그렇습니다. Python 에코 시스템은 특히 IPython 인터페이스를 사용하여 일상적인 데이터 분석 작업을 수행 할 수있는 플랫폼으로 만듭니다 (단, 여기에서는 표준 인터페이스를 사용합니다). "다른 언어를 배우지 않아도됩니다" 논쟁은 IMHO라는 강력한 구문이며, 필자가이 부분에 파이썬을 사용하는 이유 중 하나이기도합니다.
>>> import numpy as np
>>> import scipy.optimize
는
>>> x = np.linspace(0, 10, 50)
>>> y = 3*x**2+5+2*np.sin(x)
"란, 표준 편차"
>>> y.mean()
106.3687338223809
>>> y.std()
91.395548605660522
"피팅 임의 가중 함수"
>>> def func(x, a, b, c):
... return a*x**2+b+c*np.sin(x)
...
>>> ynoisy = y + np.random.normal(0, 0.2, size=len(x))
>>> popt, pcov = scipy.optimize.curve_fit(func, x, ynoisy)
>>> popt
array([ 3.00015527, 4.99421236, 2.03380468])
"그래프"I 보통 단지 기본적인 계산이 필요 " 오차 막대와 맞는 f 기름 부음 "
xerr = 0.5
yerr = abs(np.random.normal(0.3, 10.0))
fitted_data = func(x, *popt)
# using the simplified, non-object-oriented interface here
# handy for quick plots
from pylab import *
errorbar(x, ynoisy, xerr=xerr, yerr=yerr, c="green", label="actual data")
plot(x, fitted_data, c="blue", label="fitted function")
xlim(0, 10)
ylim(0, 350)
legend()
xlabel("time since post")
ylabel("coolness of Python")
savefig("cool.png")
+1 : 좋은 대답. – tom10
그 상세한 답변을 주셔서 대단히 감사합니다! 꽤 빨리 시작해야합니다. 나는 단지 물어 보는 것을 잊어 버린 하나의 작은 것들을 가지고 있습니다 : 측정 및 오류 튜플을 정상적인 방법으로 처리하는 방법. (나는 그곳에 물었다. (http://stackoverflow.com/q/12351837/653152).) –