SJTU 课程学习笔记🐍Python 常用速查表
type
status
date
slug
summary
tags
category
icon
password
set、list 和 dict 常见用法📋 List（列表）常用方法添加元素删除元素查找和统计排序和反转复制📚 Dict（字典）常用方法获取值添加和更新删除视图对象复制和合并🔗 Set（集合）常用方法添加元素删除元素集合运算原地运算关系测试复制⚠️ 容易记混、搞错的点1. 返回值vs原地操作2. append vs extend3. remove vs pop vs del4. dict.get() vs dict[key]5. 集合运算的两种形式6. 字典视图对象的特性7. 集合的哈希要求8. 浅拷贝 vs 深拷贝random 和 math 库使用指南🎲 Random 库详解导入方式1. 基本随机数生成random() - 生成 [0.0, 1.0) 范围的随机浮点数uniform(a, b) - 生成指定范围的随机浮点数randint(a, b) - 生成指定范围的随机整数randrange(start, stop, step) - 更灵活的随机整数生成2. 序列操作choice(seq) - 从序列中随机选择一个元素choices(population, weights=None, k=1) - 有放回的随机选择sample(population, k) - 无放回的随机选择shuffle(x) - 原地随机打乱序列3. 随机分布gauss(mu, sigma) - 高斯（正态）分布normalvariate(mu, sigma) - 正态分布（另一种实现）expovariate(lambd) - 指数分布4. 种子设置seed(a=None) - 设置随机种子getstate() 和 setstate() - 保存和恢复状态🔢 Math 库详解导入方式1. 数学常数2. 基本数学运算幂运算和根运算取整函数绝对值和符号3. 对数函数4. 三角函数基本三角函数反三角函数双曲函数5. 特殊函数阶乘和组合伽马函数最大公约数6. 实用函数平方和和距离数值比较⚠️ 常见陷阱和注意事项Random 库注意事项Math 库注意事项NumPy 库完整使用指南📦 导入和基本概念🔧 数组创建1. np.array() - 从现有数据创建数组基本用法重要参数详解2. 特殊数组创建函数np.zeros() - 创建全零数组np.ones() - 创建全一数组np.full() - 创建指定值填充的数组np.empty() - 创建未初始化数组3. 范围数组创建np.arange() - 类似内置 range()np.linspace() - 等间距数组np.logspace() - 对数间距数组4. 随机数组创建np.random 模块5. 特殊矩阵创建单位矩阵和对角矩阵📊 数组属性基本属性类型转换🔍 数组索引和切片1. 基本索引2. 切片操作3. 高级索引布尔索引整数数组索引4. 修改数组元素🔄 数组变形1. reshape() - 改变数组形状2. flatten() 和 ravel() - 展平数组3. transpose() 和 .T - 转置4. squeeze() 和 expand_dims() - 维度操作🧮 数学运算1. 基本算术运算2. 比较运算3. 三角函数4. 指数和对数函数5. 舍入函数📈 统计函数1. 基本统计2. 极值和位置3. 排序相关4. 唯一值和集合操作🔗 数组拼接和分割1. 数组拼接np.concatenate() - 通用拼接函数专用拼接函数2. 数组分割np.split() - 通用分割函数专用分割函数📐 线性代数1. 矩阵运算2. 矩阵分解和特征值3. 求解线性方程组4. 矩阵性质5. 矩阵求逆🎯 广播机制广播规则广播示例和应用⚠️ 常见陷阱和注意事项1. 数组创建陷阱2. 数据类型陷阱3. 视图 vs 副本陷阱4. 维度和轴的混淆5. 布尔索引陷阱6. 浮点数比较陷阱7. 内存和性能陷阱8. 随机数种子陷阱
set、list 和 dict 常见用法
📋 List（列表）常用方法
添加元素
删除元素
查找和统计
排序和反转
复制
📚 Dict（字典）常用方法
获取值
添加和更新
删除
视图对象
复制和合并
🔗 Set（集合）常用方法
添加元素
删除元素
集合运算
原地运算
关系测试
复制
⚠️ 容易记混、搞错的点
1. 返回值vs原地操作
2. append vs extend
3. remove vs pop vs del
4. dict.get() vs dict[key]
5. 集合运算的两种形式
6. 字典视图对象的特性
7. 集合的哈希要求
8. 浅拷贝 vs 深拷贝
random 和 math 库使用指南
🎲 Random 库详解
random 库提供了生成随机数和进行随机操作的功能。导入方式
1. 基本随机数生成
random() - 生成 [0.0, 1.0) 范围的随机浮点数
uniform(a, b) - 生成指定范围的随机浮点数
randint(a, b) - 生成指定范围的随机整数
randrange(start, stop, step) - 更灵活的随机整数生成
2. 序列操作
choice(seq) - 从序列中随机选择一个元素
choices(population, weights=None, k=1) - 有放回的随机选择
sample(population, k) - 无放回的随机选择
shuffle(x) - 原地随机打乱序列
3. 随机分布
gauss(mu, sigma) - 高斯（正态）分布
normalvariate(mu, sigma) - 正态分布（另一种实现）
expovariate(lambd) - 指数分布
4. 种子设置
seed(a=None) - 设置随机种子
getstate() 和 setstate() - 保存和恢复状态
🔢 Math 库详解
math 库提供了数学函数和常数。导入方式
1. 数学常数
2. 基本数学运算
幂运算和根运算
取整函数
绝对值和符号
3. 对数函数
4. 三角函数
基本三角函数
反三角函数
双曲函数
5. 特殊函数
阶乘和组合
伽马函数
最大公约数
6. 实用函数
平方和和距离
数值比较
⚠️ 常见陷阱和注意事项
Random 库注意事项
- 种子的重要性
- randint vs randrange
- choice vs choices vs sample
Math 库注意事项
- 角度 vs 弧度
- 整数 vs 浮点
- 精度问题
- 定义域检查
这两个库是 Python 中非常重要的数学工具，掌握它们的用法对科学计算和数据处理都很有帮助！
NumPy 库完整使用指南
NumPy（Numerical Python）是 Python 科学计算的基础库，提供了高性能的多维数组对象和相关工具。
📦 导入和基本概念
🔧 数组创建
1. np.array() - 从现有数据创建数组
基本用法
重要参数详解
2. 特殊数组创建函数
np.zeros() - 创建全零数组
np.ones() - 创建全一数组
np.full() - 创建指定值填充的数组
np.empty() - 创建未初始化数组
3. 范围数组创建
np.arange() - 类似内置 range()
np.linspace() - 等间距数组
np.logspace() - 对数间距数组
4. 随机数组创建
np.random 模块
5. 特殊矩阵创建
单位矩阵和对角矩阵
📊 数组属性
基本属性
类型转换
🔍 数组索引和切片
1. 基本索引
2. 切片操作
3. 高级索引
布尔索引
整数数组索引
4. 修改数组元素
🔄 数组变形
1. reshape() - 改变数组形状
2. flatten() 和 ravel() - 展平数组
3. transpose() 和 .T - 转置
4. squeeze() 和 expand_dims() - 维度操作
🧮 数学运算
1. 基本算术运算
2. 比较运算
3. 三角函数
4. 指数和对数函数
5. 舍入函数
📈 统计函数
1. 基本统计
2. 极值和位置
3. 排序相关
4. 唯一值和集合操作
🔗 数组拼接和分割
1. 数组拼接
np.concatenate() - 通用拼接函数
专用拼接函数
2. 数组分割
np.split() - 通用分割函数
专用分割函数
📐 线性代数
1. 矩阵运算
2. 矩阵分解和特征值
3. 求解线性方程组
4. 矩阵性质
5. 矩阵求逆
🎯 广播机制
NumPy的广播（Broadcasting）是一个重要概念，允许不同形状的数组进行运算。
广播规则
广播示例和应用
⚠️ 常见陷阱和注意事项
1. 数组创建陷阱
2. 数据类型陷阱
3. 视图 vs 副本陷阱
4. 维度和轴的混淆
5. 布尔索引陷阱
6. 浮点数比较陷阱
7. 内存和性能陷阱
8. 随机数种子陷阱
NumPy是Python科学计算的基石，掌握这些核心概念和避免常见陷阱，能让你更高效地进行数据处理和科学计算！
上一篇
BUSS3620 人工智能导论 (副本)
下一篇
优化
Loading...
