python 数学

本文已参与「新人创作礼」活动，一起开启掘金创作之路

基础数学实现

导入相应库：

import math

import numpy as np

ceil 实现

ceil(x) 取大于等于 x 的最小的整数值，如果 x 是一个整数，则返回自身。

代码输入：

math.ceil(4.01)

结果输出：

5

代码输入：

math.ceil(4.99)

结果输出：

5

floor 实现

floor(x)取小于等于 x 的最大的整数值，如果 x 是一个整数，则返回自身。

代码输入： .

math.floor(4.1)

结果输出： 4

代码输入：

math.floor(4.999)

结果输出： 4

degrees 实现

degrees(x)把 x 从弧度转换成角度。

代码输入：

math.degrees(math.pi/4)

结果输出： 45.0

代码输入：

math.degrees(math.pi)

结果输出： 180.0

线性代数内容介绍

线性代数是一门被广泛运用于各工程技术领域的学科。用线性代数的相关概念和结论，可以极 大地简化数据挖掘中相关公式的推导和表述。线性代数将复杂的问题简单化，让我们能够对问 题进行高效地数学运算。

线性代数是一个数学工具，它不仅提供了有助于操作数组的技术，还提供了像向量和矩阵这样 的数据结构用来保存数字和规则，以便进行加，减，乘，除的运算。

线性代数实现

导入相应库：

import numpy as np

import scipy as sp

reshape 运算

在数学中并没有 reshape 运算，但是在 numpy 运算库中是一个非常常用的运算，用来改变 一个张量的维度数和每个维度的大小，例如一个 10x10 的图片在保存时直接保存为一个包含 100 个元素的序列，在读取后就可以使用 reshape 将其从 1x100 变换为 10x10。示例如下：

代码输入：

生成一个包含整数 0~11 的向量

x = np.arange(12)

print(x)

结果输出： [ 0 1 2 3 4 5 6 7 8 9 10 11]

查看数组大小

x.shape

结果输出： (12,)

将 x 转换成二维矩阵，其中矩阵的第一个维度为 1

x = x.reshape(1,12)

print(x)

结果输出： [[ 0, 1,2, 3, 4, 5, 6, 7, 8, 9, 10, 11]]

查看数组大小

x.shape

结果输出： (1, 12)

将 x 转换 3x4 的矩阵

x = x.reshape(3,4)

print(x)

结果输出： [[ 0, 1, 2, 3], [ 4, 5, 6, 7],[ 8, 9, 10, 11]]