【python基础】scipy库

相关介绍

scipy库是一个基于 Python 的科学计算库，主要用于数学、科学和工程计算。

stats模块

# 对象导入
from scipy.stats import norm


'''
norm 正态分布（Normal Distribution）对象：用来计算正态分布的概率密度、累积分布等等。
norm.cdf(x, loc=0, scale=1)：用于计算正态分布的累积分布函数。

params：x：要计算的x点，可以是一个实数或一个数组。
params：loc：正态分布的均值，默认为 0。
params：scale：正态分布的标准差，默认为 1。

return:x点对应的正态分布的累积分布函数值
'''
cdf_value = norm.cdf(1, loc=2, scale=3)
print(cdf_value)
#输出为0.2524925375469229

 

optimize模块

#导入函数
from scipy.optimize import minimize
import numpy as np


'''
minimize函数：用于使用不同的优化算法来求解最小值，例如梯度下降、共轭梯度、拟牛顿法等。

params:
fun：要最小化的目标函数。
x0：目标函数的初始点。
method：优化算法的名称或对象。
args：目标函数的额外参数。
bounds：变量的范围限制。
constraints：约束条件。
tol：收敛精度。
options：优化算法的其他选项。 

return:
最小化目标函数对应的最小值点
'''
#定义目标函数
def objective(x):
    return (x[0]-1)**2 + (x[1]-2)**2
#定义目标函数变量的初始点
x0 = np.array([0, 0])
#定义变量的范围限制
bnds = ((0, None), (0, None))
#使用SLSQP优化算法求解
res = minimize(objective, x0, method='SLSQP', bounds=bnds)
print(res.x)
#输出：[1.         2.00000001]