yina完成DL102入学任务啦

[yiiina]

code

借鉴早交作业同学的作业，总结各位的思路大概有3种：
①Python内置正则表达式模块re完成；
②中文文本处理包zhon.hanzi的符号处理puntuation,最后用Counter的most_common完成统计
③其他库，如nltk，operator

感觉Re强大但是复杂，驾驭比较困难；对我来说逻辑和使用比较清楚的是第二种,在此基础上，完成基础任务

[yiiina]

进阶任务 task1

笔记：
使用的库：sympy
符号计算的pyton库，目标是成为全功能的计算机代数系统。

Symbol()在sympy中，所有的变量都要经过声明才能使用。

from sympy import Symbol
x = Symbol('x')

from sympy import *把sympy中所有的东西都加载进来

diff(func,var)计算微积分（differentiation）

进阶任务 task2

笔记：
用到的库：numpy

• 科学计算的基础包。
• 运行速度快。
• 使用python学习数据科学，机器学习，数据分析的必备工具。
• 主要用于数组计算，使用向量和矩阵：
• 向量：同时具有大小和方向的量。
• 矩阵：和向量很想，是由行和列组成，想一个网格。

核心：数组（arrays）
数组（array）和列表（list）

• array里每个元素是同一个类型
• array可以操作大量的数据，比list高效
• array元素可以像list一样被访问，分割，操作
• array是多维的

多维数组：ndarray
2个组成部分：①数据本身，②描述数据的元数据
数据处理过程中，原始数据不受影响，变化的是元数据
二维数组：[[]]一个列表的列表

numpy 库中「向量化」(vectorization)的概念

• arrays可批量处理数据而不需要写任何for循环，这个叫做vectorization
• python对向量操作支持不好，需要借助列表推导式或者函数式变成实现,numpy本身提供大量函数都有向量化的特点，并且可以把普通的Python函数向量化，使得python操作向量更方便

完成任务的思路：
生成正太分布数组
s=np.random.normal(mu,sigma,100) #均值，标准差，样本量
ndarray中的boolean array indexing用向量化的方法完成任务

参考资料

NumPy入门详解
使用puthon进行科学计算：NumPy入门
SymPy:使用python帮你导烦人的数学公式
python+numpy实现函数向量化
numpy.random.normal