正则表达式和 re 模块 正则表达式 正则表达式是用来匹配字符串或者子串的一种模式，匹配的字符串可以很具体，也可以很一般化。 Python 标准库提供了 re 模块。 import re re.match & re.search 在 re 模块中， re.match 和 re.search 是常用的两个方法： re.match(pattern, string[, flags]) re.se…

CSV 文件和 csv 模块 标准库中有自带的 csv (逗号分隔值) 模块处理 csv 格式的文件： import csv 读 csv 文件 假设我们有这样的一个文件： %%file data.csv "alpha 1", 100, -1.443 "beat 3", 12, -0.0934 "gamma 3a", 192, -0.662…

与操作系统进行交互：os 模块 os 模块提供了对系统文件进行操作的方法： import os 文件路径操作 os.remove(path) 或 os.unlink(path) ：删除指定路径的文件。路径可以是全名，也可以是当前工作目录下的路径。 os.removedirs：删除文件，并删除中间路径中的空文件夹 os.chdir(path)：将当前工作目录改变为指定的路径 os.getcwd()：…

sys 模块简介 import sys 命令行参数 sys.argv 显示传入的参数： %%writefile print_args.py import sys print sys.argv Writing print_args.py 运行这个程序： %run print_args.py 1 foo ['print_args.py', '1', 'foo'] 第一个参数 （sys.args[0]）…

稀疏矩阵的线性代数 对于稀疏矩阵来说，其线性代数操作可以使用 scipy.sparse.linalg 实现： import scipy.sparse.linalg 矩阵操作 scipy.sparse.linalg.inv 稀疏矩阵求逆 scipy.sparse.linalg.expm 求稀疏矩阵的指数函数 矩阵范数 scipy.sparse.linalg.norm 稀疏矩阵求范数 线性方程组求解 …

线性代数 numpy 和 scipy 中，负责进行线性代数部分计算的模块叫做 linalg。 import numpy as np import numpy.linalg import scipy as sp import scipy.linalg import matplotlib.pyplot as plt from scipy import linalg %matplotlib inline…

稀疏矩阵 Scipy 提供了稀疏矩阵的支持（scipy.sparse）。 稀疏矩阵主要使用 位置 + 值 的方法来存储矩阵的非零元素，根据存储和使用方式的不同，有如下几种类型的稀疏矩阵： 类型 描述 bsr_matrix(arg1[, shape, dtype, copy, blocksize]) Block Sparse Row matrix coo_matrix(arg1[, shape, d…

解微分方程 %pylab inline Populating the interactive namespace from numpy and matplotlib 积分求解 简单的例子 $$\frac{dy}{dt} = sin(t)$$ def dy_dt(y, t): return np.sin(t) 积分求解： from scipy.integrate import odeint t = …

积分 符号积分 积分与求导的关系： $$\frac{d}{dx} F(x) = f(x) \Rightarrow F(x) = \int f(x) dx$$ 符号运算可以用 sympy 模块完成。 先导入 init_printing 模块方便其显示： from sympy import init_printing init_printing() from sympy import symbols,…

最小化函数 minimize 函数 %pylab inline set_printoptions(precision=3, suppress=True) Populating the interactive namespace from numpy and matplotlib 已知斜抛运动的水平飞行距离公式： $d = 2 \frac{v_0^2}{g} \sin(\theta) \cos (\…