大学计算机基础及应用（Python篇）课件：数学建模.pptx

数学建模;?学习目标;1、数学建模的概念;16.1.2建模过程

（1）模型准备

了解问题的实际背景，明确其实际意义，掌握对象的各种信息。以数学思想来包容问题的精髓，数学思路贯穿问题的全过程，进而用数学语言来描述问题。要求符合数学理论，符合数学习惯，清晰准确。

（2）模型假设

根据实际对象的特征和建模的目的，对问题进行必要的简化，并用精确的语言提出一些恰当的假设。

（3）模型建立

在假设的基础上，利用适当的数学工具来刻划各变量常量之间的数学关系，建立相应的数学结构（尽量用简单的数学工具）。;（4）模型求解

利用获取的数据资料，对模型的所有参数做出计算（或近似计算）。

（5）模型分析

对所要建立模型的思路进行阐述，对所得的结果进行数学上的分析。

（6）模型检验

将模型分析结果与实际情形进行比较，以此来验证模型的准确性、合理性和适用性。如果模型与实际较吻合，则要对计算结果给出其实际含义，并进行解释。如果模型与实际吻合较差，则应该修改假设，再次重复建模过程。

（7）模型应用与推广

应用方式因问题的性质和建模的目的而异，而模型的推广就是在现有模型的基础上对模型有一个更加全面的考虑，建立更符合现实情况的模型。;16.2数学建模三剑客之Numpy16.2.1Numpy模块简介·NumPy(NumericalPython)是Python语言中做科学计算的基础库。重在于数值计算，也是大部分Python科学计算库的基础，多用于在大型、多维数组上执行的数值运算。16.2.2Numpy模块的安装1.使用已有的发行版本对于许多用户，尤其是在Windows上，最简单的方法是下载以下的Python发行版，它们包含了所有的关键包（包括NumPy，SciPy，matplotlib，IPython，SymPy以及Python核心自带的其它包）。

;Anaconda:;16.2.3Numpy模块使用

1.创建的方法

（1）Numpy一维数组的创建

importnumpyasnp

arr=np.array([1,2,3,4,5])

执行结果：

array([1,2,3,4,5])

（2）多维数组的创建

np.array([[1,2,3],[4,5,6]])

执行结果:

array([[1,2,3],

[4,5,6]]);2.Numpy模块对应的方法

（1）zeros()--------生成一个自定义的元素都为0的数组

np.zeros(shape=(3,3))

执行结果：

array([[0.,0.,0.],

[0.,0.,0.],

[0.,0.,0.]])

（2）nes()--------生成一个自定义的元素都为1的数组

np.ones(shape=(3,4)

执行结果：

array([[1.,1.,1.,1.],

[1.,1.,1.,1.],

[1.,1.,1.,1.]])

（3）linespace()----------生成多少个一维等差数列;3.常用的统计函数

（1）numpy.amin()和numpy.amax()，用于计算数组中的元素沿指定轴的最小、最大值。

（2）numpy.ptp():计算数组中元素最大值与最小值的差（最大值-最小值）。

（3）numpy.median()函数用于计算数组a中元素的中位数（中值）

（4）标准差std():标准差是一组数据平均值分散程度的一种度量。

（5）公式：std=sqrt(mean((x-x.mean())**2));16.3数学建模三剑客之Pandas

16.3.1Pandas简介

Pandas是基于NumPy的一种工具，该工具是为解决数据分析任务而创建的。Pandas纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。

16.3.2Pandas安装

使用命令行安装pipinstallpandas;16.3.3Pandas模块使用

1.创建的方法

（1）Series型数据结构创建

PandasSeries类似表格中的一个列（column），类似于一维数组，可以保存任何数据类型Series由索引（index）和列组成，函数如下：

pandas.Series(data,index,dtype,name,copy);（2）DataFrame型数据结构创建

DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值