数学基础篇(多元微分学)
1 欧式空间
关于内积的计算公式
2.点列极限与开集闭集
2.1 点列极限(收敛数列的概念类似)
(2)聚点和孤立点
如下图:设点集D为点集E、点A、点B之和。(D=E+A+B)
存在点A的一个邻域,这个邻域与集合D 只有点A这一个集合,即 点A称为集合D的孤立点
点B同理也是集合D的孤立点
2.2 开集和闭集
2.2.1 内部,外部和边界
例子:
2.2.4闭集和开集
(1)开集
(2)闭集
Rn和空集是即开又闭的。
(3)导集
闭包:最小的可以包住开集集合E的闭集
3.多元函数的定义
设D为一个非空的n 元有序数组的集合, f为某一确定的对应规则。
若对于每一个有序数组 ( x1,x2,…,xn)∈D,通过对应规则f,都有唯一确定的实数y与之对应,则称对应规则f为定义在D上的n元函数。
记为y=f(x1,x2,…,xn) 其中 ( x1,x2,…,xn)∈D。 变量x1,x2,…,xn称为自变量,y称为因变量。
例子:
数据分析篇(pandas)
1 内容回顾
(1)使用matplotlib呈现出店铺总数排名前10的国家
import matplotlib.pyplot as plt
import pandas as pd
# 读取数据
df1 = pd.read_csv(
"C:\\Users\\hamme\\Desktop\\14100_机器学习-数据科学库(HM)\\21-数据分析资料\\数据分析资料\\day05\\code\\starbucks_store_worldwide.csv")
print(df1.info())
# 对数据进行国家的分组
group1 = df1["Brand"].groupby(by=df1["Country"]).count()
print(group1)
# 对数据进行排序并选出前10个数据
group1 = group1.sort_values(ascending=False)
Selected_list = group1.head(10)
print(Selected_list)
# 绘制国家条形图
plt.figure(figsize=(20, 8), dpi=80)
plt.bar(Selected_list.index, Selected_list.values, width=0.5)
plt.show()
(2)使用matplotlib呈现出每个中国每个城市的店铺数量
import matplotlib.pyplot as plt
import matplotlib.font_manager as font_manager
import pandas as pd
# 读取数据
df1 = pd.read_csv(
"C:\\Users\\hamme\\Desktop\\14100_机器学习-数据科学库(HM)\\21-数据分析资料\\数据分析资料\\day05\\code\\starbucks_store_worldwide.csv")
my_font = font_manager.FontProperties(fname="\\Windows\\Fonts\\simfang.ttf")
# 挑选中国,并分组
df_CN = df1[df1["Country"] == "CN"]
group1 = df_CN["Brand"].groupby(by=df_CN["City"]).count()
print(group1)
# 对数据进行排序并选出前20个数据
group1 = group1.sort_values(ascending=False)
Selected_list = group1