文章目录
数组
- 💯数组
numpy是python中最常用的科学计算包,而数组则是是numpy的核心类型,也是Python称为科学计算领域首选语言的关键类型,可以不夸张地说,正是数组类型的强大与易用性,筑就了Python帝国。本节作为一个番外,或者说预备知识,介绍一些数组中最基础的概念和操作。
数据生成
- 💯数据生成
正所谓巧妇难为无米之炊,没有数据,也就没法对数据进行分析,从而数值计算也就成了无根之木了。所以,本节就介绍一些数据生成方法,主要分为两种数据
- 常见序列,比如自然数列、等差数列、等比数列
- 常用矩阵,比如单位阵、对角阵、坐标网格等
读写二进制和文本文件
在实际工作中,很多数据是由其他软硬件设备产生的,如果想要处理,就要学会读取。如果处理结果需要保存,那么也需要将Python内存中的数据写入到硬盘上。numpy中提供了一些文件交互函数,用于外部数据的读取和存储。本节介绍三种数据类型的读写操作
- 文本文件
- 二进制文件
- numpy的二进制文件:npy
微积分
- 💯微积分
微积分是现代科学最基础的数学工具,而其离散形式就是差分和求和。本文除了讲解差分、求和之外,还对积分、多重积分的精确数值求解函数进行了讲解。
插值
- 💯插值
插值的目的是估计或“插”出一个函数在某些未知点上的值,这些未知点位于已知数据点的范围内,常用于填充空白数据,以便进行更平滑的数据分析和可视化。本文介绍了一元插值和多元插值,并且对不同次数的插值效果进行了对比,诸如零次插值、线性插值、二次插值、三次插值等。
数据拟合
- 💯拟合
所谓数据拟合,就是用一个系数待定的函数表达式,尽可能地逼近给定的一组数据。本节由浅入深地介绍了多项式拟合、非线性拟合以及多元非线性拟合。
傅里叶变换
- 💯FFT
傅里叶变换是一种重要的数学工具,是信号处理的基石,通过时域和频域的相互转换,将一个复杂的信号分解为一系列三角函数的叠加。文章解释了如何使用傅里叶变换将复杂信号分解为三角函数,并展示了如何通过滤波和频域分析来处理信号。
卷积
- 💯卷积
本节对卷积的概念进行了介绍,并针对Python不同库中提供的一维和多维卷积函数进行了详细讲解,尤其对卷积过程中出现的边缘效应极其克服方法进行了说明。
滤波
- 💯滤波
数据滤波的目的,是把混杂甚至淹没在噪声中的信号提取出来。本节介绍了三种不同的滤波思想和方法,即维纳滤波、巴特沃斯滤波器以及排序滤波。
基础统计
- 💯统计
分析统计特征是数据分析过程中必不可少的一步,本节对Python中提供的基础统计函数进行了降级,并且介绍了Python中最具统计风格的模块Pandas,及其可视化软件PandasGUI,让你可以像操作Excel一样操作Pandas。
线性代数
- 💯线性代数
矩阵是线性代数的核心对象,是由m mm行n nn列的数组成的矩形数阵,从编程的角度理解,就是二维数组。在Numpy中,数组支持元素之间的各种运算,也支持与单个数值的各种运算。本节介绍了线性代数中常见的一些运算,比如矩阵乘法,并且展开讲解最小二乘法的矩阵化过程。