Scipy---入门篇

---

一、scipy中io模块使用

import scipy
import numpy as np
import matplotlib.pyplot as plt
from scipy import io

#用io模块写入数据
a = np.arange(7)
io.savemat('a.mat',{
  'array':a})
data = io.loadmat('a.mat')
print(data['array'])

[[0 1 2 3 4 5 6]]

二、scipy中stats子模块产生符合特定规律的随机数

from scipy import stats

Stats提供了产生连续性分布的函数：

• 均匀分布(uniform)
• 正态分布(norm)
• 贝塔分布(beta)
• 离散分布
• 伯努利分布(bernoulli)
• 几何分布(geom)
• 泊松分布(poisson)

#产生符合正态分布的随机数
x = stats.norm.rvs(size = 20)
x

array([-0.3668553 , -1.97745322,  0.3353114 , -0.89573224, -0.11372808,
        0.51618827, -1.28898304,  0.25557684, -2.59951208, -0.82487573,
        0.66980873, -0.49528425, -1.34229043,  0.79874304, -0.81134343,
        0.85968282, -1.35237681, -0.59951369,  0.65832086,  0.82553856])

#用频率分布直方图反映一组数据的分布情况
plt.hist(x)#数据点比较少时，不一定符合正太分布
plt.show()

x = stats.norm.rvs(size = 20000)#取多数据点进行尝试

plt.hist(x)
plt.show()#多数据情况下可看出符合正态分布

#产生服从beta分布的数组
y = stats.beta.rvs(size=100,a=0.5,b=0.5)

plt.hist(y)
plt.show()

三、计算随机数的均值和标准差

#fit方法拟合一组数据
generated = stats.norm.rvs(size=920)
mean,std = stats.norm.fit(generated)
mean#均值

0.075387649613412891

std#标准差

1.0126002204446221

四、