例2.1 字符串操作示例
摘要：点击查看代码 str1 = "Hello World!" print(str1) #输出字符串 print(str1[0:-1]) #输出第一个到倒数第2个的所有字符 print(str1[-1]) #输出字符串的最后一个字符 print(str1[2:5]) #输出从第三个开始到第五个的字符 pr
阅读全文
posted @ 2024-09-09 22:22
合集-数学建模课 例题
例2.2 统计文本文件里字符串的字符a、c、g、t出现的频数
摘要：例2.2 统计文本文件里字符串的字符a、c、g、t出现的频数 import numpy as np a=[] with open('data2_2.txt')as f: for (i,s)in enumerate(f): a.append([s.count('a'),s.count('c'), s.
阅读全文
posted @ 2024-09-03 14:49
例2.3 列表操作示例
摘要：例2.3 列表操作示例 L=['abc',12,3.45,'Python',2.789] print(L) print(L[0]) L[0]='a' L[1:3]=['b','Hello'] print(L) L[2:4]=[] print(L) print("学号：3004")
阅读全文
posted @ 2024-09-06 12:01
例2.4 使用列表推导式实现嵌套列表的平铺
摘要：例2.4 使用列表推导式实现嵌套列表的平铺 a=[[1,2,3],[4,5,6],[7,8,9]] d=[c for b in a for c in b] print(d) print("学号：3004")
阅读全文
posted @ 2024-09-06 12:07
例2.5 在列表推导式中使用if过滤不符合条件的元素
摘要：例2.5 在列表推导式中使用if过滤不符合条件的元素 2.5.1 import os fn = [filename for filename in os.listfir('D:\Programs\Python\Python37') if filename.endswith(('.exe','.py'
阅读全文
posted @ 2024-09-06 12:23
例2.6 元组操作示例
摘要：例2.6 元组操作示例 T=（'abc',12,3.45,'Python',2.789） print(T) print(T[-1]) print(T[1:3]) print("学号：3004")
阅读全文
posted @ 2024-09-06 12:33
例2.7 集合操作示例
摘要：例2.7 集合操作示例 student = {'Tom','Jim','Mary','Tom','Jack','Rose'} print(student) a=set('abcdabc') print(a) print("学号：3004")
阅读全文
posted @ 2024-09-06 13:05
例2.8 字典操作实例
摘要：例2.8 字典操作实例 dict1={'Alice':'123','Beth':'456','Cecil':'abc'} print(dict1['Alice']) dict1['new']='Hello' dict1['Alice']='1234' dict2={'abc':123,456:78.
阅读全文
posted @ 2024-09-06 13:09
例2.9 字典的get（）方法使用示例
摘要：例2.9 字典的get（）方法使用示例 点击查看代码 Dict={'age':18,'score':[98,97],'name':'Zhang','sex':'male'} print(Dict['age']) #输出18 print(Dict.get('age')) #输出18 print(Dic
阅读全文
posted @ 2024-09-06 13:33
例2.10 字典元素的访问示例
摘要：例2.10 字典元素的访问示例 Dict={'age':18,'score':[98,97],'name':'Zhang','sex':'male'} for item in Dict: print(item) print(" ") for item in Dict.items(): print(i
阅读全文
posted @ 2024-09-06 13:38
例2.11 首先生成包含1000个随机字符的字符串，然后统计每个字符出现次数，注意get()方法的应用
摘要：例2.11 首先生成包含1000个随机字符的字符串，然后统计每个字符出现次数，注意get()方法的应用 2.11.1 import string import random x=string.ascii_letters+string.digits y=''.join([random.choice(x
阅读全文
posted @ 2024-09-06 14:20
例2.12 分别编写求n！和输出斐波那契数列的函数，并用两个函数进行测试
摘要：例2.12 分别编写求n！和输出斐波那契数列的函数，并用两个函数进行测试 2.12.1 def factorial(n): r=1 while n>1: r*=n n-=1 return r def fib(n): a,b=1,1 while a<n: print(a,end=" ") a,b=b,
阅读全文
posted @ 2024-09-06 14:37
例2.13 数据分组
摘要：例2.13 数据分组 def bifurcate_by(L,fn): return [[x for x in L if fn(x)], [x for x in L if not fn(x)]] s = bifurcate_by(['beep','boop','foo','bar'],lambda x
阅读全文
posted @ 2024-09-06 14:41
例2.14 用匿名函数，求3个数的乘积及列表元素的值
摘要：例2.14 用匿名函数，求3个数的乘积及列表元素的值 f=lambda x,y,z :x*y*z L=lambda x:[x**2,x**3,x**4] print(f(3,4,5));print(L(2)) print("学号：3004")
阅读全文
posted @ 2024-09-06 14:43
例2.15 加载模块示例
摘要：例2.15 加载模块示例 import math import random import numpy.random as nr a=math.gcd(12,21) b=random.randint(0,2) c=nr.randint(0,2,(4,3)) print(a);print(b);pri
阅读全文
posted @ 2024-09-06 14:48
例2.16 导入模块示例
摘要：例2.16 导入模块示例 from random import sample from numpy.random import randint a=sample(range(10),5) b=randint(0,10,5) print(a);print(b) print("学号：3004")
阅读全文
posted @ 2024-09-06 14:56
例2.17 导入模块示例
摘要：例2.17 导入模块示例 from math import * a=sin(3) #求正弦值 b=pi #常数π c=e #常数e d=radians(180) #把角度转换为弧度 print(a); print(b); print(c); print(d) print("学号：3004")
阅读全文
posted @ 2024-09-06 15:03
例2.18 调入自定义函数factorial（）和fib（），计算6！，输出300以内的斐波那契数列
摘要：点击查看代码 from ex2_12_2 import * print(factorial(6)) fib(300) print("学号：3004")
阅读全文
posted @ 2024-09-06 15:05
例2.19 sorted()使用示例
摘要：点击查看代码 import numpy.random as nr x1=list(range(9,21)) nr.shuffle(x1) #shuffle()用来随机打乱顺序 x2=sorted(x1) #按照从小到大排序 x3=sorted(x1,reverse=True) #按照从大到小排序 x
阅读全文
posted @ 2024-09-06 15:06
例2.20 enumerate（）函数使用示例
摘要：点击查看代码 x1="abcde" x2=list(enumerate(x1)) for ind,ch in enumerate(x1): print(ch) print("学号：2023310143004")
阅读全文
posted @ 2024-09-06 15:07
例2.21 map（）函数使用示例
摘要：点击查看代码 import random x=random.randint(1e5,1e8) #生成一个随机整数 y=list(map(int,str(x))) #提出每位上的数字 z=list(map(lambda x,y: x%2==1 and y%2==0, [1,3,2,4,1],[3,2,
阅读全文
posted @ 2024-09-06 15:09
例2.22 filter（）函数使用示例
摘要：点击查看代码 a = filter(lambda x: x>10,[1,11,2,45,7,6,13]) b = filter(lambda x: x.isalnum(),['abc', 'xy12', '***']) #isalnum()是测试是否为字母或数字的方法 print(list(a));
阅读全文
posted @ 2024-09-06 15:10
例2.23 过滤重复值
摘要：点击查看代码 def filter_non_unique(L): return [item for item in L if L.count(item) == 1] a=filter_non_unique([1, 2, 2, 3, 4, 4, 5]) print(a) print("学号：20233
阅读全文
posted @ 2024-09-06 15:11
例2.24 zip（）函数使用示例
摘要：点击查看代码 s1=[str(x)+str(y) for x,y in zip(['v']*4,range(1,5))] s2=list(zip('abcd',range(4))) print(s1); print(s2) print("学号：2023310143004")
阅读全文
posted @ 2024-09-06 15:13
例2.25 数组生成示例1
摘要：点击查看代码 import numpy as np a1 = np.array([1, 2, 3, 4]) #生成整型数组 a2 = a1.astype(float) a3 = np.array([1, 2, 3, 4], dtype=float) #浮点数 print(a1.dtype); pri
阅读全文
posted @ 2024-09-06 15:15
例2.26 数组生成示例2
摘要：点击查看代码 import numpy as np a = np.ones(4, dtype=int) #输出[1, 1, 1, 1] b = np.ones((4,), dtype=int) #同a c= np.ones((4,1)) #输出4行1列的数组 d = np.zeros(4) #输出[
阅读全文
posted @ 2024-09-06 15:17
例2.27 数组元素的索引示例
摘要：点击查看代码 import numpy as np a = np.arange(16).reshape(4,4) #生成4行4列的数组 b = a[1][2] #输出6 c = a[1, 2] #同b d = a[1:2, 2:3] #输出[[6]] x = np.array([0, 1, 2, 1
阅读全文
posted @ 2024-09-06 15:18
例2.28 矩阵合并示例
摘要：点击查看代码 import numpy as np a = np.arange(16).reshape(4,4) #生成4行4列的数组 b = np.floor(5*np.random.random((2, 4))) c = np.ceil(6*np.random.random((4, 2))) d
阅读全文
posted @ 2024-09-06 15:19
例2.29 矩阵分割示例
摘要：点击查看代码 import numpy as np a = np.arange(16).reshape(4,4) #生成4行4列的数组 b = np.vsplit(a, 2) #行分割 print('行分割：\n', b[0], '\n', b[1]) c = np.hsplit(a, 4) #列分
阅读全文
posted @ 2024-09-06 15:20
例2.30 矩阵元素求和示例
摘要：点击查看代码 import numpy as np a = np.array([[0, 3, 4], [1, 6, 4]]) b = a.sum() #使用方法，求矩阵所有元素的和 c1 = sum(a) #使用内置函数，求矩阵逐列元素的和 c2 = np.sum(a, axis=0) #使用函数，
阅读全文
posted @ 2024-09-06 15:21
例2.31 逐个元素运算示例
摘要：点击查看代码 import numpy as np a = np.array([[0, 3, 4], [1, 6, 4]]) b = np.array([[1, 2, 3], [2, 1, 4]]) c = a / b #两个矩阵对应元素相除 d = np.array([2, 3, 2]) e =
阅读全文
posted @ 2024-09-06 15:22
例2.32 矩阵乘法示例
摘要：点击查看代码 import numpy as np a = np.ones(4) b = np.arange(2, 10, 2) c = a @ b #a作为行向量,b作为列向量 d = np.arange(16).reshape(4,4) f = a @ d #a作为行向量 g = d @ a #
阅读全文
posted @ 2024-09-06 15:22
例2.33 求下列矩阵的各个行向量的2范数，各个列向量的2范数和矩阵的2范数
摘要：点击查看代码 import numpy as np a = np.array([[0, 3, 4], [1, 6, 4]]) b = np.linalg.norm(a, axis=1) #求行向量2范数 c = np.linalg.norm(a, axis=0) #求列向量2范数 d = np.li
阅读全文
posted @ 2024-09-06 15:24
例2.34 求解线性方程组
摘要：点击查看代码 import numpy as np a = np.array([[3, 1], [1, 2]]) b = np.array([9, 8]) x1 = np.linalg.inv(a) @ b #第一种解法 #上面语句中@表示矩阵乘法 x2 = np.linalg.solve(a, b
阅读全文
posted @ 2024-09-06 15:25
例2.35 求线性方程组
摘要：点击查看代码 import numpy as np a = np.array([[3, 1], [1, 2], [1, 1]]) b = np.array([9, 8, 6]) x = np.linalg.pinv(a) @ b print(np.round(x, 4)) print("学号：202
阅读全文
posted @ 2024-09-06 15:25
例2.36 求下列矩阵的特征值和特征向量
摘要：点击查看代码 import numpy as np a = np.eye(4) b = np.rot90(a) c, d = np.linalg.eig(b) print('特征值为：', c) print('特征向量为：\n', d) print("学号：2023310143004")
阅读全文
posted @ 2024-09-06 15:34
例2.37 生成服从标准正态分布的24*4随机数矩阵，并保存为DateFrame数据结构
摘要：点击查看代码 import pandas as pd import numpy as np dates=pd.date_range(start='20191101',end='20191124',freq='D') a1=pd.DataFrame(np.random.randn(24,4), ind
阅读全文
posted @ 2024-09-06 15:36
例 2.38 数据写入文件示例
摘要：2.38.1 点击查看代码 import pandas as pd import numpy as np dates=pd.date_range(start='20191101', end='20191124', freq='D') a1=pd.DataFrame(np.random.randn(2
阅读全文
posted @ 2024-09-06 15:39
例2.39 从文件中读入数据示例
摘要：点击查看代码 import pandas as pd a=pd.read_csv("data2_38_2.csv", usecols=range(1,5)) b=pd.read_excel("data2_38_3.xlsx", "Sheet2", usecols=range(1,5)) print(
阅读全文
posted @ 2024-09-06 15:40
例2.40 DataFrame数据的拆分、合并和分组计算示例
摘要：点击查看代码 import pandas as pd import numpy as np d=pd.DataFrame(np.random.randint(1,6,(10,4)), columns=list("ABCD")) d1=d[:4] #获取前4行数据 d2=d[4:] #获取第5行以后的
阅读全文
posted @ 2024-09-06 15:42
例2.41 DateFrame数据操作示例
摘要：点击查看代码 import pandas as pd import numpy as np a = pd.DataFrame(np.random.randint(1,6,(5,3)), index=['a', 'b', 'c', 'd', 'e'], columns=['one', 'two', '
阅读全文
posted @ 2024-09-06 15:42
例2.42 遍历文件data2_2.txt中的所有行，统计每一行中字符的个数
摘要：点击查看代码 with open('data2_2.txt') as fp: L1=[]; L2=[]; for line in fp: L1.append(len(line)) L2.append(len(line.strip())) #去掉换行符 data = [str(num)+'\t' fo
阅读全文
posted @ 2024-09-06 15:44
例2.43 随机产生一个数据矩阵，把它存入具有不同分隔符格式的文本文件中，再把数据从文本中提取出来
摘要：点击查看代码 import numpy as np a=np.random.rand(6,8) #生成6×8的[0,1)上均匀分布的随机数矩阵 np.savetxt("data2_43_1.txt", a) #存成以制表符分隔的文本文件 np.savetxt("data2_43_2.csv", a,
阅读全文
posted @ 2024-09-09 22:25
例2.44 求方阵
摘要：点击查看代码 from scipy.optimize import fsolve, root fx = lambda x: x**980-5.01*x**979+7.398*x**978\ -3.388*x**977-x**3+5.01*x**2-7.398*x+3.388 x1 = fsolve(
阅读全文
posted @ 2024-09-09 22:26
例2.45 求下列方程组的一组数值解
摘要：点击查看代码 from scipy.optimize import fsolve, root fx = lambda x: [x[0]**2+x[1]**2-1, x[0]-x[1]] s1 = fsolve(fx, [1, 1]) s2 = root(fx, [1, 1]) print(s1,'\
阅读全文
posted @ 2024-09-09 22:28
例2.46 分别计算a=2，b=1；a=2，b=10时，I（a，b）的值
摘要：点击查看代码 from scipy.integrate import quad def fun42(x, a, b): return a*x**2+b*x I1 = quad(fun42, 0, 1, args=(2, 1)) I2 = quad(fun42, 0, 1, args=(2, 10))
阅读全文
posted @ 2024-09-09 22:30
例2.47 已知四个观测站的位置坐标，每个观测站都检测到距未知信号的距离，试定位未知信号的位置坐标
摘要：点击查看代码 from scipy.optimize import least_squares import numpy as np a=np.loadtxt('data2_47.txt') x0=a[0]; y0=a[1]; d=a[2] fx=lambda x: np.sqrt((x0-x[0]
阅读全文
posted @ 2024-09-09 22:33
例2.48 求下列矩阵的最大特征值及其所对应的特征向量
摘要：点击查看代码 from scipy.sparse.linalg import eigs import numpy as np a = np.array([[1, 2, 3], [2, 1, 3], [3, 3, 6]], dtype=float) #必须加float,否则出错 b, c = np.l
阅读全文
posted @ 2024-09-09 22:35
例2.49 利用solve求谢列符号代数方程的解
摘要：点击查看代码 import sympy as sp a, b, c, x=sp.symbols('a,b,c,x') x0=sp.solve(a*x**2+b*x+c, x) print(x0) print("学号：2023310143004")
阅读全文
posted @ 2024-09-09 22:36
例2.50 求方程组的符号解
摘要：2.50.1 点击查看代码 import sympy as sp sp.var('x1,x2') s=sp.solve([x1**2+x2**2-1,x1-x2],[x1,x2]) print(s) print("学号：2023310143004") 2.50.2 点击查看代码 import sym
阅读全文
posted @ 2024-09-09 22:37
例2.51 求下列矩阵的特征值呵特征向量的符号解
摘要：点击查看代码 import numpy as np import sympy as sp a = np.identity(4) #单位矩阵的另一种写法 b = np.rot90(a) c = sp.Matrix(b) print('特征值为：', c.eigenvals()) print('特征向量
阅读全文
posted @ 2024-09-09 22:38
例2.52 已知某店铺商品的销售量，画出商品销售趋势图
摘要：点击查看代码 import pandas as pd import pylab as plt plt.rc('font',family='SimHei') #用来正常显示中文标签 plt.rc('font',size=16) #设置显示字体大小 a=pd.read_excel("data2_52.x
阅读全文
posted @ 2024-09-09 22:39
例2.53 画出销售数据的柱状图
摘要：点击查看代码 import pandas as pd import pylab as plt plt.rc('font',family='SimHei') #用来正常显示中文标签 plt.rc('font',size=16) #设置显示字体大小 a=pd.read_excel("data2_52.x
阅读全文
posted @ 2024-09-09 22:40
例2.54 分别绘制3个子图
摘要：点击查看代码 import pylab as plt import numpy as np plt.rc('text', usetex=True) #调用tex字库 y1=np.random.randint(2, 5, 6); y1=y1/sum(y1); plt.subplot(2, 2, 1);
阅读全文
posted @ 2024-09-09 22:41
例2.55 画出三维曲线的图形
摘要：点击查看代码 import pylab as plt import numpy as np ax=plt.axes(projection='3d') #设置三维图形模式 z=np.linspace(-50, 50, 1000) x=z**2*np.sin(z); y=z**2*np.cos(z) p
阅读全文
posted @ 2024-09-09 22:42
例2.56 画出三维表面图
摘要：点击查看代码 import pylab as plt import numpy as np x=np.linspace(-4,4,100); x,y=np.meshgrid(x,x) z=50*np.sin(x+y); ax=plt.axes(projection='3d') ax.plot_sur
阅读全文
posted @ 2024-09-09 22:42
例2.57 画出三维表面图
摘要：点击查看代码 import pylab as plt import numpy as np ax=plt.axes(projection='3d') X = np.arange(-6, 6, 0.25) Y = np.arange(-6, 6, 0.25) X, Y = np.meshgrid(X,
阅读全文
posted @ 2024-09-09 22:43
ex7_3
摘要：程序文件ex7_3.py import numpy as np import pylab as plt from scipy.interpolate import lagrange yx = lambda x: 1/(1+x**2) def fun(n): x = np.linspace(-5, 5
阅读全文
posted @ 2024-10-29 13:52
ex7_4 机床加工
摘要：程序文件ex7_4.py import numpy as np from scipy.interpolate import interp1d from scipy.interpolate import lagrange import pylab as plt a = np.loadtxt('data
阅读全文
posted @ 2024-10-29 14:07
ex8_3
摘要：程序文件ex8_3.py import sympy as sp sp.var('x'); y=sp.Function('y') eq=y(x).diff(x)+2y(x)-2x**2-2*x s=sp.dsolve(eq, ics={y(0):1}) s=sp.simplify(s); print(
阅读全文
posted @ 2024-11-12 14:29
ex8_4
摘要：程序文件ex8_4.py import sympy as sp sp.var('x'); y=sp.Function('y') eq=y(x).diff(x,2)-2*y(x).diff(x)+y(x)-sp.exp(x) con={y(0): 1, y(x).diff(x).subs(x,0):
阅读全文
posted @ 2024-11-12 14:30
ex8_5
摘要：程序文件ex8_5.py import sympy as sp sp.var('t'); y=sp.Function('y') u=sp.exp(-t)sp.cos(t) eq=y(t).diff(t,4)+10y(t).diff(t,3)+35y(t).diff(t,2)+ 50y(t).diff
阅读全文
posted @ 2024-11-12 14:31
ex8_6
摘要：程序文件ex8_6.py import sympy as sp sp.var('t') sp.var('x1:4', cls=sp.Function) #定义3个符号函数 x = sp.Matrix([x1(t), x2(t), x3(t)]) #列向量 A = sp.Matrix([[3,-1,1
阅读全文
posted @ 2024-11-12 14:31
ex8_7
摘要：程序文件ex8_7.py from scipy.integrate import odeint import numpy as np import pylab as plt import sympy as sp dy = lambda y, x: -2y+2x2+2x #自变量在后面 xx = np
阅读全文
posted @ 2024-11-12 14:32
ex8_8
摘要：程序文件ex8_8.py from scipy.integrate import odeint import numpy as np import pylab as plt yx = lambda y,x: [y[1], np.sqrt(1+y[1]**2)/5/(1-x)] x0 = np.ara
阅读全文
posted @ 2024-11-12 14:33
9.1
摘要：程序文件ex9_1.py from scipy.stats import expon, gamma import pylab as plt x = plt.linspace(0, 3, 100) L = [1/3, 1, 2] s1 = ['*-', '.-', 'o-'] s2 = ['\(\\t
阅读全文
posted @ 2024-11-26 14:27
9.2
摘要：import numpy as np # 导入 numpy 库 import matplotlib.pyplot as plt # 导入 matplotlib.pyplot 库 from scipy.stats import binom # 从 scipy.stats 导入 binom 模块 设置试
阅读全文
posted @ 2024-11-26 14:29
9.3
摘要：程序文件ex9_3.py from scipy.stats import norm from scipy.optimize import fsolve c1 = norm.ppf(0.25, 3, 2) #求0.25分位数 fc = lambda c: 1-norm.cdf(c, 3, 2)-3*n
阅读全文
posted @ 2024-11-26 14:30
9.4
摘要：程序文件ex9_4.py from scipy.stats import expon print(expon.stats(scale=3, moments='mvsk')) print("学号后两位：04")
阅读全文
posted @ 2024-11-26 14:31
9 正态分布图
摘要：import numpy as np import matplotlib.pyplot as plt from scipy.stats import norm plt.rcParams['text.usetex'] = False mu, sigma = 0, 1 x = np.linspace(m
阅读全文
posted @ 2024-11-26 14:32
9.4 为分析4种化肥和3个小麦品种对小麦产量的影响，把一块试验田等分成36小块，对种子和化肥的每一种组合种植3小块田，产量如表所示，（表格为同一文件夹中的excel文件，列为品种A1,A2,A3，共3行，行为化肥B1,B2,B3,B4，共4列，每个里面有三个数值）问品种、化肥及二者的相互作用对小麦产量有无显著影响
摘要：import pandas as pd import statsmodels.api as sm from statsmodels.formula.api import ols from statsmodels.stats.anova import anova_lm file_path = '9.4
阅读全文
posted @ 2024-12-08 23:07
10.1 合金的强度y与其中的碳含量x有比较密切的关系
摘要：import numpy as np import statsmodels.api as sm import pylab as plt def check(d): x0 = d[0]; y0 = d[1]; d ={'x':x0, 'y':y0} re = sm.formula.ols('y~x',
阅读全文
posted @ 2024-12-10 13:47
10.2 某企业为研究车工的平均工龄x1、平均文化程序x2和平均产量y之间的变量关系
摘要：import numpy as np import statsmodels.api as sm import pylab as plt a = np.loadtxt('data10_2.txt') plt.rc('text', usetex=True); plt.rc('font', size=16
阅读全文
posted @ 2024-12-10 13:53
10.3 将17至29岁的运动员每两岁一组分成7组，每组两人测量其旋转定向的能力
摘要：import numpy as np import statsmodels.formula.api as smf import pylab as plt x = np.arange(17, 30, 2); a = np.loadtxt('data10_3.txt') plt.rc('text', u
阅读全文
posted @ 2024-12-10 13:57
浙公网安备 33010602011771号