包含使用python计算函数的词条

python中eval的用法

python中eval函数用法如下：

1、计算字符串中有效的表达式，并返回结果。

2、将字符串转成相应的对象（如list、tuple、dict和string之间的转换）。

3、将利用反引号转换的字符串再反转回对象。

函数作用域：eval()函数并不会创建一个新的作用域，并且它的作用域就是它所在的作用域，有时候需要将eval()函数的作用域设置为全局，当然可以将eval()在全局作用域中使用，这个时候可以用window.eval()的方式实现。

参数情况：

（1）如果参数是一个表达式，eval() 函数将执行表达式。

（2）如果参数是Javascript语句，eval()将执行 Javascript 语句。

注意：如果执行结果是一个值就返回，不是就返回undefined，如果参数不是一个字符串，则直接返回该参数。

相关问答

Q1: len函数python用法

python中len()的用法：

新建一个len()函数的使用py，中文编码声明注释：#coding=gbk，函数：len()作用：返回字符串、列表、字典、元组等长度。语法：len(str)。参数：str：要计算的字符串、列表、字典、元组等。返回值：字符串、列表、字典、元组等元素的长度。

实例：

1、计算字符串的长度。

2、计算列表的元素个数。

3、计算字典的总长度，即键值对总数。

4、计算元组元素个数。

在Python中，要知道一个字符串有多少个字符，以获得字符串的长度，或者一个字符串需要多少字节，可以使用len函数。

Q2: python中set()函数的用法

python中set()函数的用法如下：

工具／原料：台式电脑、Win10、Python3.6.5。

1、首先按下“Win+R”组合键，打开运行窗口，如下图所示。

2、在打开文本框输入“cmd”，点击确定，如下图所示。

3、在打开的cmd窗口中，输入：“python”，点击Enter键，如下图所示。

4、在Python环境中，输入：“x = set(('hi', 'hello', 'world'))”，点击Enter键，如下图所示。

5、在Python环境中，输入：“print(x)”，如下图所示。

6、点击Enter键，即可使用Python内置的set()函数创建一个集合对象，并打印出来，如下图所示。

Q3: Python气象数据处理与绘图(2)：常用数据计算方法

对于气象绘图来讲，第一步是对数据的处理，通过各类公式，或者统计方法将原始数据处理为目标数据。

按照气象统计课程的内容，我给出了一些常用到的统计方法的对应函数：

在计算气候态，区域平均时均要使用到求均值函数，对应NCL中的dim_average函数，在python中通常使用np.mean()函数

numpy.mean(a, axis, dtype)

假设a为[time,lat,lon]的数据，那么

需要特别注意的是，气象数据中常有缺测，在NCL中，使用求均值函数会自动略过，而在python中，当任意一数与缺测(np.nan)计算的结果均为np.nan，比如求[1,2,3,4，np.nan]的平均值，结果为np.nan

因此，当数据存在缺测数据时，通常使用np.nanmean()函数，用法同上，此时[1,2,3,4，np.nan]的平均值为(1+2+3+4)/4 = 2.5

同样的，求某数组最大最小值时也有np.nanmax(), np.nanmin()函数来补充np.max(), np.min()的不足。

其他很多np的计算函数也可以通过在前边加‘nan’来使用。

另外，

也可以直接将a中缺失值全部填充为0。

np.std(a, axis, dtype)

用法同np.mean()

在NCL中有直接求数据标准化的函数dim_standardize()

其实也就是一行的事，根据需要指定维度即可。

皮尔逊相关系数：

相关可以说是气象科研中最常用的方法之一了，numpy函数中的np.corrcoef(x, y)就可以实现相关计算。但是在这里我推荐scipy.stats中的函数来计算相关系数：

这个函数缺点和有点都很明显，优点是可以直接返回相关系数R及其P值，这避免了我们进一步计算置信度。而缺点则是该函数只支持两个一维数组的计算，也就是说当我们需要计算一个场和一个序列的相关时，我们需要循环来实现。

其中a[time,lat,lon]，b[time]

(NCL中为regcoef()函数)

同样推荐Scipy库中的stats.linregress(x,y)函数：

slop: 回归斜率

intercept：回归截距

r_value： 相关系数

p_value： P值

std_err： 估计标准误差

直接可以输出P值，同样省去了做置信度检验的过程，遗憾的是仍需同相关系数一样循环计算。

Q4: 2 如何用Python进行数据计算

numpy计算平均数 标准差 相关系数等基本知识

NumPy 是python 语言的一个第三方库，其支持大量高维度数组与矩阵运算。此外，NumPy 也针对数组运算提供大量的数学函数。

#导入Numpy库，并命名为np

import numpy as np

#创建一维数组

a = np.array([1, 2, 3])

# NumPy可以很方便地创建连续数组，比如我使用arange或linspace函数进行创建：

b = np.arange(1,5,1) // 返回一个有终点和起点、固定步长的排列，如起点是1，终点是4，步长为1，即【1,2,3,4】，

c = np.linspace(1,9,5) 返回一个有终点和起点、元素个数的的排列，如起点是1，终点是9，元素个数为5,即【1,3,5,7,9】

#通过NumPy可以自由地创建等差数组，同时也可以进行加、减、乘、除、求n次方和取余数。

求和：np.sum(a)

求取平均值：np.mean(a)

求取中位数：np.median(a)

求取加权平均数：np.average(a)

求取方差：var() np.var(a)

求取最小值：np.amin(a)

求取最大值：np.amax(a)

将两个数相加：np.add(x1, x2)

将两个数相减：np.subtract(x1, x2)

将两个数相乘：np.multiply(x1, x2)

将两个数相除：np.divide(x1, x2)

立方：np.power(x1, x2)

除余：np.remainder(x1, x2)

相关系数计算：np.corrcoef(a1, a2) (a1、a2都是矩阵)