1.4 函数1.Python中定义函数的语法#自定义函数的语法形式
def factorial(n):
r = 1
while n > 1:
r *= n
n -= 1
return r
print(factorial(5))运行结果： 120 这里使用了python中有关函数的定义，形式如上，python中的：是格式要求，如果缺少的话
转载
2023-10-03 08:40:13
187阅读
instance1：求解下列线性规划问题 s.t. 代码：from scipy import optimize
import numpy as np
c = np.array([2,3,-5])
A = np.array([[-2,5,-1],[1,3,1]])
B = np.array([-10,12])
#要与A对应，是二维矩阵
Aeq
转载
2023-06-06 21:38:56
161阅读
JetRail高铁乘客量预测——7种时间序列方法数据获取：获得2012-2014两年每小时乘客数量import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
df = pd.read_csv('C:\\Users\\Style\\Desktop\\jetrail.csv', nrows=11856)
df.head
转载
2023-06-29 15:34:36
143阅读
## Python仿真建模的流程
在这篇文章中，我将向你介绍如何使用Python进行仿真建模。仿真建模是一种通过计算机模拟现实世界中的系统来预测其行为的方法。它可以用于各种领域，如物理学、生物学、经济学等。
首先，让我们来看一下整个流程的概述，如下表所示：
| 步骤 | 描述 |
| ------------- | ------------- |
| 1. 确定问题 | 确定你想要建模的
原创
2023-09-14 22:14:52
287阅读
Topsis即优劣解距离法，数学建模中应用，这里大概写个代码，具体在使用的时候根据自己所需去优化import numpy as np
'''
第一步，
先写正向化函数，传入两个个参数，注意这里把矩阵定义成全局变量，所以不用再向函数中传入矩阵
第一个参数是所需要正向化的列数
第二个参数是哪种类型的正向化，1.极小性 2.中间型 3.区间型
注：如果是中间型的话会提示输入最佳值，区间型会输入两个，x_
转载
2023-09-07 15:33:23
41阅读
开始学习《数学建模算法与应用》，并补全之前缺失的各种数学知识。 （听说学习数学建模是最快的数学入门方式…… ） 以此为平台，记录一个小白的python科学计算+数学建模的学习历程，欢迎大家来喷。————我是分割线————首先，记录学习工具。python3+pycharm+各种常用的科学计算库（numpy, pandas, scipy, matplotlib等）从网上download了windows
转载
2023-06-06 21:51:58
183阅读
数据的属性数据对象➢ 数据集由数据对象组成。一个数据对象代表一个实体。 例如： ➢ 销售数据库: 顾客、 商品、销售 ➢ 医疗数据库: 患者、医生、诊断治疗 ➢ 选课数据库: 学生、教师、课程 ➢ 数据对象又称为样本、实例、数据点、对象或元组。 ➢ 数据对象用属性描述。数据表的行对应数据对象; 列对应属性属性➢ 属性(特征，变量)是一个数据字段，表示数据对象的一个特征。 例
转载
2023-08-16 21:02:22
174阅读
接着上回我们继续第三题
问题 3 对附件表单 3 中未知类别玻璃文物的化学成分进行分析，鉴别其所属类型，并对 分类结果的敏感性进行分析。
我们的分析：基于问题二的分类模型，计算出每个待测样本点与簇中心的平方欧式距离，与2中得到的变量与簇中心的理想距离范围进行比较，完成分类，通过给模型添加微小扰动，观察样本数据统计规律变化，给出敏感性分析。结果及分析： 该新模型对问题二的数
1.1 数学模型、数学建模与数学实验数学模型：为了一个特定目的，根据其内在规律，做出必要的简化模型，运用适当的数学工具，抽象简化出来一个由数字、字母或其他数学符号组成的数学结构。数学建模：用数学的方法建立数学模型，解决实际问题的过程。数学实验：一是利用计算机和软件对学习知识过程中的某些问题进行实验探究、发现规律；二是结合已掌握的数学知识，去探究、解决一些实际问题，从而熟悉建模、求解到数学分析的科学
本系列文章旨在介绍 SimPy 在工业仿真中的应用。在物流行业/工厂制造业/餐饮服务业存在大量急需优化的场景， 例如：如何最优化快递分拣人员的排班表以满足双十一突发的快递件量如何估算餐厅在用餐高峰的排队时长估算特定工序下，工厂生产所需要的物料成本/人力成本/时间成本这类场景无法通过常规算法求出最优解, 但是我们可以通过大量业务实践中总结出一些接近的次优解。实际生产中，随时调整厂房的生产线来试验最优
转载
2023-08-14 11:08:16
217阅读
前言数学建模就是根据实际问题来建立数学模型，对数学模型来进行求解，然后根据结果去解决实际问题。当需要从定量的角度分析和研究一个实际问题时，人们就要在深入调查研究、了解对象信息、作出简化假设、分析内在规律等工作的基础上，用数学的符号和语言作表述来建立数学模型。随着近年来python的兴起，数学建模的语言不仅限于c、c++和matlab，python由于本身自带的科学计算库以及一些图形可视化库，pyt
转载
2023-07-07 00:10:51
119阅读
Pandas读书笔记-数据分析①Serises1基本用法12基本用法2(对索引进行修改)3传入字典4判空isnull()5Series本身的属性-name②DataFrame部分1构建一个DataFrame2修改index和columns3列操作①增加新列②删除列③可以输入给DataFrame的数据4index对象index的方法和属性5reindex③1删除指定轴上的值2索引3loc方法和il
转载
2023-08-21 11:46:09
99阅读
文章目录（一）简单陈述本文章的内容（二）常用导入文件方式（三）线性规划3.1 线性规划的一般模型3.2 运用python各种库和模块求解线性方程3.2.1 Scipy线性规划模型3.2.2 pulp线性规划模型3.2.3 cvxopt.solvers 模块求解3.2.4 用cvxpy库求解 （一）简单陈述本文章的内容python建模会持续更新，用途是只作为个人笔记。我博客中的所有资料都可通过我提
转载
2023-09-13 23:53:21
138阅读
我是猿童学，本文是根据司守奎老师《数学建模算法与程序》的书本内容编写，使用其书中案例，书中的编程语言是MATLAB、Lingo，我将使用Python来解决问题。接下来的一个月我将学习使用Python来解决数学建模问题。将记录下学习中的笔记和部分案例。 1、线性规划1.1 线性规划的实例与定义例 1 某机床厂生
【链接：https://pan.baidu.com/s/1Oqa0lMAAlvEM5x3GJRlr6w 提取码：zjxs】对于数学建模而言，最开始很多小伙伴用到的是Lingo、SPSS和Matlab，但随着时间的推移，更多小伙伴选择了Matlab和Python,目前仅用Lingo做一些基础的规划工作。但由于Matlab禁止哈工大和哈工程两所高校使用，导致学校老师和学生均不能
转载
2023-08-24 17:31:14
178阅读
文章目录准备工作01 绘制双曲函数图像02 绘制伽马函数图像03 单个窗口绘制二次函数（k=1,2,...,6）04 根据不同K值绘制子图05 绘制二次曲面05-1 绘制单叶双曲面05-2 绘制椭圆双曲面06 题目无数据跳过07 求线性方程组的解方程组01 （求唯一解）方程组02 （求最小范数解）08 求非线性方程组的符号解和数值解数值解符号解09 已知f(x)和g(x)的表达式,求非线性方程组
转载
2023-08-07 01:06:00
172阅读
这学期选了数学建模课，因为上学期学了MATLAB，这学期尝试使用Python完成数学建模。Python的基本语法其实很简单python的强大在于他的各种包，难也难在各种包。要想熟练使用各种包中的各种函数还是有一定难度的，有时候不知道为什么就掉坑里了。 昨天用python写了如下几个问题：1. 建立M-文件: 已知函数 计算f (-1), f (0.5), f (1.5)，并作出
转载
2023-07-04 17:41:44
158阅读
数模学习目录SciPy 学习SciPy基本操作1-求解非线性方程（组）解题代码如下：运行x1、x2结果如下：解题代码如下：运行s2效果如下：2-积分3-最小二乘解4-最大模特征值及对应的特征向量运行结果如下：Numpy学习（续）1 Numpy 数学函数1-三角函数2-舍入函数2-1 numpy.around()2-2 numpy.floor()2-3 numpy.ceil()2 Numpy算术函数
转载
2023-08-12 20:31:39
438阅读
文章目录（一）简单陈述本文章的内容（二）线性规划例题（实战）2.1 实战题目2.2 符号规定和基本假设2.3 模型的分析2.4 模型的建立2.5 模型一的求解和分析2.5.1 （代码）求解模型一2.5.2 模型一（结果）分析2.6 模型二的求解和分析2.6.1 （代码）求解模型二2.6.2 模型二（结果）分析2.7 模型三的求解和分析2..1 （代码）求解模型三2.6.2 模型三（结果）分析2..
引言在尝试了包括MATLAB在内的常用数学建模工具后，我最终选择了python来进行数据的处理和可视化工作，这里面有几点原因：MATLAB能做的事python能做吗？能，虽然有些事不如MATLAB方便但是python的各种库的支持都相当完善，完全可以应对数学建模的需求。MATLAB的市场占有率高很大程度上是由于市场惯性，因为MATLAB是个相当古老的软件，所以老的数模资料和培训老师都喜欢采用，代代
转载
2023-06-10 20:24:49
230阅读
