科学计算

NumPy NumPy最强大的是n维数组，该库还包含基本的线性代数函数、傅立叶变换、随机函数和其他底层语言（如Fortran、C和C++）集成的工具。 SciPy SciPy建立在NumPy基础上，它是离散傅立叶变换、线性代数、优化和稀疏矩阵等多种高级科学和工程模块最有用的库之一。 Matplotlib Matplotlib主要用于绘制各种各样的图形，从直方图到线图、热力图，还可以使用Latex命令在图像中添加数学符号。 Pandas Pandas主要用于结构化数据的运算和操作，广泛用于数据整理和预处理，其有助于提高Python在数据科学社区的使用。 Scikit Scikit主要用于机器学习，该库建立在NumPy、SciPy和matplotlib基础上，包含许多有效的机器学习和统计建模工具，如分类、回归、聚类和降维。 Statsmodels Statsmodels用于统计建模。Statsmodels是一个Python中提供用户探索数据、估计统计模型和执行统计测试的模组。可用于不同类型数据的描述性统计，统计测试，绘图功能和结果统计。 Seaborn Seaborn用于数据可视化。Seaborn是一个用于在Python中制作有吸引力和翔实的统计图形库。它是基于matplotlib。Seaborn旨在使可视化成为探索和理解数据的核心组成。 Bokeh

一.通用函数:快速的元素级数组函数 通用函数(ufunc)是一种对ndarray中的数据执行元素级运算的函数。我们可以将其看作简单函数（接受一个或多个标量，并产生一个或多个标量）的矢量化包装器。 许多通用函数都是简单的元素级变体， 如sqrt和exp: import numpy as np arr=np.arange(10) print(np.sqrt(arr)) ======================================== [0. 1. 1.41421356 1.73205081 2. 2.23606798 2.44948974 2.64575131 2.82842712 3. ] ======================================== print(np.exp(arr)) ======================================== [1.00000000e+00 2.71828183e+00 7.38905610e+00 2.00855369e+01 5.45981500e+01 1.48413159e+02 4.03428793e+02 1.09663316e+03 2.98095799e+03 8.10308393e+03] ========================================

目录： 下载链接： https://www.yinxiangit.com/616.html 第一单元TVTK入门-1.mp4 第一单元TVTK入门-2.mp4 第一单元TVTK入门-3.mp4 第一单元TVTK入门-4.mp4 第七单元Mayavi可视化实例-1.mp4 第七单元Mayavi可视化实例-2.mp4 第七单元Mayavi可视化实例-3.mp4 第三单元TVTK库可视化实例-1.mp4 第三单元TVTK库可视化实例-2.mp4 第三单元TVTK库可视化实例-3.mp4 第九单元Traits基础-1.mp4 第九单元Traits基础-2.mp4 第九单元Traits基础-3.mp4 第九单元Traits基础-4.mp4 第九单元Traits基础-5.mp4 第二单元TVTK管线与数据加载-1.mp4 第二单元TVTK管线与数据加载-2.mp4 第二单元TVTK管线与数据加载-3.mp4 第二单元TVTK管线与数据加载-4.mp4 第五单元Mayavi入门-1.mp45 第五单元Mayavi入门-2.mp4 第五单元Mayavi入门-3.mp4 第六单元Mlab基础-1.mp4 第六单元Mlab基础-3.mp46 第六单元Mlab基础-4.mp4 第六单元Mlab基础-5.mp43 第六单元Mlab基础-6.mp4 第六单元Mlab基础-7.mp4

Numpy基础数据结构 NumPy数组是一个多维数组对象，称为ndarray。其由两部分组成： 实际的数据 描述这些数据的元数 # 多维数组ndarray import numpy as np ar = np.array([1,2,3,4,5,6,7]) print(ar) # 输出数组，注意数组的格式：中括号，元素之间没有逗号（和列表区分） print(ar.ndim) # 输出数组维度的个数（轴数），或者说“秩”，维度的数量也称rank print(ar.shape) # 数组的维度，对于n行m列的数组，shape为（n，m） print(ar.size) # 数组的元素总数，对于n行m列的数组，元素总数为n*m print(ar.dtype) # 数组中元素的类型，类似type()（注意了，type()是函数，.dtype是方法） print(ar.itemsize) # 数组中每个元素的字节大小，int32l类型字节为4，float64的字节为8 print(ar.data) # 包含实际数组元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性。 ar # 交互方式下输出，会有array(数组) # 数组的基本属性 # ① 数组的维数称为秩（rank），一维数组的秩为1，二维数组的秩为2，以此类推 # ② 在NumPy中，每一个线性的数组称为是一个轴