提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
前言
提示:这里可以添加本文要记录的大概内容:
例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。
提示:以下是本篇文章正文内容,下面案例可供参考
一、Scipy是什么?
示例:scipy 包含许多专注于科学计算中的常见问题的工具箱。它的子模块对应于不同的应用,比如插值,积分,优化,图像处理,统计和特殊功能等。
二、使用步骤
1.引入库
代码如下(示例):
from scipy.stats import norm
import matplotlib.pyplot as plt
import numpy as np
2.函数参数
代码如下(示例):
norm.cdf 返回对应的累计分布函数值
norm.pdf 返回对应的概率密度函数值
norm.rvs 产生指定参数的随机变量
norm.fit 返回给定数据下,各参数的最大似然估计(MLE)值
x_norm = norm.rvs(size = 200)
#在这组数据下,正态分布参数的最大似然估计值
x_mean, x_std = norm.fit(x_norm)
print('mean, ', x_mean)
print('std, ', x_std)
plt.hist(x_norm, normed = True, bins = 15)
#归一化直方图(用出现频率代替次数),将划分区间变为20(默认10)
x = np.linspace(-3, 3, 50)
#在(-3, 3)之间返回均值间隔的50个数字
plt.plot(x, norm.pdf(x), 'r--')
plt.show()
3.子模块
scipy.stats 统计
总结
提示:这里对文章进行总结:
例如:以上就是今天要讲的内容,本文仅仅简单介绍了scipy的使用,而scipy提供了大量能使我们快速便捷地处理数据的函数和方法。