Серверный скрипт

Уроки Python

• Уроки Python
• Введение в Python
• Начало работы с Python
• Синтаксис Python
• Комментарии в Python
• Переменные Python
• Типы данных Python
• Таблица курсов
• Конвертация типов данных Python
• Строки Python
• Булево в Python
• Операторы Python
• Списки Python
• Тuples Python
• Множества Python
• Словари Python
• Числа Python
• Цикл While в Python
• Цикл For в Python
• Функции Python
• Lambda в Python
• Массивы Python
• If Else Python
• Инheritance в Python
• Итерации в Python
• Область видимости Python
• Модули Python
• Даты Python
• JSON в Python
• RegEx в Python
• PIP в Python
• Try ... Except в Python
• Классы/Объекты Python
• Форматирование строк Python

Ввод команд Python

• Открытие файла Python
• Чтение файла Python
• Обработка файлов
• Удаление файла Python

Запись/Создание файла Python

• Введение в NumPy
• Начало работы с NumPy
• Создание массивов NumPy
• Индексация массивов NumPy
• Резка массивов NumPy
• Типы данных NumPy
• Копии/представления массивов NumPy
• Форма массивов NumPy
• Перестройка массивов NumPy
• Итерация по массивам NumPy
• Соединение массивов NumPy
• Разделение массивов NumPy
• Поиск в массивах NumPy
• Сортировка массивов NumPy
• Фильтрация массивов NumPy
• Случайные значения NumPy
• Уфункции NumPy

Python NumPy

• Машинное обучение
• Введение
• Среднее медианное значение
• Стандартное отклонение
• Распределение данных
• Проценты
• Сгруппированные точки
• Нормальное распределение данных
• Линейная регрессия
• Полиномиальная регрессия
• Многофакторная регрессия
• Масштабирование
• Обучение/Тестирование

Дерево решений

• Python MySQL
• Введение в MySQL
• Создание базы данных MySQL
• Создание таблицы MySQL
• Insert MySQL
• Select MySQL
• Where MySQL
• Order By MySQL
• Delete MySQL
• Удаление таблицы MySQL
• Update MySQL
• Limit MySQL

Join MySQL

• Python MongoDB
• Введение в MongoDB
• Создание базы данных MongoDB
• Создание набора MongoDB
• Insert MongoDB
• Find MongoDB
• Запрос MongoDB
• Sort MongoDB
• Delete MongoDB
• Удаление набора MongoDB
• Update MongoDB

Референтное руководство Python

• Limit MongoDB
• Обзор справочника Python
• Внутренние функции Python
• Методы строк Python
• Методы списков Python
• Методы словарей Python
• Методы кортежей Python
• Методы集合ов Python
• Ключевые слова Python

Референсный справочник по модулям

• Модуль случайных чисел
• Модуль запросов

Python How To

• Удаление дублирующихся элементов списка
• Обратная строка

Пример Python

• Пример Python
• Тест Python

Дополнительные курсы

Рекомендации по курсам:

• CodeW3C.com Шкатулка

Нормальное распределение данных (Normal Data Distribution)

В предыдущей главе мы изучили, как создать полностью случайный массив заданного размера и между двумя заданными значениями.

В этой главе мы изучим, как создать массив, значения которого сосредоточены вокруг заданного значения.

В теории вероятности, после того как математик Карл Фридрих Гаусс (Carl Friedrich Gauss) предложил формулу этого распределения данных, это распределение данных назвали нормальным распределением данных или распределением Гаусса.

Пример

Типичные нормальные распределения данных:

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

Результат:

Запуск примера

Комментарий:Из-за криволинейной формы нормального распределения его также называют кривой Гаусса.

Интерпретация гистограммы

Мы используем numpy.random.normal() Метод создания массива (с 100000 значений) рисует гистограмму с 100 столбцами.

Мы указываем среднее значение 5.0 и стандартное отклонение 1.0.

Это означает, что эти значения должны сосредоточиться вокруг 5.0, и редко отклоняться от среднего на 1.0.

Из гистограммы можно увидеть, что большинство значений находится между 4.0 и 6.0, максимальное значение约为 5.0.

Инструментальный ящик

Референтное руководство Python

Пример Python

Тест Python

Ссылки спонсоров