abaqus基于已有模型仿真一、导入模型二、设置属性三、划分截面创建边界集合手动切分不规则部分四、划分网格手动设置不同属性相邻截面五、装配和分析步六、设置边界条件和载荷七、创建作业 本文基于abaqus6.12以软体手指模型为例,导入模型,设置材料属性,设置边界条件为根部固定,设置对称面,载荷为气腔内表面压力,目的是得出整体变形特点、分析端部节点位移,分析内部应力分布。 本文基于上一篇梁模型的仿
转载 2023-10-13 12:45:26
1199阅读
说明本篇简单讨论:假设获得了交易数据,如何构造数据,并使用建模方法评估交易信号的好坏。内容1 场景假设随着时间轴前进,我们会“看见”一些机会从信息的处理上,既有时间的,也有空间的,但是我们可以认为是这样一个顺序:1 选定了一个观察点。这个即是建模假设的时空点,所有数据的获取不可以越过这个点。(不可使用“未来”数据或“不可见”数据)2 先将时间维度的信息提取到观察点空间 ,时间特征“压扁”为空间特征
目录第一章  python使用入门1.1 Python核心工具库1. Numpy2. SciPy3. Matplotlib4. IPython5. SymPy6. Pandas1.2  Python基本数据类型第一章  python使用入门1.1 Python核心工具库1. Numpy(1)强大的多维数组对象(2)复杂的函数功能(3)集成c/c++和FORTRAN代码
一、导入数据1.直接赋值2.读取 Excel 文件3.代码示例import pandas as pd # 读取数据文件 def readDataFile(readPath): # readPath: 数据文件的地址和文件名 try: if (readPath[-4:] == ".csv"): dfFile = pd.read_csv(readPa
1.3Python中的复合数据类型(1)list列表的使用#list列表 a = ["张三","男",23,"江苏","硕士","已婚",["身高175","体重51"]] print(a[0]) print(a[-1]) print(a[-1][1]) print(a[-3:]) print(a[:3]) print(a[::2]) print(a[0:-1]) print(a[6])输出结果
CTR场景数据分析建模 问题汇总0-pandas及python操作ctr deepfmpd.DataFrame.valueskeras embedding层画数值图和分布图直接画数值图:画分布图画布设置plot组合pandas缺失值填补连续特征离散化 onehot ctr deepfmctr广告点击率场景下使用deepfm模型进行收藏和购买预测。 github 大神的轮子https://gith
最近在学习数学建模,发现大多数人都在用MATLAB,但MATLAB不是一门正统的计算机编程语言,而且速度慢还收费,最不能忍受的就是MATLAB编辑器不支持代码自动补全。于是就想到了可爱的Python,其中有非常著名的科学计算三剑客库:numpy,scipy和matplotlib,三者基本代替MATLAB的功能,完全能够应对数学建模任务。经过几天的折腾学习,总结出来了几个常用的应用例子,可以作为数学
转载 2023-06-06 21:52:47
235阅读
编程语言只是工具,核心在于你要做什么,很多python的高级方法和语言特性,前期可以全部不管。作为数据分析和建模,先用python实现基本的需求,更高级的用法慢慢掌握,万事开头难。一、掌握基本的数据结构和控制流程(1周即可)基本的数据结构:元组、列表、字典。基本的控制流程:if判断、for循环、while循环。剩下的事情就是把数据存在合适的数据结构中,然后使用控制流程操作数据。其实数据操作和sql
自动机器学习(通常简称为AutoML)是一个新兴的领域,在这个领域中,通过建立机器学习模型来对数据进行建模的过程是自动化的。AutoML能让建模变得更容易,也能让每个人更容易访问。如果你对AutoML感兴趣,下面这四个Python库是最好的选择!1.auto-sklearnauto-sklearn 是一个自动化的机器学习工具库,可与大家都非常熟悉的标准 sklearn 接口无缝集成。通过使用最近的
转载 2023-10-18 06:36:34
91阅读
前两篇我们已经介绍了python 协程的使用和yield from 的原理,这一篇,我们一个例子来揭示如何使用协程在单线程中管理并发活动。1 什么是离散事件仿真Wiki上的定义是:离散事件仿真将系统随时间的变化抽象成一系列的离散时间点上的事件,通过按照事件时间顺序处理事件来演进,是一种事件驱动的仿真世界观。离散事件仿真将系统的变化看做一个事件,因此系统任何的变化都只能是通过处理相应的事件来实现,
转载 2023-06-16 00:12:49
750阅读
Mathematic in Modeling with Python 之数据预处理标准化:数据的标准化(normalization)是将数据按比例缩放,使之落入一个小的特定区间。在某些比较和评价的指标处理中经常会用到,去除数据的单位限制,将其转化为无量纲的纯数值,便于不同单位或量级的指标能够进行比较和加权。标准化基于正态分布的假设,将数据变换为均值为0、标准差为1的标准正态分布。但即使数据不服从正
MTV里的M代表模型。 Django模型是Python代码形式表述的数据在数据库中的定义。对数据层来说它等同于 CREATE TABLE 语句,只不过执行的是Python代码而不是 SQL,而且还包含了比数据库字段定义更多的含义。Django模型在后台执行SQL代码并把结果Python的数据结构来描述。 Django也使用模型来呈现SQL无法处理的高级概念。from django.db im
Python地形建模 ## 1. 流程图 ```mermaid flowchart TD A[开始] --> B[导入必要的库文件] B --> C[读取地形数据] C --> D[处理地形数据] D --> E[创建地形模型] E --> F[保存地形模型] F --> G[结束] ``` ## 2. 简介 Python是一种功能强大而又
原创 2024-01-02 09:22:51
215阅读
想想如何让一个人拥有判断瓜好坏的能力呢?需要用一批瓜来练习,获取剖开前的特征(色泽、根蒂、敲声等),然后再剖开它看好坏。久而久之,这个人就能学会用剖开前瓜的特征来判断瓜的好坏了。朴素地想,用来练习的瓜越多,能够获得的经验也就越丰富,以后的判断也就会越准确。机器做数据挖掘是一样的道理,我们需要使用历史数据(用来练习的瓜)来建立模型,而建模过程也被称为训练或学习,这些历史数据称为训练数据集。训练好了
对于Python初学者来说,Python Project的结构和模块之间的调用方法难以理解和掌握。这里进行举例测试,在Python中自建模块,并由其他模块进行调用,来分析自建模块的使用方法以及出现的一些问题。1. 分析Python Project的文件层次结构这是一个Python Project,其结构如下图所示:其中每个Python文件被称为一个模块。为了便于管理和使用,可以将同种类型的多个Py
转载 2023-10-12 11:14:05
128阅读
  初闻设计模式这个词汇,对于我来说其实是一头雾水的,看了一些相关书籍还是觉得有些云里雾里的,于是就想写几篇关于基本设计模式的博客,我会从 1.类别,2.定义,3.应用场景,4.代码实现,5.优缺点,这五个方面给自己理清一下思路,如有不对之处,还望多多指正。  设计模式类别分为三大类:    一、创建型:提供实例化的方法,为适合的状况提供相应的对象创建方法。    二、结构型:通常用来处理实体之间
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
【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
作者:xiaoyu\上一篇和大家分享了一个入门数据分析的一个小项目 北京二手房房价分析,链接如下:数据分析实战—北京二手房房价分析本篇将继续上一篇数据分析之后进行数据挖掘建模预测,这两部分构成了一个简单的完整项目。结合两篇文章通过数据分析和挖掘的方法可以达到二手房屋价格预测的效果。下面从特征工程开始讲述。 特征工程特征工程包括的内容很多,有特征清洗,预处理,监控等,而预处理根据
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
  • 1
  • 2
  • 3
  • 4
  • 5