python計算指數

Ⅰ python里怎麼計算信息增益，信息增益比，基尼指數

1、首先自定義一份數據，分別計算信息熵，條件信息熵，從而計算信息增益。

Ⅱ python怎麼表示指數

其中有兩個非常漂亮的指數函數圖就是用python的matplotlib畫出來的。這一期，我們將要介紹如何利用python繪制出如下指數函數。

圖 1 a>1圖 1 a>1

我們知道當0 ，指數函數 是單調遞減的，當a>1 時，指數函數是單調遞增的。所以我們首先要定義出指數函數，將a值做不同初始化

import math
...
def exponential_func(x, a): #定義指數函數
y=math.pow(a, x)
return y

然後，利用numpy構造出自變數，利用上面定義的指數函數來計算出因變數

X=np.linspace(-4, 4, 40) #構造自變數組
Y=[exponential_func(x) for x in X] #求函數值

有了自變數和因變數的一些散點，那麼就可以模擬我們平時畫函數操作——描點繪圖，利用下面代碼就可以實現

import math
import numpy as np
import matplotlib.pyplot as plt
import mpl_toolkits.axisartist as axisartist #導入坐標軸加工模塊
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False

fig=plt.figure(figsize=(6,4)) #新建畫布
ax=axisartist.Subplot(fig,111) #使用axisartist.Subplot方法創建一個繪圖區對象ax
fig.add_axes(ax) #將繪圖區對象添加到畫布中

def exponential_func(x, a=2): #定義指數函數
y=math.pow(a, x)
return y

X=np.linspace(-4, 4, 40) #構造自變數組
Y=[exponential_func(x) for x in X] #求函數值
ax.plot(X, Y) #繪制指數函數
plt.show()

圖 2 a=2

圖2雖簡單，但麻雀雖小五臟俱全，指數函數該有都有，接下來是如何讓其看起來像我們在作圖紙上面畫的那麼美觀，這里重點介紹axisartist 坐標軸加工類，在的時候我們已經用過了，這里就不再多說了。我們只需要在上面代碼後面加上一些代碼來將坐標軸好好打扮一番。

圖 3 a>1 完整代碼# -*- coding: utf-8 -*-圖 3 a>1 完整代碼# -*- coding: utf-8 -*-"""Created on Sun Feb 16 10:19:23 2020project name:@author: 帥帥de三叔"""import mathimport numpy as npimport matplotlib.pyplot as pltimport mp

Ⅲ python中如何使用指數

exp()方法：

exp(x)方法返回x的指數，e^x。

如x=1，那麼e的1次冪為2.7183…

語法：

注意：exp()是不能直接訪問的，需要導入math模塊，通過靜態對象調用該方法。

實例：

運行結果：

python學習網，免費的在線學習python平台，歡迎關注！

Ⅳ 用python編寫1-1000之內的指數代碼求高手~~~~~~~~~

你說的是「質數」的意思吧。
我這個演算法，1萬以內的質數基本上是秒出，更大范圍10萬級別的就有點慢了，100萬就要卡半天。不知道有沒有更好的辦法。

# 下面的函數檢測一個數是不是質數
def is_prime_number(x):
'''check if x is a prime number.
x: (int >= 10)'''
limit = int(x**0.5)+1
for y in prime_number_list:
if y > limit:
break
if x%y == 0:
return False
return True

# 下面的函數用於製造一個包含質數的列表
prime_number_list = [2,3,5,7]
def prime_number (n):
'''This function print all prime number in range n
n: (int > 2)'''
# if n is larger than largest prime number in prime number list, then append new prime numbers in it.
if n > prime_number_list[-1]:
for x in range (10,n+1):
if is_prime_number(x):
prime_number_list.append(x)

n = 1000
prime_number(n)
print(prime_number_list)

>>>
[2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, 53, 59, 61, 67, 71, 73, 79, 83, 89, 97, 101, 103, 107, 109, 113, 127, 131, 137, 139, 149, 151, 157, 163, 167, 173, 179, 181, 191, 193, 197, 199, 211, 223, 227, 229, 233, 239, 241, 251, 257, 263, 269, 271, 277, 281, 283, 293, 307, 311, 313, 317, 331, 337, 347, 349, 353, 359, 367, 373, 379, 383, 389, 397, 401, 409, 419, 421, 431, 433, 439, 443, 449, 457, 461, 463, 467, 479, 487, 491, 499, 503, 509, 521, 523, 541, 547, 557, 563, 569, 571, 577, 587, 593, 599, 601, 607, 613, 617, 619, 631, 641, 643, 647, 653, 659, 661, 673, 677, 683, 691, 701, 709, 719, 727, 733, 739, 743, 751, 757, 761, 769, 773, 787, 797, 809, 811, 821, 823, 827, 829, 839, 853, 857, 859, 863, 877, 881, 883, 887, 907, 911, 919, 929, 937, 941, 947, 953, 967, 971, 977, 983, 991, 997]

Ⅳ python怎麼實現計算趨勢圖的指數、線性、對數、多項式

推薦你去找一個pandas,scipy,pandas,matplotlib庫來做，網上有書籍，《利用Python進行數據分析》，基本就是介紹這樣內容的，pandas去做數據採集、清洗等都不錯，然後利用上面的例子慢慢實現你上面的方法。

Ⅵ python中e的N次方怎麼表示

import mathmath.e**N或import numpy as npnp.e**N。

Ⅶ 使用python實現ema（指數移動平均的計算）

a=2/13
Prices=[0.0]#pricesofeveryday
EMAs=[0.0]#emsofeveryday
defema(N,Price):
Prices.append(Price)
ifN<=1:
EMAs.append(Price)
else:
EMAs.append((1-a)*EMAs[N-1]+a*Price)
ema(1,1)
ema(2,3)
print(EMAs[1])
print(EMAs[2])

Ⅷ Python計算BMI值

廢話不多說，改進版繼續上程序哈：
def bmi():
name=input('Name:')
height=input('Height(m):')
weight=input('Weight(kg):')
BIM=float(float(weight)/(float(height)**2))
print('您的BIM指數為：',BIM)
if BIM <18.5:
print('你太輕了！')
elif BIM<=25:
print('標准體重哦哦！')
elif BIM<=32:
print('您有點微胖哦哦！')
else:
print('您太胖了，該減肥了')
bmi()
for i in range(10):
choose =input('您是否願意繼續計算BMI(y/n)：')
if choose=='y':
bmi()
else:
break

Ⅸ python如何將0.00321換為指數形式

可以利用format函數來轉換

結果

3.2100乘以10的-3次方

Ⅹ Python 怎樣寫一個函數使得返回值服從指數分布

不是服從指數分別, 你可以隨機出來十萬個數值, 然後繪制一下統計直方圖, 就能很明顯的看到了.

可以直接用

exprnd=random.expovariate

或者非要自己實現的話, 好好去推倒一下公式, 能發現其實是

defexprnd(mu):
return-1./mu*math.log(1-random.random())