Python 數值運算神器：15 個高效數學模塊與函數
作者：手把手PythonAI編程
Python不僅僅能寫爬蟲、建網站，它在數學運算上也是個隱藏的大師！讓我們一起探索那些讓數字舞蹈的15個高效模塊和函數，讓你的代碼計算能力瞬間爆表！
Python不僅僅能寫爬蟲、建網站，它在數學運算上也是個隱藏的大師！讓我們一起探索那些讓數字舞蹈的15個高效模塊和函數，讓你的代碼計算能力瞬間爆表！
1. 基本中的基本：math模塊
首先，咱們得從最基礎的說起——math模塊，就像數學課的小助手，啥都能幫點忙。
import math
# 計算圓周率
pi = math.pi
print(f"π的值是：{pi}")
# 開平方根
sqrt_16 = math.sqrt(16)
print(f"16的平方根是：{sqrt_16}")簡單吧？math.pi直接給你π的值，而math.sqrt()則是開方小能手。
2. 冪運算高手：pow()與運算符**
別忘了，Python自帶的運算符和pow()函數可以輕松處理冪運算。
base = 2
power = 3
result = base ** power
print(f"{base}的{power}次方是：{result}")
# 或者使用pow
result_pow = pow(base, power)
print(result == result_pow) # 當然，結果是一樣的！3. 超越數學：cmath模塊
說到數學，怎么能不提復數呢？cmath模塊是處理復數運算的專家。
import cmath
# 復數求模和幅角
complex_num = complex(3, 4) # 實部3，虛部4
modulus = cmath.polar(complex_num)[0]
angle = cmath.phase(complex_num)
print(f"復數的模是：{modulus}, 幅角是：{angle}弧度")4. 統計學家的好朋友：statistics模塊
當你面對一堆數據，想要快速了解它們的特性，statistics模塊就是你的最佳拍檔。
data = [10, 20, 30, 40, 50]
mean = statistics.mean(data)
median = statistics.median(data)
mode = statistics.mode(data)
print(f"平均值：{mean}, 中位數：{median}, 眾數：{mode}")5. 矩陣運算：numpy
提到數值計算，怎能不提numpy？它是科學計算的大佬！
import numpy as np
# 創建矩陣
matrix = np.array([[1, 2], [3, 4]])
transpose = np.transpose(matrix)
dot_product = np.dot(matrix, matrix) # 矩陣乘法
print("原矩陣:\n", matrix)
print("轉置后的矩陣:\n", transpose)
print("矩陣乘法的結果:\n", dot_product)矩陣運算，一氣呵成！
6. 隨機漫步：random模塊
想給生活加點料？random模塊幫你隨機生成各種數據。
import random
print("擲骰子結果:", random.randint(1, 6)) # 擲骰子
print("隨機浮點數:", random.uniform(0, 1)) # 0到1之間的隨機浮點數7. 符號計算：sympy
遇到復雜的代數方程？讓sympy來解救你！
from sympy import symbols, Eq, solve
x = symbols('x')
equation = Eq(x**2 + 5*x + 6, 0)
solutions = solve(equation, x)
print("方程的解是:", solutions)解方程就像吃蛋糕一樣簡單！
8. 科學計算的寶藏：scipy
科學研究者必備，從插值、擬合到積分，無所不能。
from scipy.integrate import quad
# 計算積分
def integrand(x):
return x**2
integral_result, error = quad(integrand, 0, 1) # 計算0到1區間內x^2的積分
print(f"積分結果: {integral_result}, 誤差: {error}")9. 可視化數據：matplotlib
數據可視化，讓結果一目了然。
import matplotlib.pyplot as plt
x_values = range(1, 6)
y_values = [i**2 for i in x_values]
plt.plot(x_values, y_values)
plt.title("平方數")
plt.xlabel("x值")
plt.ylabel("x的平方")
plt.show()畫圖，就這么簡單！
10. 更高級的統計分析：pandas
數據分析界的明星，處理數據集輕輕松松。
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35]}
df = pd.DataFrame(data)
print(df.describe()) # 快速統計描述實用技巧和模塊
11. 日期與時間的數學：datetime
雖然嚴格來說這不是數學運算，但在處理時間序列數據時，掌握datetime模塊是必不可少的。
from datetime import datetime, timedelta
# 獲取當前時間
now = datetime.now()
# 加上一天
tomorrow = now + timedelta(days=1)
print(f"明天的日期是：{tomorrow.strftime('%Y-%m-%d')}")
# 時間減法
yesterday = now - timedelta(days=1)
print(f"昨天的日期是：{yesterday.strftime('%Y-%m-%d')}")12. 高級數值計算：scikit-learn
雖然以機器學習著稱，但scikit-learn也包含了許多預處理數據時的數學操作，比如標準化、歸一化。
from sklearn.preprocessing import StandardScaler
data = [[1, 2], [2, 3], [3, 4]]
scaler = StandardScaler()
scaled_data = scaler.fit_transform(data)
print("標準化后的數據：", scaled_data)13. 圖形與幾何：shapely
對于地理空間數據處理，shapely是一個強大的工具，它提供了豐富的幾何對象操作功能。
from shapely.geometry import Point, LineString
# 創建點
pointA = Point(0, 0)
pointB = Point(1, 1)
# 創建線段
line = LineString([pointA, pointB])
# 計算距離
distance = pointA.distance(pointB)
print(f"點A到點B的距離是：{distance}")14. 圖形界面的數學展示：matplotlib widget
如果你喜歡交互式地展示數學概念，ipywidgets結合matplotlib可以讓你的Jupyter Notebook活躍起來。
from ipywidgets import interact
import matplotlib.pyplot as plt
@interact
def plot_square(n=(1, 10)):
plt.figure(figsize=(5, 5))
plt.plot(range(n), [i**2 for i in range(n)], 'ro-')
plt.title(f"Squares up to {n}")
plt.xlabel('Number')
plt.ylabel('Square')
plt.grid(True)
plt.show()這段代碼創建了一個交互式圖表，你可以調整范圍來查看數字的平方。
15. 最后的彩蛋：SymPy的符號魔法
我們再來點有趣的，用SymPy解決一個經典的數學問題——費馬小定理。
from sympy import symbols, Eq, mod_inverse
# 設定a, p為費馬小定理的參數
a, p = symbols('a p', integer=True)
assert p.is_prime # 確保p是質數
example_a = 3
example_p = 7
# 費馬小定理表達式
fermat_eq = Eq(a**(p-1) % p, 1)
# 驗證一個實例
print(f"{example_a}^{example_p-1} mod {example_p} = {example_a**(example_p-1) % example_p}")通過這些示例，你不僅能提升Python的數學運算技能，還能在解決問題時更加游刃有余。
責任編輯：趙寧寧
來源：
手把手PythonAI編程
