1. python 矩阵 sqrt什么意思
对矩阵操作sqrt的意思是对矩阵中的每个元素都开方,比如:
fromnumpyimport*
importnumpyasnp
A=np.matrix([[1,2,3],[4,5,6],[7,8,9]])
B=array([1,2,3])
print(A)
print(np.sqrt(A))
print(B)
print(np.sqrt(B))
运行结果如下:
我也是刚刚学Python,以前对MATLAB中的矩阵操作比较熟悉,发现命令内容基本差不多。希望采纳,谢谢
2. python如何求平方根
while True: a=float(input('请输入实数:'))
def power(x):
return x*x print(a,'^2=',power(a))
b=int(input('是否要继续计算,是,请输入1,否,请输入0: '))
if b==0: print('已退出计算器')
break
else:
continue
(2)pythonnumpysqrt扩展阅读:
使用Python完成,输入两个数,得到加减乘除余结果的功能,其中结果输出使用不同的格式。
1. 定义两个变量a,b,使用键盘输入的方式。python的2.x版本中键盘输入有两种方式可以实现:raw_input(),input(),在3.X版本中两者合并为一个,只支持input().
2. 输出结果:
(1) 输出string型的结果
[python] view plain print?
<codeclass="language-python">print("A+B=%s"%(a+b))#outputstring</code>
print("A+B = %s"%(a+b)) # output string
(2) 输出int型的结果:默认格式,占位符格式,填充占位符格式,靠左格式
[python] view plain print?
<codeclass="language-python">print("A-B=%d"%(a-b))#outputint
print("A-B=%4d"%(a-b))
print("A-B=%04d"%(a-b))
print("A-B=%-4d"%(a-b))</code>
print("A-B = %d"%(a-b)) # output intprint("A-B = %4d"%(a-b))print("A-B = %04d"%(a-b))print("A-B = %-4d"%(a-b))
结果:a=7,b=3
A-B = 4A-B = 4A-B = 0004A-B = 4
(3) 输出为浮点数类型:默认格式,限制小数位数格式,占位符及限制小数位数格式
print("A*B = %f"%(a*b)) # output floatprint("A/B = %.2f"%(a/b)) # output float of two decimal placesprint("A/B = %05.2f"%(a/b)) # output float of two decimal places
结果:a=7,b=3
A*B = 21.000000
A/B = 2.33
3. 全部实现,开发工具为pycharm
# calculatea = int(input("Please input number A:"))b = int(input("Please input number B:"))print("A+B = %s"%(a+b)) # output stringprint("A-B = %d"%(a-b)) # output intprint("A*B = %f"%(a*b)) # output floatprint("A/B = %.2f"%(a/b)) # output float of two decimal placesprint("A%B"+" = %06d"%(a%b)) # output int of 6 bit placeholder filled with 0print("A与B和是%s,差是%d,乘积是%02.2f,商是%-4.2f,余数是%03d"%(a+b,a-b,a*b,a/b,a%b))
3. 用Python怎么算Mean和standard deviation
可以用numpy模块实现:
importnumpy
defcal_mean_std(sum_list_in):
#type:缓明猜(list)->tuple
N=sum_list_in.__len__()
narray=numpy.array(sum_list_in)
sum=narray.sum()
mean=sum/N
narray_dev=narray-mean
扰型narray_dev=narray_dev*narray_dev
sum_dev=narray_dev.sum()
DEV=float(sum_dev)/float(N)
槐烂STDEV=numpy.math.sqrt(DEV)
print"mean:",mean,";DEV:",DEV,";STDEV:",STDEV
returnmean,DEV,STDEV
均值为mean,方差为DEV,标准差是STDEV
传入数据是一个list:sum_list_in
4. python 如何对ndarray 每个变量求平方根
5. python关于numpy基础问题
Python发展至今,已经有越来越多的人使用python进行科学技术,NumPY是python中的一款高性能科学计算和数据分析的基础包。
ndarray
ndarray(以下简称数组)是numpy的数组对象,需要注意的是,它是同构的,也就是说其中的所有元素必须是相同的类型。其中每个数组都有一个shape和dtype。
shape既是数组的形状,比如
复制代码
1 import numpy as np
2 from numpy.random import randn
3
4 arr = randn(12).reshape(3, 4)
5
6 arr
7
8 [[ 0.98655235 1.20830283 -0.72135183 0.40292924]
9 [-0.05059849 -0.02714873 -0.62775486 0.83222997]
10 [-0.84826071 -0.29484606 -0.76984902 0.09025059]]
11
12 arr.shape
13 (3, 4)
复制代码
其中(3, 4)即代表arr是3行4列的数组,其中dtype为float64
一下函数可以用来创建数组
array将输入数据转换为ndarray,类型可制定也可默认
asarray将输入转换为ndarray
arange类似内置range
ones、ones_like根据形状创建一个全1的数组、后者可以复制其他数组的形状
zeros、zeros_like类似上面,全0
empty、empty_like创建新数组、只分配空间
eye、identity创建对角线为1的对角矩阵
数组的转置和轴对称
转置是多维数组的基本运算之一。可以使用.T属性或者transpose()来实现。.T就是进行轴对换而transpose则可以接收参数进行更丰富的变换
复制代码
arr = np.arange(6).reshape((2,3))
print arr
[[0 1 2]
[3 4 5]]
print arr.T
[[0 3]
[1 4]
[2 5]]
arr = np.arange(24).reshape((2,3,4))
print arr
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
print arr.transpose((0,1,2))
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
复制代码
数组的运算
大小相等的数组之间做任何算术运算都会将运算应用到元素级别。
复制代码
1 arr = np.arange(9).reshape(3, 3)
2 print arr
3
4 [[0 1 2]
5 [3 4 5]
6 [6 7 8]]
7
8 print arr*arr
9
10 [[ 0 1 4]
11 [ 9 16 25]
12 [36 49 64]]
13
14 print arr+arr
15
16 [[ 0 2 4]
17 [ 6 8 10]
18 [12 14 16]]
19
20 print arr*4
21
22 [[ 0 4 8]
23 [12 16 20]
24 [24 28 32]]
复制代码
numpy的简单计算中,ufunc通用函数是对数组中的数据执行元素级运算的函数。
如:
复制代码
arr = np.arange(6).reshape((2,3))
print arr
[[0 1 2]
[3 4 5]]
print np.square(arr)
[[ 0 1 4]
[ 9 16 25]]
复制代码
类似的有:abs,fabs,sqrt,square,exp,log,sign,ceil,floor,rint,modf,isnan,isfinite,isinf,cos,cosh,sin,sinh,tan,tanh,
add,subtract,multiply,power,mod,equal,等等