数学建模需要怎样的编程水平？

杨利霞

% T2 R7 D. t$ p  [; W. ]  |9 o9 [
数学建模需要怎样的编程水平？作者：胖咸鱼y
- W+ K! l! e* K$ K3 W链接：https://www.zhihu.com/question/61102199/answer/184485396
来源：知乎
  o5 H" b  p% m/ ~7 S3 F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。
  C7 `# J  C4 L6 a8 c' O
这应该是最后一次更新。
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....
/ J1 S2 c. v' N' X* M回归正题。
4 x4 C* Q  ]. G1 ~% P7 ppython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
  ~- h2 h$ A0 o. ^+ ]* P[小甲鱼]零基础入门学习Python_野生技术协会_科技_bilibili_哔哩哔哩
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）

4 Q6 B& J2 I. c: U这里着重安利一下北大的python数据结构课程：
+ b, `4 m2 k' P' ^% C4 P数据结构与算法2015春季 - 北京大学新一代GIS研究室
6 V6 j& ^. p* a6 O( O! @" O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。

我没看视频，我把讲义down下来k过了一遍，收获还是挺大的：
$ {* p, J1 |7 h$ [/ t我的课堂代码摘抄：数据结构（python） - .delete - 博客园
) X7 ~" B4 {  @
然后是一些建模方法的python实现：
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
7 R; t5 j$ _  p* K" {. A5 _' @最小二成拟合  ---------->  numpy.ploy1d
多项式拟合  ---------->  没有现成方法，自己写
: E% V& k  ^9 v* d  {8 z聚类  ---------->  from  sklearn.neighbors import KNeighborsClassifier （KNN）
4 j6 p: G$ |4 a. q1 s                         from sklearn.cluster import KMeans（KMeans）
. Z; A2 r3 r: U3 G) K决策树  ---------->  form sklearn.tree import DessionTreeClassifier
1 d: C' e- m, A" y, Y# R6 y贝叶斯算法（朴素贝叶斯）  ---------->  from sklearn.naive_bayes import GaussianNB   
支持向量机  ---------->  from sklearn import svm      
回归  ---------->  from sklearn import linear_model （这里边包括了线性，逻辑，随机树森林
                                                                                    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
" G/ z" V6 t2 I- {$ K3 m+ O数据结构  ---------->    import pandas as pd（Series，DataFrame）

/ F+ R) e  m2 p/ V. U/ B8 N
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。
9 e2 `) s/ [/ w  A$ d只撸了一个base model，慢慢的再优化。

" f+ W! J& |4 \7 s1 i   代码用到的一些方法：
, u& E- q0 `3 h% ?. o#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")
. ~: ?1 O0 B& W; |5 K7 W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。
5 F3 i6 m4 x& x
5 G/ m( a+ p0 [% \( V3 v8 v
3 l; `. z; |. i+ Y) Z) V* |预祝大家都取得好成绩！
/ B- D& L$ O9 T4 ~（希望我电脑快点修好.....
                                                                                    -----发布自求爷爷告奶奶借来的电脑
7 c7 M1 o% z6 ~2 ?7 ^
- j: {& n) F4 N- ?
; X: z8 f0 G$ K- k4 F& p--------------------------------------------最后一更分割线---------------------------------------
2 ]; g# I8 F  F6 R0 C9 t% r6 Z/ o校级复试过了，来补充一下。
/ e1 c4 {% o4 ~/ xpython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。
% D1 w7 T6 G: K# c# F6 @8 S/ K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。
" N+ F4 Z) ~( d8 m, f4 t. K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。

/ r4 {% {4 l+ v- H+ C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。
4 E9 b! Q# ?, h/ D/ s# W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
---------------------------------分----------------割-------------线--------------------------------
$ f# C1 g# y7 M) z) U/ o  Z  l8 U当初只是随手一答，有人点赞，诚惶诚恐，把答案重新编辑下：）

1 M$ Z: i/ N# y' U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。。。

8 L$ j% f/ p: \% G; H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。

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。
如果选择python的话，需要掌握的有：
1、python版本的选择与安装
     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。）
( Q% R9 b2 u% @0 G" t8 {2、IDE的选择
     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。
$ Y+ R6 i; s: z4 {, H3、基本操作和包
$ d; N( \( U0 Z    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。
! y) [5 I3 N( q( b' y) V; `& v    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：）
+ Z, X  A, @: I  P2 v% y# y, ]    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。

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。
献给那些想做建模走python技术栈的人，希望可以帮到你们。
- K- ^6 o! T4 \' C
% ?  d' k" @: M1 k$ s' U6 D

% _. @  m$ \& p3 E; ]( Y+ W
+ a! X/ `( N6 s: g0 K  B, ?