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 (\…

曲线拟合 导入基础包： import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt 多项式拟合 导入线多项式拟合工具： from numpy import polyfit, poly1d 产生数据： x = np.linspace(-5, 5, 100) y = 4 * x + 1.5 noise_y = …

概率统计方法 简介 Python 中常用的统计工具有 Numpy, Pandas, PyMC, StatsModels 等。 Scipy 中的子库 scipy.stats 中包含很多统计上的方法。 导入 numpy 和 matplotlib： %pylab inline Populating the interactive namespace from numpy and matplotlib h…

插值 import numpy as np import matplotlib.pyplot as plt %matplotlib inline 设置 Numpy 浮点数显示格式： np.set_printoptions(precision=2, suppress=True) 从文本中读入数据，数据来自 http://kinetics.nist.gov/janaf/html/C-067.txt ，…

SCIentific PYthon 简介 Ipython 提供了一个很好的解释器界面。 Matplotlib 提供了一个类似 Matlab 的画图工具。 Numpy 提供了 ndarray 对象，可以进行快速的向量化计算。 Scipy 是 Python 中进行科学计算的一个第三方库，以 Numpy 为基础。 Pandas 是处理时间序列数据的第三方库，提供一个类似 R 语言的环境。 StatsMo…