howoo0808

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

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

摘要： （1） 4x1+2x2-x3=2 3x1-x2+2x3=10 11x1+3x2=8 （2） 2x+3y+z=4 x-2y+4z=-5 3x+8y-2z=13 4x-y+9z=-6 点击查看代码 import numpy as np # 定义系数矩阵A和常数项向量b A = np.array([[4, 阅读全文

摘要： 点击查看代码 import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D # 模拟高程数据（假设数据已经过某种方式插值或生成） # 这里我们创建一个简单的40x50网格，并填充随 阅读全文

摘要： 点击查看代码 import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D # 定义参数u和v u = np.linspace(-2, 2, 400) v = np.linspac 阅读全文

摘要： 点击查看代码 import numpy as np import matplotlib.pyplot as plt # 定义x的范围 x = np.linspace(-10, 10, 400) # 创建一个2行3列的子图布局 fig, axs = plt.subplots(2, 3, figsize 阅读全文

摘要： 点击查看代码 import numpy as np import matplotlib.pyplot as plt # 定义x的范围 x = np.linspace(-10, 10, 400) # 创建一个图形和坐标轴 plt.figure(figsize=(10, 6)) ax = plt.gca 阅读全文

摘要： 点击查看代码 import numpy as np import matplotlib.pyplot as plt from scipy.integrate import quad def fun(t, x): return np.exp(-t) * (t ** (x - 1)) x = np.li 阅读全文

摘要： 点击查看代码 import numpy as np import matplotlib.pyplot as plt # 定义 x 的范围 x = np.linspace(-5, 5, 400) # 计算三个函数的值 y_cosh = np.cosh(x) y_sinh = np.sinh(x) y_ 阅读全文

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

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

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

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

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

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

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

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

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

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

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