主要收藏了常用的数学值、numpy常用函数、pandas常用函数、matplotlib常用函数
1.以下的介绍常用的数学值,以及在python中怎么调用
常用值 | 数学意义 | 代码内容 | 相关库 | 使用技巧 |
0值 | 0是介于-1和1之间的整数。0既不是正数也不是负数,而是正数和负数的分界点。 | np.nan、 | ||
均值 | 统计学术语 | |||
最大 | 在给定情形下可以达到的最大数量或最大数值;一个量由于起初增大然后开始减小而达到的最大值;程度上的最高点;最高、最大或极端发展的时间或时期 | max | ||
最小 | 在给定情形下可以达到的最小数量或最小数值;一个量由于起初减小然后开始增大而达到的最小值;程度上的最低点;最低、最小或极端发展的时间或时期 | min | ||
众数 | 在统计分布上具有明显集中趋势点的数值,代表数据的一般水平(众数可以不存在或多于一个)。 修正定义:是一组数据中出现次数最多的数值,叫众数,有时众数在一组数中有好几个 | |||
频数 | 又称“次数”。指 变量值中代表某种特征的数(标志值)出现的次数。按分组依次排列的频数构成频数 数列,用来说明各组标志值对全体标志值所起作用的强度 | |||
中位数 | 统计学中的专有名词,代表一个样本、种群或概率分布中的一个数值,其可将数值集合划分为相等的上下两部分。 | |||
分位点 | 百分比位置 | |||
标准差 | 中文环境中又常称 均方差,标准差是离均差平方的算术平均数的平方根,用σ表示。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。平均数相同的两组组数据,标准差未必相同。 | std | ||
方差 | 是在概率论和统计方差衡量 随机变量或一组数据时离散程度的度量。概率论中方差用来度量 随机变量和其 数学期望(即 均值)之间的偏离程度。统计中的方差(样本方差)是每个样本值与全体样本值的平均数之差的平方值的 平均数。在许多实际问题中,研究方差即偏离程度有着重要意义。方差是衡量源数据和期望值相差的度量值。 | |||
正态分布 | 也称“常态分布”,又名高斯分布(Gaussian distribution),若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布,记为N(μ,σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置,其标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布。 | |||
2.以下介绍numpy库中的常用函数
3.以下介绍pandas库中的常用函数
4.以下介绍matplotlib库中常用函数
5.以下介绍算法中基础的算法