<强> 1.1,Scipy简介及安装强>
官网:http://www.scipy.org/SciPy
安装在C: \ Python27 \脚本下打开cmd执行:
执行:<代码> pip安装scipy 代码>
<强> 1.2,安装水蟒及环境搭建(举例演示)强>
创建环境:<代码> conda创建python - n env_name=3.6
代码>
示例:,,<代码> conda创建python - n Py_36=3.6,#创建名为Py_367的环境代码>
列出所有环境:<代码> conda信息- e 代码>
进入环境:,,<代码>激活Py_36 来源;(OSX/LINUX系统)
代码>
,,,,,,,,,,,激活Py_36 ,,,,,,,,(windows系统)
<强> 1.3,jupyter安装强>
jupyter简介:jupyter (jupyter笔记本)是一个交互式笔记本
,,,,,,,,,,,支持运行40多种编程语言
,,,,,,,,,,,数据清理和转换,数值模拟,统计建模,机器学习等
jupyter安装:conda安装jupyter笔记本
启动jupyter:激活相应环境
在控制台执行:jupyter笔记本
笔记本服务器运行地址:http://localhost: 8888,,,
,,,,,,,,,,,,,,,新建(笔记本、文本文件,文件夹)
关闭笔记本:按ctrl + c执行两次
jupyter笔记本使用:
,,,快捷键:shift + Enter ,,,运行本单元,选中下个单元
,,,,,,,,,,Ctrl + Enter ,,,,运行本单元,在其下方插入新单元
,,,,,,,,,,Y ,,,,,,,,,,,,单元进入代码状态
,,,,,,,,,,M ,,,,,,,,,,,,单元进入减价状态
,,,,,,,,,,A ,,,,,,,,,,,,在上方插入新单元
,,,,,,,,,,B ,,,,,,,,,,,,在下方插入新单元
,,,,,,,,,,X ,,,,,,,,,,,,剪切选中单元
,,,,,,,,,,Shift + V ,,,,,,在上方粘贴单元,,,,,,
<强> 1.4,scipy的“你好词”强>
需求:将一个多维数组保存。垫文件,后加载该垫文件,获取内容并打印
步骤1:导入scipy需要的模块
<代码>,,,从scipy进口io ,,#(需要使用的模块)代码>
步骤2:利用savemat保存数据
io.savemat (file_name mdict) io.savemat (a.mat,{“数组:})
步骤3:利用loadmat载入数据
io.loadmat (file_name) data=https://www.yisu.com/zixun/io.loadmat (a.mat)
举例1:
从scipy进口io #导入io 进口numpy np #导入numpy并命名为np arr=np.array ([1, 2, 3, 4, 5, 6)) io.savemat (test.mat, {arr1: arr}) loadArr=io.loadmat (test.mat)
举2例
从matplotlib进口pyplot plt 从scipy进口io 进口numpy np matrix1=np.arange (10) .reshape(3,3) #创建矩阵 io.savemat (“matrix1。垫”,{“数组”:matrix1}) #保存矩阵文件 data=https://www.yisu.com/zixun/io.loadmat (matrix1.mat) #读取矩阵文件 打印(数据(“数组”))#输出矩阵 p1=np.random。正常(大?10000)#新建随机数 plt.hist (p1) #绘制柱形图 plt.show() #显示
需求:用Scipy的Scipy。统计中的统计函数分析随机数
数据提供了产生连续性分布的函数
均匀分布(制服)
,,,,,,,,,,,,,,,x=stats.uniform。旅游房车(大?20)生成20个[0,1]均匀分布随机数
——正态分布(规范)
,,,,,,,,,,,,,,,x=stats.norm。旅游房车(大?20)生成20个正态分布随机数
——贝塔分布(β)
,,,,,,,,,,,,,,,x=stats.beta.rvs(大?20,a=3, b=4)生成20个服从参数=3,b=4贝塔分布随机数
——离散分布
——伯努利分布(伯努利)
——几何分布(几何学)
——泊松分布(泊松)
x=stats.poisson.rvs (0.6, loc=0,大?20)生成20个服从泊松分布随机数
stats.norm。适合:利用正态分布去拟合生成的数据,得到其均值和标准差
1。概念:
,,,,,,,,,,,,,,,偏度(偏态)描述的是概率分布的偏度(非对称)程度。
,,,,,,,,,,,,,,,有两个返回值,第二个为假定值,即数据集服从正态分布的概率(0 ~ 1)
2利用stats.skewtest()计算偏度