通信中的AI的博客

一、均匀分布（uniform distribution）在相同长度间隔的分布概率是等可能的。1.概率密度函数：2.分布函数：3.期望和方差：4.生成随机数import numpy as npnp.random.rand(10)#生成十个均匀分布的随机数np.random.rand(2，4)#生成八个均匀分布的随机数，维度2*4二、正态分布（normal distribution）在相同长度间隔的分布概率是等可能的。1.概率密度函数：2.分布函数：

一.3D可视化图表1.3D柱状图、3D直方图import randomimport numpy as npimport matplotlib.pyplot as pltimport matplotlib.dates as mdatesfrom mpl_toolkits.mplot3d import Axes3Dfig = plt.figure()ax = fig.add_subplot(111, projection='3d')for z in range(1, 4): x

一.绘制简单图形1.折线图import matplotlib.pyplot as pltimport numpy as np#单条sin函数x=np.linspace(0.1, 10, 100)y=np.sin(x)plt.plot(x,y, linestyle='-', linewidth=1,label='Sin() by plot()')plt.legend()plt.show()#多条曲线a=np.random.random((9,3))*2y1=a[0:,1]y2=

线性代数运算import numpy as npfrom scipy import linalgarr = np.array([[1, 9, 2],[4, 8, 3],[5, 7, 6]])#计算行列式print(linalg.det(arr))#逆矩阵print(linalg.inv(arr))#奇异值分解print(linalg.svd(arr))快速傅里叶变换import scipyimport scipy.fftpackimport pylabfrom scip

文本文件的数据存取1.CSVimport csv#读with open("TXT_COMMA.txt") as cf: lines=csv.reader(cf) for line in lines: print(line)#写headers=['A','B']rows=[(1,4),(2,5),(3,6)]f=open("TXT_COMMA2.txt ",'a+')wf=csv.writer(f)wf.writerow(headers)wf.wr

python 编写常量板块import sysclass _CONSTANT: class ConstantError(TypeError) : pass def __setattr__(self, key, value): if key in self.__dict__.keys(): raise(self.ConstantError, "常量重新赋值错误!") self.__dict__[key] = valuesy