【深耕 Python】Data Science with Python 数据科学（3）Numpy 常量、函数和线性空间

写在前面

关于数据科学环境的建立，可以参考我的博客：

【深耕 Python】Data Science with Python 数据科学（1）环境搭建

往期数据科学博文：

【深耕 Python】Data Science with Python 数据科学（2）jupyter-lab和numpy数组

Jupyter代码片段1：欧拉常数e

import math, numpy as np
print(math.e)
print(np.e)
math.e == np.e

输出结果：

Jupyter代码片段2：圆周率Π和τ

print(np.pi)
print(math.tau)
math.tau == 2 * np.pi

输出结果：

Jupyter代码片段3：三角函数和对数运算

print(np.cos(math.tau))
print(np.sin(math.tau))
print(np.log(np.e))
print(np.log10(np.e))

输出结果：

Jupyter代码片段4：作用于数组上的Numpy函数

print(np.arange(5))
angles = math.tau * np.arange(5) / 4
print(angles)

a = np.cos(angles)
a

输出结果：

Jupyter代码片段5：使用isclose()函数抵消浮点误差

print(np.isclose(0.01, 0))
print(np.isclose(10 ** (-16), 0))
print(np.isclose(a, 0))
a[np.isclose(a, 0)] = 0
a

输出结果：

Jupyter代码片段6：使用linspace()函数进行区间划分

angles = np.linspace(0, math.tau, 5)
print(angles)
a = np.cos(angles)
a[np.isclose(a, 0)] = 0
print(a)
angles = np.linspace(0, math.tau, 100)
print(angles)
print(np.cos(angles))

输出结果（剩余的值省略）：

参考文献 Reference

《Learn Enough Python to be Dangerous——Software Development, Flask Web Apps, and Beginning Data Science with Python》, Michael Hartl, Boston, Pearson, 2023.