第七次python实验

import numpy as np
import math
A = np.array([[1,2],[3,4]])
B = A.T  #矩阵转置
C = np.linalg.inv(A) #矩阵求逆
print('原矩阵为：',A)
print('转置后的矩阵为：',B)
print('矩阵求逆:',C)
print('乘积：',np.dot(A,B))   #矩阵相乘
print('平均值：',np.mean(A))  #平均值
print('加权平均值：',np.average(A,weights = [[1,2],[3,4]]))  #加权平均值
print('方差：',np.var(A))   #方差
num = np.var(A)
print('标准差：',math.sqrt(num))  #标准差

#多项式求值，求极限、求积分等计算问题
import sympy
#--------多项式求解--------
#定义变量
x=sympy.Symbol('x')
fx=2*x+1
#使用evalf函数传值
y1=fx.evalf(subs={x:4})
print(y1)
#----求极限-------
#定义变量与函数
x=sympy.Symbol('x')
f1=sympy.sin(x)/x
f2=(1+x)**(1/x)
f3=(1+1/x)**x
#三个参数是 函数，变量，趋向值
lim1=sympy.limit(f1,x,0)
lim2=sympy.limit(f2,x,0)
lim3=sympy.limit(f3,x,sympy.oo)
print(lim1,lim2,lim3)

#------求积分-------
#求定积分用 integrate方法
x=sympy.Symbol('x')
f=2*x
#参数传入 函数，积分变量和范围
result=sympy.integrate(f,(x,0,1))
print(result)

#求多重积分，先求里面的积分，再求外面的
x,t=sympy.symbols('x t')
f1=2*t
f2=sympy.integrate(f1,(t,0,x))
result=sympy.integrate(f2,(x,0,3))
print(result)

#求不定积分其实和定积分区别不大
x=sympy.Symbol('x')
f=(sympy.E**x+2*x)
f_=sympy.integrate(f,x)
print(f_)

#实现如下2D绘图：直方图、饼图

#-----饼图---------
import matplotlib.pyplot as plt
import numpy as np

labels = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']

# data = np.random.rand(7) * 100
data = [2, 1, 2, 3, 5, 8, 9]  # data和labels的索引会对应，占比是data[i]/sum(data)

# 1.2f指的小数保留两位
plt.pie(data, labels=labels, autopct='%1.2f%%')  # 第一个参数是占比，第二个各自的标签，第三个是显示精度

plt.axis('equal')  # 让图看起来是圆的，不然就扁了
plt.legend()  # 左上角的那个图例，随机的，可以自己换位置

plt.show()

#--------条形图--------
N = 7

x = np.arange(N)  # 即array([0,1,2...N])

# 随机生成N个0到100之间的整数
data = np.random.randint(low=0, high=100, size=N)

# 随机生成几种颜色，reshape第二个参数-1指随着N变化，第一维度填满有剩就来填第二维
# 生成的是随机的N组三通道(r,g,b)的颜色
colors = np.random.rand(N * 3).reshape(N, -1)

labels = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']

plt.title("Weekday Data")  # 设置窗格标题
plt.bar(x, data, alpha=0.8, color=colors, tick_label=labels)
plt.show()