在来看看】,也就是 df['lrl'].str.replace("%", "").astype("int32")# Pandas字符串处理: ''' 1-使用方法:先获取Series的属性,然后再属性上调用函数 2-只能在字符串列上使用,不能再数字列上使用 3-DataFrame没有str属性和使用 4-Series.str并不是原生Python字符串,它是封装的一套方法 ''' # 获取Series的属性 # print(df['Salary'].str) # 报错【示范】 # AttributeError: Can only use .str accessor with string values! # AttributeError:只能使用。带字符串值的str访问器! # 一定得是字符串列 print(df['College'].str) # 运行结果为: # 判断是不是数字列 print(df['College'].str.isnumeric()) # print(df['College'].len) # 报错【示范】 # AttributeError: 'Series' object has no attribute 'len' # AttributeError:“Series”对象没有属性“len”关于“python数学建模源码分析”这篇文章的内容就介绍到这里,感谢各位的阅读!相信大家对“python数学建模源码分析”知识都有一定的了解,大家如果还想学习更多知识,欢迎关注亿速云行业资讯频道。 推荐阅读: 如何用Python和Flask框架开发以太坊智能合约 Kubernetes中如何通过python api访问IPFS服务免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:[email protected]进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。 python 上一篇新闻:java中的static修饰符怎么使用 下一篇新闻:python如何实现三子棋游戏 猜你喜欢 Vue中的调试工具和指令怎么使用 php中如何声明一个数组 Java枚举案例分析 Python面向对象的四大特征是什么 Laravel Model模型关联怎么建立 如何将多个php数组转成一个json数据 php如何循环数组检测是否包含某值 php字符串如何利用正则转为数组 php如何将两个数组去掉重复值后合并 php如何修改数组多个元素值 |
今日新闻 |
推荐新闻 |
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 |