京公网安备 11010802034615号
经营许可证编号:京B2-20210330
python数据清洗时,会涉及到数学基础知识,今天我们就来给大家介绍这些函数!
初等函数是由基本初等函数经过有限次的四则运算和复合运算所得到的函数。基本初等函数和初等函数在其定义区间内均为连续函数。目前对基本初等函数有两种分类方法:数学分析有六种基本初等函数,高等数学只有五种。数学分析所包含的初等函数比高数多一种,多的那一个初等函数是常量函数。
不论自变量如何变化,对应的函数值都始终保持不变的函数,称为常数函数。其函数表达式和图形如下:
y=C(又称常值函数)
即以底数为自变量,指数为常数的函数称为幂函数。其函数表达式和图形如下:
在上图中
一般地,指数函数的定义域是 R ,在指数函数的定义表达式中,系数必须是1,自变量x必须在指数的位置上,且不能是x的其他表达式,否则,就不是指数函数。其函数表达式和图形如下:
在上图中,紫色的是a=2,灰色的是a=0.5。分别指的是0<a<1和a>1两种情况的图形。
对数函数是以幂(真数)为自变量,指数为因变量,底数为常量的函数。其中x是自变量,函数的定义域是(0,+∞),即x>0。其函数表达式和图形如下:
在上图中,紫色的是a=2,灰色的是a=0.5。分别指的是0<a<1和a>1两种情况的图形。
三角函数是数学中常见的一类关于角度的函数。也就是说以角度为自变量,角度对应任意两边的比值为因变量的函数叫三角函数,三角函数将直角三角形的内角和它的两个边长度的比值相关联,也可以等价地用与单位圆有关的各种线段的长度来定义。常见的三角函数包括正弦函数、余弦函数和正切函数。其常见函数表达式和图形如下:
在上图中,绿色是正弦函数,红色是余弦函数,蓝色是正切函数。
反三角函数是反正弦arcsin x,反余弦arccos x,反正切arctan x,反余切arccot x,反正割arcsec x,反余割arccsc x这些函数的统称。它并不能狭义的理解为三角函数的反函数,是个多值函数。三角函数的反函数不是单值函数,因为它并不满足一个自变量对应一个函数值的要求,其图像与其原函数关于函数y=x对称。其常见函数表达式和图形如下:
上图中绿色是反正弦函数,红色是反余弦函数,蓝色是反正切函数。
在处理问题中,涉及到的计算问题,遇到比较多的的对数和指数之间的转换运算,下面就简单介绍下,它们之间的公式转换如下:
指数函数的运算:
对数函数的运算:
以上就是关于基本初等函数的介绍和它们的一些图形及转换公式。
如果函数 f 在区间 I 上的每一点都可导(对于区间端点考虑相应的单侧导数, 如左端点考虑右导数),则称 f 为区间 I 上的可导函数。此时,对 I 上的任意一点 x 都有 f的一个导数与之对应,这就定义了一个在区间 I 上的函数,称为 f 在 I 上的导函数,简称导数。公式如下:
python数据清洗的数学基础就讲到这里,本文章为原创文章:技术文章—逻辑(不带源码)。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14