Πρόγραμμα Μαθημάτων

Εκπαιδευτικός Οδηγός Python

• Εκπαιδευτικός Οδηγός Python
• Εισαγωγή στο Python
• Εισαγωγή στο Python
• Γλώσσα Προγραμματισμού Python
• Σχόλια Python
• Μεταβλητές Python
• Τύποι Δεδομένων Python
• Αριθμοί Python
• Casting Python
• Σtrings Python
• Boolean Python
• Σύμβολα Υπολογισμού Python
• Λίστες Python
• Τuples Python
• Συλλογές Python
• Δictionnaires Python
• Python If Else
• While Λoop Python
• For Λoop Python
• Functions Python
• Lambda Python
• Arrays Python
• Κλάση/Οντότητα Python
• Εκμάθηση Python
• Εκμάθηση Python
• Scope Python
• Modules Python
• Dates Python
• JSON Python
• RegEx Python
• PIP Python
• Try Except Python
• Εισαγωγή Συνάρτησης Python
• Φόρματα Σtrings Python

Διαχείριση Αρχείων

• Άνοιγμα Αρχείων Python
• Ανάγνωση Αρχείων Python
• Εγγραφή/Δημιουργία Αρχείων Python
• Διαγραφή Αρχείων Python

Python NumPy

• Εισαγωγή στο NumPy
• Εισαγωγή στο NumPy
• Δημιουργία Αρχείων Αριθμητικών NumPy
• Ενδείξεις Αρχείων Αριθμητικών NumPy
• Περιορισμός Αρχείων Αριθμητικών NumPy
• Τύποι Δεδομένων NumPy
• Αντίγραφα/Προβολές Αρχείων Αριθμητικών NumPy
• Σχήμα Αρχείων Αριθμητικών NumPy
• Μετατροπή Σχήματος Αρχείων Αριθμητικών NumPy
• Εκκίνηση Αρχείων Αριθμητικών NumPy
• Σύνδεση Αρχείων Αριθμητικών NumPy
• Διαχωρισμός Αρχείων Αριθμητικών NumPy
• Αναζήτηση Αρχείων Αριθμητικών NumPy
• Συνηγορία Αρχείων Αριθμητικών NumPy
• Φιλτράρισμα Αρχείων Αριθμητικών NumPy
• Τυχαία Αρχεία Αριθμητικών NumPy
• Ufuncs Αρχείων Αριθμητικών NumPy

Μηχανική Εκμάθηση

• Εισαγωγή
• Μέση Μέση Απόκλιση
• Μέση Απόκλιση
• Ποσοστός
• Διανομή Δεδομένων
• Κανονική Διανομή Δεδομένων
• Διάγραμμα Σπινθαρισμού
• Ασυνέπεια Επιστροφή
• Πολυωνυμική Επιστροφή
• Πολυπαραγοντική Επιστροφή
• Εκτύπωση
• Εκπαίδευση/Δοκιμή
• Δέντρο Διαφωνίας

Python MySQL

• Εισαγωγή MySQL
• Δημιουργία Βάσης Δεδομένων MySQL
• Δημιουργία Τραπέζης MySQL
• Εισαγωγή MySQL
• Ανάκτηση MySQL
• MySQL Where
• Σειρά MySQL
• Διαγραφή MySQL
• Διαγραφή Τραπέζης MySQL
• MySQL Update
• MySQL Limit
• MySQL Join

Python MongoDB

• Εισαγωγή MongoDB
• Δημιουργία Βάσης Δεδομένων MongoDB
• Δημιουργία Συλλογής MongoDB
• Εισαγωγή MongoDB
• Αναζήτηση MongoDB
• Αίτημα MongoDB
• Σειρά MongoDB
• Διαγραφή MongoDB
• Διαγραφή Συλλογής MongoDB
• MongoDB Update
• MongoDB Limit

Python Εγχειρίδιο

• Επισκόπηση Αναφορών Python
• Εσωτερικές Μέθοδοι Python
• Μέθοδοι Κειμένου Python
• Μέθοδοι Λίστας Python
• Μέθοδοι Λεξικού Python
• Μέθοδοι Τετραπλέρωσης Python
• Μέθοδοι Συλλογής Python
• Μέθοδοι Αρχείων Python
• Κλειδιά Python

Εγχειρίδιο Μονάδων

• Μονάδα Ασυνέπειας
• Αίτημα Μονάδας

Python How To

• Διαγραφή Διπλότυπων Εντύπων Λίστας
• Αντιστροφή Κειμένου

Python Παράδειγμα

• Python Παράδειγμα
• Python Πρόβλημα

Επιλογή Μαθήματος

Πρόταση Μαθήματος:

• CodeW3C.com Θησαυροθήκη

Κανονική κατανομή δεδομένων (Normal Data Distribution)

Στο προηγούμενο κεφάλαιο, μάθαμε πώς να δημιουργήσουμε έναν πίνακα μεγέθους και να τον γεμίσουμε με δεδομένα που είναι πλήρως τυχαία μεταξύ δύο δεδομένων τιμών.

Σε αυτό το κεφάλαιο, θα μάθουμε πώς να δημιουργήσουμε έναν πίνακα που θα συγκεντρώνει τιμές γύρω από μια δεδομένη τιμή.

Στην πιθανολογία, μετά την πρόταση της συντακτικής φόρμας αυτής της κατανομής δεδομένων από τον μαθηματικό Καρλ Φρίντριχ Γάουσ (Carl Friedrich Gauss), αυτή η κατανομή δεδομένων ονομάστηκε κανονική κατανομή δεδομένων ή κατανομή Γάουσ.

Παράδειγμα

Τυπική κανονική κατανομή δεδομένων:

import numpy
import matplotlib.pyplot as plt
x = numpy.random.normal(5.0, 1.0, 100000)
plt.hist(x, 100)
plt.show()

Αποτελέσματα:

Εκτέλεση Παραδείγματος

Σημείωση:Επειδή η καμπύλη καμπύλη καμπύλη έχει τη μορφή κώμματος, γι 'αυτό ονομάζεται και καμπύλη κώμματος.

Επεξήγηση Ιστογράμματος

Χρησιμοποιούμε numpy.random.normal() Ο πίνακας που δημιουργήθηκε με μέθοδο (με 100000 τιμές) θα εμφανιστεί ως ιστογράμμα με 100 στήλες.

Ορίζουμε την μέση τιμή ως 5.0 και την τυπική απόκλιση ως 1.0.

Αυτό σημαίνει ότι αυτές οι τιμές θα πρέπει να συγκεντρωθούν γύρω από 5.0 και να είναι σπάνια αποκλίσεις από την μέση τιμή 1.0.

Από το ιστογράμμα μπορούμε να δούμε ότι οι περισσότερες τιμές βρίσκονται μεταξύ 4.0 και 6.0, με το υψηλότερο όριο περίπου 5.0.

Εργαλείο Κουτί

Python Εγχειρίδιο

Python Παράδειγμα

Python Πρόβλημα

Συνεργάτες Σύνδεσμοι