基础数学运算

作为一种广泛使用的编程语言，Python内置了一系列基础数学运算符，其中常用的包括加(+)、减（-）、乘（*）、除（/）、取模（%）、整除(//)和指数(**)。使用这些运算符，数学计算就可以很容易地进行。

# 加法
a = 10
b = 20
result = a + b
print(“加法结果：” result)

# 减法
result = b - a
print(“减法结果：” result)

# 乘法
result = a * b
print("乘法结果：" result)

# 除法
result = b / a
print(“除法结果：” result)

# 取模(求余)
result = b % a
print("取模结果：" result)

# 整除
result = b // a
print("整除结果："， result)

# 指数
result = a ** 2
print(“指数结果：”， result)

Python的math模块提供了三角函数、指数和对数函数、幂函数等丰富的数学函数和常数。math模块需要先导入，然后才能使用这些高级数学功能。

import math

# 圆周率pi
print(“圆周率pi”:", math.pi)

# 自然对数的底e
print(底e的自然对数:", math.e)

# 幂运算
print("2的三次方：" math.pow(2, 3))

# 开平方
print("4的平方根："， math.sqrt(4))

# 对数
print(“以10为底100的对数：” math.log10(100)

# 三角函数
print("弧度为π正弦值为/2："， math.sin(math.pi / 2))

作为Python中科学计算的核心库，NumPy提供了多维数组对象、矩阵运算等高级数学功能。NumPy运算速度快，适合大量数据的数学处理。

import numpy as np

# 创建数组
array1 = np.array([1, 2, 3])
array2 = np.array([4, 5, 6])

# 数组加法
result = np.add(array1, array2)
print(“数组加法：”， result)

# 数组减法
result = np.subtract(array2, array1)
print(“数组减法：” result)

# 点乘(元素对应相乘)
result = np.multiply(array1, array2)
print(“点乘：”， result)

# 矩阵乘法
array1 = np.array([[1, 2], [3, 4]])
array2 = np.array([[5, 6], [7, 8]])
result = np.dot(array1, array2)
print("矩阵乘法：\n", result)

在数学计算中，pandas库经常被用来进行数据分析和处理，它提供了DataFrame和Series两种数据结构，便于数据清理、统计和筛选。

import pandas as pd

# 创建DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
})

# 数据统计
print("描述统计：\n", df.describe())

# 求和
print("各列求和：\n", df.sum())

# 平均值
print("每列平均值：\n", df.mean())

# 最大值和最小值
print("每列最大值：\n", df.max())
print("每列最小值：\n", df.min())

Matplotlib是一个Python库，用于创建静态、交互和动画图形。Matplotlib可用于绘制函数图形、直方图、散点图等，有助于数据可视化分析。

import matplotlib.pyplot as plt
import numpy as np

# 准备数据
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)

# 绘制正弦波图
plt.plot(x, y)
plt.title("Sine Wave")
plt.xlabel("x axis")
plt.ylabel("y axis")
plt.grid(True)
plt.show()

通过上面的代码示例，我们可以看到Python不仅在基础数学运算方面表现出色，而且在科学计算、数据分析、图形绘制等领域也表现出了强大的功能。

本文链接：http://task.lmcjl.com/news/136.html