Python
Ingsuifon
这个作者很懒,什么都没留下…
展开
-
Numpy学习第四天——线性代数
Numpy 定义了 matrix 类型,使用 matrix 类型创建的是矩阵对象,它们的加减乘除运算默认采用矩阵方式计算,因此用法和Matlab十分类似。但是由于 NumPy 中同时存在 ndarray 和 matrix对象,用户很容易将两者弄混。这有违 Python 的“显式优于隐式”的原则,因此官方并不推荐在程序中使用 matrix 。矩阵和向量积矩阵的定义、矩阵的加法、矩阵的数乘、矩阵的转置与二维数组完全一致,但矩阵的乘法有不同的表示。numpy.dot(a, b[, out])计算两个矩阵的原创 2020-11-29 23:08:42 · 356 阅读 · 0 评论 -
Numpy学习第3天——统计相关
次序统计计算最小值numpy.amin(a[, axis=None, out=None, keepdims=np._NoValue, initial=np._NoValue, where=np._NoValue])import numpy as npx = np.array([[11, 12, 13, 14, 15],[16, 17, 18, 19, 20],[21, 22, 23, 24, 25],[26, 27, 28, 29, 30],[31, 32, 33, 34, 35]])原创 2020-11-27 23:58:16 · 231 阅读 · 0 评论 -
Numpy学习第二天——随机抽样
离散型随机变量二项分布P={X=K}=(nk)pk(1−p)n−kP=\{X=K\}=(_n^k)p^k(1-p)^{n-k}P={X=K}=(nk)pk(1−p)n−k【例】野外正在进行9(n=9)口石油勘探井的发掘工作,每一口井能够开发出油的概率是0.1(p=0.1)。请问,最终所有的勘探井都勘探失败的概率?import numpy as npimport matplotlib.pyplot as pltfrom scipy import statsnp.random.seed(202原创 2020-11-24 23:23:59 · 217 阅读 · 0 评论 -
Numpy学习第一天——输入输出
二进制文件save(filename, arr):将一个numpy的多维数组保存为npy格式的二进制文件,第一行以文本形式保存了数组的源信息,如ndim,dtype,shapesavez(filename, *args, **kwds):将多个bumpy的多维数组保存为多个npy文件的压缩文件格式npzload():识别npz文件,返回类似字典的对象,可通过矩阵名获取数组的内容# 尝试save()import numpy as np # 导包outfile = r'.\test.np原创 2020-11-23 23:55:17 · 279 阅读 · 1 评论