Python基础教程: math库常用函数(1),Python这些高端技术只有你还不知道

简介: Python基础教程: math库常用函数(1),Python这些高端技术只有你还不知道

8.expm1()返回math.e的x(其值为2.71828)次方的值减1

math.expm1(2)

6.38905609893065

9.fabs()返回x的绝对值

math.fabs(-0.03)

0.03

10.factorial()取x的阶乘的值

math.factorial(3)

6

11.floor()取小于等于x的最大的整数值,如果x是一个整数,则返回自身

math.floor(4.999)

4

12.fmod()得到x/y的余数,其值是一个浮点数

math.fmod(20,3)

2.0

13.frexp()返回一个元组(m,e),其计算方式为:x分别除0.5和1,得到一个值的范围,2e的值在这个范围内,e取符合要求的最大整数值,然后x/(2e),得到m的值。如果x等于0,则m和e的值都为0,m的绝对值的范围为(0.5,1)之间,不包括0.5和1

‘’’

Python学习交流,免费公开课,免费资料,

免费答疑,系统学习加QQ群:531509025

‘’’

math.frexp(75)

(0.5859375, 7)

14.对迭代器里的每个元素进行求和操作

math.fsum((1,2,3,4))

10.0

15.返回x和y的最大公约数

math.gcd(8,6)

2

16.得到(x2+y2),平方的值

math.hypot(3,4)

5.0

17.isfinite()如果x不是无穷大的数字,则返回True,否则返回False

math.isfinite(0.1)

True

18.isinf()如果x是正无穷大或负无穷大,则返回True,否则返回False

math.isinf(234)

False

19.isnan()如果x不是数字True,否则返回False

math.isnan(23)

False

20.ldexp()返回x*(2**i)的值

‘’’

Python学习交流,免费公开课,免费资料,

免费答疑,系统学习加QQ群:531509025

‘’’

math.ldexp(5,5)

160.0

21.log(x,a) 如果不指定a,则默认以e为基数,a参数给定时,将 x 以a为底的对数返回。

math.log(math.e)

1.0

math.log(32,2)

5.0

22.log10()返回x的以10为底的对数

math.log(10)

2.302585092994046


相关文章
|
12天前
|
XML 存储 数据库
Python中的xmltodict库
xmltodict是Python中用于处理XML数据的强大库,可将XML数据与Python字典相互转换,适用于Web服务、配置文件读取及数据转换等场景。通过`parse`和`unparse`函数,轻松实现XML与字典间的转换,支持复杂结构和属性处理,并能有效管理错误。此外,还提供了实战案例,展示如何从XML配置文件中读取数据库连接信息并使用。
Python中的xmltodict库
|
11天前
|
BI Python
SciPy 教程 之 Scipy 显著性检验 8
本教程介绍SciPy中显著性检验的应用,包括如何利用scipy.stats模块进行显著性检验,以判断样本与总体假设间的差异是否显著。通过示例代码展示了如何使用describe()函数获取数组的统计描述信息,如观测次数、最小最大值、均值、方差等。
21 1
|
12天前
|
Python
SciPy 教程 之 Scipy 显著性检验 6
显著性检验是统计学中用于判断样本与总体假设间是否存在显著差异的方法。SciPy的scipy.stats模块提供了执行显著性检验的工具,如T检验,用于比较两组数据的均值是否来自同一分布。通过ttest_ind()函数,可以获取两样本的t统计量和p值,进而判断差异是否显著。示例代码展示了如何使用该函数进行T检验并输出结果。
14 1
|
14天前
|
Python
SciPy 教程 之 Scipy 显著性检验 3
本教程介绍Scipy显著性检验,包括其基本概念、原理及应用。显著性检验用于判断样本与总体假设间的差异是否显著,是统计学中的重要工具。Scipy通过`scipy.stats`模块提供了相关功能,支持双边检验等方法。
23 1
|
16天前
|
机器学习/深度学习 Python
SciPy 教程 之 SciPy 插值 2
SciPy插值教程:介绍插值概念及其在数值分析中的应用,特别是在处理数据缺失时的插补和平滑数据集。SciPy的`scipy.interpolate`模块提供了强大的插值功能,如一维插值和样条插值。通过`UnivariateSpline()`函数,可以轻松实现单变量插值,示例代码展示了如何对非线性点进行插值计算。
20 3
|
17天前
|
机器学习/深度学习 数据处理 Python
SciPy 教程 之 SciPy 空间数据 7
本教程介绍了SciPy的空间数据处理功能,涵盖如何使用`scipy.spatial`模块进行点的位置判断、最近点计算等操作。还详细解释了距离矩阵的概念及其在生物信息学中的应用,以及汉明距离的定义和计算方法。示例代码展示了如何计算两个点之间的汉明距离。
25 1
|
13天前
|
Python
SciPy 教程 之 Scipy 显著性检验 5
显著性检验用于判断样本与总体假设间的差异是否由随机变异引起,或是假设与真实情况不符所致。SciPy通过scipy.stats模块提供显著性检验功能,P值用于衡量数据接近极端程度,与alpha值对比以决定统计显著性。
20 0
|
15天前
|
机器学习/深度学习 数据处理 Python
SciPy 教程 之 SciPy 插值 3
本教程介绍了SciPy中的插值方法,包括什么是插值及其在数据处理和机器学习中的应用。通过 `scipy.interpolate` 模块,特别是 `Rbf()` 函数,展示了如何实现径向基函数插值,以平滑数据集中的离散点。示例代码演示了如何使用 `Rbf()` 函数进行插值计算。
23 0
|
15天前
|
Python
SciPy 教程 之 Scipy 显著性检验 1
本教程介绍Scipy显著性检验,包括统计假设、零假设和备择假设等概念,以及如何使用scipy.stats模块进行显著性检验,以判断样本与总体假设间是否存在显著差异。
22 0
|
18天前
|
数据采集 数据可视化 数据挖掘
利用Python进行数据分析:Pandas库实战指南
利用Python进行数据分析:Pandas库实战指南