赞
踩
是Python科学计算程序的核心包,用于有效的计算NumPy矩阵
pip install scipy
检验是否安装成功
import sscipy
通过savemat()函数和loadmat()函数实现保存和读取矩阵文件
from scipy import io
import numpy as np
arr = np.array([1,2,3,4,5,6])
io.savemat('test.mat',{'arr1':arr})
loadArr = io.loadmat('test.mat')
print(loadArr['arr1'])
[[1 2 3 4 5 6]]#输出
SciPy中的scipy.stats中提供了产生连续性分布的函数,使用它们可以生成服从某些类型分布的随机数
1.均匀分布
2.正态分布
3.贝塔分布
4.泊松分布
使用stats.norm.fit()函数利用正态分布去拟合生成的数据,得到其均值和标准差
偏度描述的是概率分布的偏离(非对称)程度。有两个返回值,第二个为p-value,即数据集服从正态分布的概率(0~1),可以利用stats.skewtest()计算偏度。
峰度描述的是概率分布曲线的陡峭程度,可以利用stats.kurtosis()计算峰度
正态分布检验同样返回两个值,第2个返回p-values。stats。normaltest()进行检验。
x = np.array([0.49505388,0.38089622,0.53224837,0.60111699,0.16436832,0.42284313,0.2474509,0.0972824,0.43080192,0.60522265])
stats.normaltest(x)
输出:NormaltestResult(statistic=1.0598792180094825, pvalue=0.5886405171916524)
使用scoreatoercentile(数据集,百分比)计算在某一百分比位置的数值。
已知某次考试分数与各个分数出现次数如下表所示,求出此次考试的均值、中位数、众数、极差、方差、标准差、变异系数(均值/方差)、偏度、峰度。
Matplotlib是一个Python2D绘图库
pip install matplotlib
Matplotlib的API函数(如plot和close)都位于matplotlib.pyplot模块中,其通常的引入约定是:
import matplotlib.pyplot as plt
Matplotlib的图像都位于Figure对象中,可以理解成我们需要一张画板才能开始绘画,通常使用plt.figure创建一个新的Figure
fig = plt.figure()
在拥有Figure对象之后,在作画之前还需轴,这里可以将它理解为子图,没有轴的话就没有绘图基准,所以需要添加Axes。使用add_subplot(i,j,k)添加Axes(在画板的第i行第j列的第k个位置生成一个Axes对象来准备作画),并且通过set()函数设置这个Axes的X轴以及Y轴。
import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(111)
ax.set(xlim=[0.5,4.5],ylim=[-2,8],title='An Example Axes',ylabel='Y-Axis',xlabel='X-Axis')
plt.show()
用Matplotlib绘制cosh(0.5x)、sin(x)、cos(2x),并设置曲线与坐标轴的属性。
import matplotlib.pyplot as plt import numpy as np x = np.arange(-2*np.pi,2*np.pi,0.01)#定义横轴范围(-2pi 2pi) #分别绘制三条曲线 y1 = np.cosh(0.5*x) y2 = np.sin(x) y3 = np.cos(2*x) #绘制曲线,Matplotlib默认展示不同颜色 plt.plot(x,y1) plt.plot(x,y2,'--') plt.plot(x,y3) #设置x轴标签 plt.xticks([-2*np.pi,-np.pi,0,np.pi,2*np.pi],[r'$-2\pi$',r'$\pi$','$0$','$\pi$','$2\pi$']) #设置y轴标签 plt.yticks([-1,0,1,2,3],[r'$-1$','$0$','$+1$','$+2$','$+3$']) #设置图标 plt.legend(['y1','y2','y3']) plt.show()
1.csdn如何生成目录
手动输入@[TOC]
即可
2.代码建议自己上手敲敲哦,maybe you will have a different feel.
3.尽量不要手抄代码
4.不会就百度或者问GhatGPT
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。