![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Python数据分析与数学建模
东都大白兔
草原上最美的花
展开
-
python 暴力折半逼近 拟合方程的解 matplotlib画网格曲线图
二分逼近通过折半拟合,来寻找方程的近似解求当结果为0.4时,v的值import matplotlib.pyplot as pltimport numpy as npdef one(v): ans = float((2/np.pi)*(np.arccos(v)-v*np.sqrt(1-v*v))) return ansleft = 0right = 1for i in range(100): mid = (left+right)/2 anslef原创 2020-09-16 11:04:26 · 594 阅读 · 0 评论 -
Python OpenCV MINIST 单张图片像素转化二值化(手写数字识别,时尚服装识别)
手写数字识别,要求28*28像素,白字黑底一开始使用了SciPy来转换出现AttributeError: module 'scipy' has no attribute 'misc' 报错,应该是版本问题,修改无果,采用了更简单的OpenCVimport cv2image = cv2.imread("8.jpg")image2 = cv2.resize(image, (28,...原创 2020-02-21 23:14:22 · 1854 阅读 · 0 评论 -
Python数据分析——分析名单表格的姓氏、姓名等
介绍当我获得一份名单(本校4年的本科生录取姓名、学号、专业、录取中学等等)打算利用这个名单,进行一些基础的有趣分析基础整理引入库,并读写表格import numpy as np import pandas as pdimport os from collections import defaultdictimport matplotlib.pyplot as pltplt.r...原创 2020-01-10 02:31:51 · 6122 阅读 · 0 评论 -
Python numpy.argsort 排序索引
np.argsort可返回排序后的索引一维列表:>>> import numpy as np >>> a = [3,2,6,-1,5]>>> np.argsort(a)array([3, 1, 0, 4, 2], dtype=int64)二维列表矩阵行排序>>> b = [[2, -1, 5, 4],[3, 2...原创 2019-10-14 19:34:57 · 943 阅读 · 1 评论 -
Python数据分析处理(二)——数据的标准化处理归一化(极差变换)以数学建模(CUMCM 2011 A)为实例(两表同名行列对应计算)
继续之前的数据和工作,进行数据的标准化处理,具体数据可从下方博客链接获取 剔除异常值放下表一和表二Excel的截图大体思路:实际问题中,不同数据可能有不同的性质和量纲,为进行模糊聚类,需进行标准化处理。这里采用极差变换:放代码:import numpy as npimport pandas as pdpath = "E:/Mo...原创 2019-07-29 17:39:34 · 4392 阅读 · 0 评论 -
Python数据分析处理(一)——处理剔除异常值 以全国数学建模(CUMCM 2011 A题)为实例
由于经历一些调试,所以代码结构不一定最优,适合数据处理的新手,大神欢迎提出改进数据来源:http://www.mcm.edu.cn设p为均值,s为标准差由表三可知,元素背景值在[p-s, p+s],所以应用到表一,将不符合的数据剔除上代码import numpy as npimport pandas as pdpath = "E:/M...原创 2019-07-28 18:44:43 · 17503 阅读 · 0 评论 -
Python数据处理分析(三)——分类统计,dataframe复制,每一行列数据计算,一列不同元素个数统计,matplotlib画饼图,以数学建模(2011 A)为例
直接上代码了import numpy as npimport pandas as pd import matplotlib.pyplot as pltimport matplotlib as mplmpl.rcParams["font.sans-serif"]=["SimHei"] # 正常显示中文及负号mpl.rcParams["axes.unicode_minus"]=F...原创 2019-08-02 01:13:32 · 2597 阅读 · 0 评论