数学建模需要怎样的编程水平？

杨利霞

5 V0 F+ q5 Y0 [' J
  ~2 V  t! [; D* H% m- z& ]0 y! r, Q数学建模需要怎样的编程水平？作者：胖咸鱼y
% l. ^8 N9 v- h4 ]2 m, {! C链接：https://www.zhihu.com/question/61102199/answer/184485396
. Q: R* P  E3 e+ k$ j7 T& B' F0 q. ^& D来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

) ?" K. I) [; F. z2 v这应该是最后一次更新。
5 Y1 L  m, C2 ?! m& L2 q2 f+ H2 s+ {首先控诉一下这个多灾的暑假，一年不生一次病的我，从八月初就开始重感冒，重感冒刚好不知道吃错了哪家无良的外卖，急性肠胃炎住院（中间拖了两天，住院的时候还蛮严重的）打吊瓶吃药吃咸菜。稍微好一点就骗家长说自己完全好了就返校了。回到学校的第一天晚上就又重感冒了(.....)应该是之前的细菌还在等我回来：）喝着热水吃着药吸着鼻涕打着喷嚏...都这副惨状了，电脑忽然间罢工了，把老伙计送到专卖店去修，没说什么毛病，只说要寄到石家庄去修。：）到今天还没修回来，后天就是国赛前的模拟了，凌乱状....
回归正题。
python入门的教程在网上随便一搜就能搜到很多，当初我是跟着小甲鱼学习的
[小甲鱼]零基础入门学习Python_野生技术协会_科技_bilibili_哔哩哔哩
2 m$ D0 `! a7 D/ q+ N( ]1 u* n  L对于新手蛮不错的教程，开倍速秘制带感（网易云课堂上也有课程，就可以在移动端开倍速）
/ s* d! k& ]0 j  ]0 T% C
' T7 o2 ^4 O! p* X* i( o这里着重安利一下北大的python数据结构课程：
8 k8 i# `- A+ S) ~- j# _; K% @数据结构与算法2015春季 - 北京大学新一代GIS研究室
因为我之前一直在找数据结构的python版本，终于找到了，好东西分享一波。

6 X$ E$ S; D6 j+ q5 N* p我没看视频，我把讲义down下来k过了一遍，收获还是挺大的：
+ l) l8 D5 N8 W5 U/ g6 p我的课堂代码摘抄：数据结构（python） - .delete - 博客园

然后是一些建模方法的python实现：
& o* ^% a- X' n5 \3 X动态优化   --------->  学习北大数据结构动态优化一章。
线性最优  ---------->  scipy.optimize.linprog
/ u3 a; G6 G1 i4 p最小二成拟合  ---------->  numpy.ploy1d
多项式拟合  ---------->  没有现成方法，自己写
4 A/ j: j# B( t$ N# \1 L聚类  ---------->  from  sklearn.neighbors import KNeighborsClassifier （KNN）
7 T6 J! M/ a8 i                         from sklearn.cluster import KMeans（KMeans）
/ r: I8 H/ @) m" X. K6 g  @决策树  ---------->  form sklearn.tree import DessionTreeClassifier
- ^0 B2 q5 o. b  i, H* ~贝叶斯算法（朴素贝叶斯）  ---------->  from sklearn.naive_bayes import GaussianNB   
3 I9 d. H' `7 o2 U3 A9 F& x3 ~支持向量机  ---------->  from sklearn import svm      
. j8 S: B9 X: l2 B+ }  g2 f0 E1 d  S回归  ---------->  from sklearn import linear_model （这里边包括了线性，逻辑，随机树森林
0 x3 H$ B; n1 m3 ~# \7 e                                                                                    多项式，岭回归等等）
主成分  ---------->    import sklearn.cluster.DBSCN
绘图  ---------->    import matplotlib.pyplot as plt
                           import seaborn as sns
数据结构  ---------->    import pandas as pd（Series，DataFrame）
2 P  S# h7 d4 L3 [) b  e

基本上我能想到的就是这些了，其他的一些像对曲线的处理或者解方程等等我一般都使用Matlab做。当然以上的所有方法在lingo都能实现。我用Matlabh+lingo做了一次Kaggle的泰坦尼克之灾，得分一样，但是点点点明显比敲代码要舒服的多。
只撸了一个base model，慢慢的再优化。
% O* I. ~5 d# f3 i# w' i7 O$ N  N
  D8 U% Y2 H0 b# g" K% p! |& R! Y   代码用到的一些方法：
#Pandasimport pandas as pdfrom pandas import Series,DataFrame#Numpy,Matplotlibimport numpy as npimport matplotlib.pyplot as pltimport seaborn as sns#MLfrom sklearn.linear_model import LogisticRegressionfrom sklearn.svm import SVC,LinearSVCfrom sklearn.ensemble import RandomForestClassifierfrom sklearn.ensemble import RandomForestRegressorfrom sklearn.neighbors import KNeighborsClassifierfrom sklearn.naive_bayes import GaussianNB#Osimport osos.chdir("C:\\Users\\pangxianyu\\Desktop")
以上，一个对python有兴趣的自学小白，如果有错误欢迎及时斧正。

/ Z! q  K' [% v
9 V% b" t& k0 S6 M0 B6 Q8 U5 ]9 g预祝大家都取得好成绩！
（希望我电脑快点修好.....
- b& i% L8 k' d/ N5 I                                                                                    -----发布自求爷爷告奶奶借来的电脑

& h! N' g+ U+ E! ~) R# W3 r5 K
- A' q/ z& Q0 f1 p: P7 m% }  M; R--------------------------------------------最后一更分割线---------------------------------------
校级复试过了，来补充一下。
- S: E* H! ^# y2 r7 epython相较于matlab和lingo有一个对新手不太好的地方是没有很多的参考事例。
* E, ]; ^' X1 l  f6 Q拿这次复试来说，之前我一直是用python的，之前老师说过对语言没有要求，考前一天忽然题目有要求用的软件，临时抱佛脚在网上找了一个matlab实现的《数学建模和编程》里边整本书都是数学建模的例子和用matlab实现的代码。而我在之前搜索专门的python书籍没找到这么专业的。所以还没入坑的推荐数学软件。
  m  P- {- u6 j7 z( U考试的时候四道题全部用的python实现，然后再在matlab中找到对应的方法，提交答案的时候提交matlab程序。为什么这么做？因为在我看来python确实好用啊=￣ω￣=，提前四十分钟交卷。

+ t  O* t5 p2 t. `" D0 y但是过程一波三折，提交的版本是中途保存的一个版本，上边只写了两道题，不过还算走运，顺利拿到了国赛和夏令营的入门券。
这个暑假打算一边参加夏令营，一边把数学建模上的知识用python 实现一遍，目前实现了线性最优，最小二乘法，多项式拟合，聚类，主成分，回归算法（建模叫分类）等等吧。
给自己挖个坑，所有方法都实现后会把博客地址贴在这里。
加油。
17-07-07
; P: j- d8 Q* i" N---------------------------------分----------------割-------------线--------------------------------
( e; b' w6 ]9 E  J4 p. }/ k当初只是随手一答，有人点赞，诚惶诚恐，把答案重新编辑下：）

. ~. R6 O8 z3 V" w7 B2 `今年准备参加，培训的时候老师讲了画图用matlab，数学分析用SPSS，lingo，还讲了几个例子，我去，画图不就是python中的matplotlib库，聚类降维神经网络不就是机器学习sklern中的kmeans，knn，neturework吗。。。
& ~2 z( h3 R  L* i% ?
参加校选赛的题目是关于共享单车时空配比，题目没有给数据，网上也找不到，我就花了点时间在gitub上找了个轮子自己改了改，用python爬虫爬的天津地区摩拜单车的数量和坐标，再用kmeans聚类，matplotlib画图。
1 M3 B  T0 W: L0 \
$ S* F# A9 x+ j  c' f选择上边那些软件的话其它答主已经说的很详细了，参见他们的回答即可。
1 d5 R# Y. @7 [& S8 m# N如果选择python的话，需要掌握的有：
1、python版本的选择与安装
2 Q/ h( \6 j. U$ q     对比VC，python的安装需要费点时间，如果熟悉Linux会轻松很多。目前py2x和py3x共存，在刚入门的时候需要看你选择的是哪个版本，不同版本支持的包不同。多说一句，用2x的话如果用到3x的method，import futuer就好了，但是3x是主流和未来的方向XD
（下边的sklearn和tensorflow就是不同的python 版本。）
! k5 i4 y8 o, \! b2、IDE的选择
& y; q5 \4 y7 I# y     推荐jupter book。我目前使用的python为py36，sklearn的env是py27。在jupter book上边创建好kernels，然后切换kernel就可以达到切换env的作用。
3、基本操作和包
    如果上边的基础准备都做好了，开始学基础操作，基本的教学视频就好了，重点掌握集合，列表，元组，函数，方法，for，magic（如果有时间的话），基本的四则运算，赋值什么的。python作为一门胶水语言，又以对程序员友好著称，学习起来我认为不是很痛苦，我之前有C，Java和Matlab的基础，学的比较快。
0 f. B/ F) X! k$ k4 I    包的话重点掌握numpy，pandas，matplotlib，这些里边是数学运算，文件处理和图形绘制，建模的时候都会有用，重点掌握。其他的分类，回归，聚类，降维，神经网络，相关性分析之类的都在sklearn中（即机器学习中大名鼎鼎sciki-learn的简称，不过不要被吓到，它的数学思想和你学的概率论和数理统计差不多，单纯的调用的话看看文档和技术博客就好，需要我推荐的话可以私信或留言：）
    还有一个包是谷歌推的tensorflow，它的领域是多重神经网络和深度学习，如果还有精力的话可以去探索，私以为建模的数据量和复杂程度会使它的学习深度不会太深，它上场的机会不大。
人生苦短，我用python。
: U3 h9 X/ L2 x' ~2 w
最后提一点，python作为一门语言，它的学习成本可能要比上边那些软件要大。
& q2 b+ O4 U% X" f4 }6 H3 g7 J献给那些想做建模走python技术栈的人，希望可以帮到你们。
" L( a2 h5 M4 \0 {

5 f2 g  C% @% H* L$ p( @
, h! p# M3 G- I2 j7 M' O