python计算指数

Ⅰ python里怎么计算信息增益，信息增益比，基尼指数

1、首先自定义一份数据，分别计算信息熵，条件信息熵，从而计算信息增益。

Ⅱ python怎么表示指数

其中有两个非常漂亮的指数函数图就是用python的matplotlib画出来的。这一期，我们将要介绍如何利用python绘制出如下指数函数。

图 1 a>1图 1 a>1

我们知道当0 ，指数函数 是单调递减的，当a>1 时，指数函数是单调递增的。所以我们首先要定义出指数函数，将a值做不同初始化

import math
...
def exponential_func(x, a): #定义指数函数
y=math.pow(a, x)
return y

然后，利用numpy构造出自变量，利用上面定义的指数函数来计算出因变量

X=np.linspace(-4, 4, 40) #构造自变量组
Y=[exponential_func(x) for x in X] #求函数值

有了自变量和因变量的一些散点，那么就可以模拟我们平时画函数操作——描点绘图，利用下面代码就可以实现

import math
import numpy as np
import matplotlib.pyplot as plt
import mpl_toolkits.axisartist as axisartist #导入坐标轴加工模块
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False

fig=plt.figure(figsize=(6,4)) #新建画布
ax=axisartist.Subplot(fig,111) #使用axisartist.Subplot方法创建一个绘图区对象ax
fig.add_axes(ax) #将绘图区对象添加到画布中

def exponential_func(x, a=2): #定义指数函数
y=math.pow(a, x)
return y

X=np.linspace(-4, 4, 40) #构造自变量组
Y=[exponential_func(x) for x in X] #求函数值
ax.plot(X, Y) #绘制指数函数
plt.show()

图 2 a=2

图2虽简单，但麻雀虽小五脏俱全，指数函数该有都有，接下来是如何让其看起来像我们在作图纸上面画的那么美观，这里重点介绍axisartist 坐标轴加工类，在的时候我们已经用过了，这里就不再多说了。我们只需要在上面代码后面加上一些代码来将坐标轴好好打扮一番。

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

Ⅲ python中如何使用指数

exp()方法：

exp(x)方法返回x的指数，e^x。

如x=1，那么e的1次幂为2.7183…

语法：

注意：exp()是不能直接访问的，需要导入math模块，通过静态对象调用该方法。

实例：

运行结果：

python学习网，免费的在线学习python平台，欢迎关注！

Ⅳ 用python编写1-1000之内的指数代码求高手~~~~~~~~~

你说的是“质数”的意思吧。
我这个算法，1万以内的质数基本上是秒出，更大范围10万级别的就有点慢了，100万就要卡半天。不知道有没有更好的办法。

# 下面的函数检测一个数是不是质数
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

# 下面的函数用于制造一个包含质数的列表
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怎么实现计算趋势图的指数、线性、对数、多项式

推荐你去找一个pandas,scipy,pandas,matplotlib库来做，网上有书籍，《利用Python进行数据分析》，基本就是介绍这样内容的，pandas去做数据采集、清洗等都不错，然后利用上面的例子慢慢实现你上面的方法。

Ⅵ python中e的N次方怎么表示

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

Ⅶ 使用python实现ema（指数移动平均的计算）

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计算BMI值

废话不多说，改进版继续上程序哈：
def bmi():
name=input('Name:')
height=input('Height(m):')
weight=input('Weight(kg):')
BIM=float(float(weight)/(float(height)**2))
print('您的BIM指数为：',BIM)
if BIM <18.5:
print('你太轻了！')
elif BIM<=25:
print('标准体重哦哦！')
elif BIM<=32:
print('您有点微胖哦哦！')
else:
print('您太胖了，该减肥了')
bmi()
for i in range(10):
choose =input('您是否愿意继续计算BMI(y/n)：')
if choose=='y':
bmi()
else:
break

Ⅸ python如何将0.00321换为指数形式

可以利用format函数来转换

结果

3.2100乘以10的-3次方

Ⅹ Python 怎样写一个函数使得返回值服从指数分布

不是服从指数分别, 你可以随机出来十万个数值, 然后绘制一下统计直方图, 就能很明显的看到了.

可以直接用

exprnd=random.expovariate

或者非要自己实现的话, 好好去推倒一下公式, 能发现其实是

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