python中scipy_Python Scipy 简介

Python Scipy 简介

2018-12-15 Saturday

Scipy 是一个用于数学、科学、工程领域的常用软件包，可以处理插值、积分、优化、图像处理、常微分方程数值解的求解、信号处理等问题。

可以有效计算 Numpy 中的矩阵，从而使 Numpy 和 Scipy 可以协同工作，高效解决问题。

stats

在做 ML 的时候经常会遇到一些与概率相关的东西，其实在 scipy.stats 模块中已经提供了相关的一些特性，该模块封装了一些标准的随机变量，包括了连续型 (80多个) 和离散型 (10多个)。

常用方法

连续随机变量的主要公共方法有：

rvs, Random VariateS 随机变量，也就是从这个分布中抽一些样本；

pdf, Probability Density Function 概率密度函数；

cdf, Cumulative Distribution Function 累计分布函数；

sf, Survival Function 残存函数(1 - CDF)；

ppf, Percent Point Function 分位点函数 (CDF 的逆)；

isf, Inverse Survival Function 逆残存函数 (sf的逆)；

可以通过如下方法查看支持的属性。

from scipy import stats

dir(stats.norm) # 查看正态分布的所有方法和属性

示例

如下使用该模块模拟正态分布的使用，默认使用的是标准正态分布，也就是平均值为 0 ，标准差为 1 的正态分布。

>>> import numpy as np

>>> from scipy import stats

#----- 使用默认的标准正态分布函数计算累积分布

>>> stats.norm.cdf(0)

0.5

>>> stats.norm.cdf([-1, 0, 1])

array([0.15865525, 0.5, 0.84134475])

>>> norm.cdf(np.array([-1, 0, 1]))

array([0.15865525, 0.5, 0.84134475])

#----- 设置正态分布参数，loc(location)期望值，scale标准差

>>> x = stats.norm(loc=1.0, scale=2.0)

#----- 计算随机变量的期望值和方差

>>> print(x.stats())

(array(1.), array(4.))

#----- 对于正态分布随机取10000个值，并计算其均值和方差

>>> sample = x.rvs(size=10000)

>>> print(np.mean(sample), np.var(sample))

(0.9874473210585618, 4.086386197301687)

#----- 对随机序列进行拟合，返回与随机取样值最吻合的随机变量参数

>>> print(stats.norm.fit(sample))

(0.9874473210585618, 2.0214811889556845)

参考

如果喜欢这里的文章，而且又不差钱的话，欢迎打赏个早餐 ^_^

支付宝打赏

微信打赏