分類數(shù)據(jù)的表示方法？在數(shù)據(jù)的常見廣泛分布中，有一種是一對多存儲的數(shù)據(jù)，即一個是key，其他改key對應(yīng)的多個value。.例如氣象數(shù)據(jù)等，每天晚上有很多組，又的或是一個球員，他每天晚上得多少分等等。我

分類數(shù)據(jù)的表示方法？

在數(shù)據(jù)的常見廣泛分布中，有一種是一對多存儲的數(shù)據(jù)，即一個是key，其他改key對應(yīng)的多個value。.例如氣象數(shù)據(jù)等，每天晚上有很多組，又的或是一個球員，他每天晚上得多少分等等。我做這個東西有三種方法，即：常規(guī)編程法，數(shù)據(jù)庫查詢法以及pandas包需要提供的group方法。第一種方法我自己描寫的代碼都很冗雜，這里不做能介紹。示例數(shù)據(jù)如下，統(tǒng)計出來每天填寫的level的均值及方差等。

如何用Python科學(xué)計算中的矩陣替代循環(huán)？

建議最好不要使用numpy中的數(shù)組是一個整體的或切片操作，以盡量減少循環(huán)，特別是多厚循環(huán)，以作用效果地想提高科學(xué)計算的效率。

舉幾個簡單的例子如下：

假設(shè)不成立A是一個長度為n的numpy數(shù)組：

1.計算A中元素的和，使用()或者(A)，而最好不要使用循環(huán)數(shù)列求和。

2.可以確定A中是否需要有大于1的元素，建議使用(Arlm1).any()，不要停止循環(huán)并且判斷。

3.將A中大于11的元素收起盛有一個新的數(shù)組，可以使用A[Agt1]，最好不要循環(huán)確認(rèn)一個一個地接過元素。

4.木盒A中指標(biāo)為奇數(shù)的元素，在用A[1::2]，不要不使用循環(huán)。

5.將A中所有元素增大三四倍，建議使用A*2，不要停止循環(huán)遍歷樹每個元素乘2再變量定義。

6.......

Python中做科學(xué)計算最常用最基礎(chǔ)的工具是scikit-learn了，有必要好好的手中掌握。下面是Python做科學(xué)計算經(jīng)常會會都用到的一些模塊和軟件包：

numpy:Python中最常用的數(shù)值計算庫，提供了一個通用且功能強(qiáng)大的高維數(shù)組結(jié)構(gòu)及大量的科學(xué)計算函數(shù)（其中蠻一部分和scipy有交叉的十字），是Python中全都所有其他科學(xué)計算庫的基礎(chǔ)。

scipy:在numpy的基礎(chǔ)上能提供了科學(xué)計算中各種常見問題的解決工具，除開數(shù)學(xué)物理中的各種特殊能量函數(shù)，數(shù)值積分，優(yōu)化軟件，插值，傅立葉變換，線性代數(shù)，信號處理，圖像處理，隨機(jī)數(shù)和概率分布，統(tǒng)計學(xué)等等。

sympy:Python中的符號計算庫，支持符號可以計算、高精度計算、模式版本問題、繪圖、解方程、微積分、組合數(shù)學(xué)、離散數(shù)學(xué)、幾何學(xué)、概率與統(tǒng)計、物理學(xué)等方面的功能，能很大代替Mathematica和Matlab的符號計算功能。

Ipython:一個Python的可視化開發(fā)和計算環(huán)境，比Python光盤驅(qū)動的shell好用且功能強(qiáng)大得多，意見變量語法檢查，自動出現(xiàn)窩進(jìn)，支持bashshell命令，內(nèi)置藍(lán)牙了許多很沒有用的功能和函數(shù)。IPythonnotebook是可以將代碼、圖像、注釋、公式和作圖集于一體，已經(jīng)成為用Python做教學(xué)、可以計算、科研的一個最重要工具。

matplotlb:Python做科學(xué)計算最常用和最重要的畫圖和數(shù)據(jù)可視化工具包。

h5py:用Python你操作HDF5格式數(shù)據(jù)的工具。HDF5是一個應(yīng)用廣泛的科學(xué)數(shù)據(jù)存儲格式，具備一系列的優(yōu)秀的成績特性，如支持什么相當(dāng)多的數(shù)據(jù)類型，靈巧，通用，跨平臺，可擴(kuò)展，又高效的I/O性能，支持什么全都無限量（黑巖EB）的單文件存儲等。

pandas:Python中具體用法的數(shù)據(jù)分析包，合適時間序列及金融數(shù)據(jù)分析。

emcee:Python利用的馬爾可夫鏈蒙特卡洛（MCMC）庫。

pymc:其中一實現(xiàn)程序貝葉斯統(tǒng)計模型和馬爾科夫鏈蒙塔卡洛樣本采樣的工具。

近些年P(guān)ython在高性能計算領(lǐng)域的應(yīng)用也更加越來越廣泛，用Python做并行計算都是兩個還好的選擇，既簡單易用，又能在大部分事情媲美C、C和Fortran的執(zhí)行性能。用Python做并行計算的途徑有很多，假如建議使用標(biāo)準(zhǔn)庫中的[threading模塊]()參與線程級別的并行，[multiprocessing模塊]()參與進(jìn)程級別的并行，[concurrent.futures模塊]()實現(xiàn)方法異步左行，可以使用[模塊]()通過多種途徑的并行，不使用[mpi4py包]()并且MPI消息傳遞并行計算，等等。如果沒有這個可以在用C/C，F(xiàn)ortran的或使用cython為Python匯編語言擴(kuò)展模塊，還這個可以使用OpenMP左行。對GPU編程則可以不使用[pyCUDA]()。我的個人[簡書專題]()和[CSDN博客專欄]()中有對用Python做并行計算的專門能介紹并提供給了大量的程序?qū)嵗Ｓ行枰幕虮容^感興趣是可以所了解下。