2020/9/14学习日志

一，概率论：（连续型随机变量与密度函数）

• 概率密度函数（定义）
• 连续随机变量的概念与性质（定义，性质，注意，与离散型随机变量的区别）
• 一些常用的连续性随机变量（均匀分布（密度函数，分布函数），指数分布（密度函数，分布函数））

二，数据分析：

1.NumPy的ndarray：一种多维数组对象

1.1 创建ndarray：

• 1.1.1：array,asarray(跟array相似，但当输入是ndarray时array复制一次，asarray就不进行复制)；
• 1.1.2.：arange(常用与构造等差数组)；
• 1.1.3：ones,ones_like（根据指定的形状创造一个全1数组）
• 1.1.4：zeros,seros_like（类似于ones,ones_like但创建的是一个全0数组）
• 1.1.5：empty,empty_like(创建新数组，只不过是只分配空间，而不填充任何职)
• 1.1.6：eye,identity（创建一个正方的N*N的单位矩阵（对角线为1，其余为0）（eyes可以不一定是方阵，但identity一定是方阵））

import numpy as np
x=np.ones(5)
x
#out:array([1., 1., 1., 1., 1.])
x=np.zeros(3)
x
#out:array([0., 0., 0.])
y=np.empty(3)
y
#不要一直指望np.empty一直返回全0数组，大多数情况返回的是一堆未初始化的垃圾值
#out:array([0., 0., 0.])
x=np.eye(3)
x
#out:array([[1., 0., 0.],
       #[0., 1., 0.],
       #[0., 0., 1.]])
y=np.ones_like(x)
y
#out:array([[1., 1., 1.],
       #[1., 1., 1.],
       #[1., 1., 1.]])
y=np.zeros_like(x)
y
#out:array([[0., 0., 0.],
     #  [0., 0., 0.],
      # [0., 0., 0.]])
z=np.empty_like(x)
z
#out:array([[0., 0., 0.],
 #      [0., 0., 0.],
  #     [0., 0., 0.]])
y=np.identity(3)
y
#out:array([[1., 0., 0.],
   #    [0., 1., 0.],
    #   [0., 0., 1.]])

1.2.NumPy的数据类型

• i1.i2,i4,i8（有符号占k个字节的int型）
• u1,u2,u4,u8（无符号占k个字节的int型）
• f2,f4或f,f8或d,f16或g（浮点数的扩充）
• ?(bool型)
• O(python对象类型object）
• S(固定长度的字符串类型string)
• U（固定长度的unicode类型与字符串的定义方式一样）

参考文献：

1. numpy中array和asarray的区别：https://www.cnblogs.com/messj-qy/p/8951950.html
2. numpy常用函数之arange函数：https://www.jianshu.com/p/d7d3ae1f096f
3. np.eye()和np.identity()：https://blog.csdn.net/oppo62258801/article/details/94446785