1、Series和DataFrame简单入门
2、Pandas操作CSV文件的读写
3、Pandas处理DataFrame，Series进行作图
1、Matplotlib绘图之属性设置
2、Matplotlib绘制误差条形图、饼图、等高线图、3D柱形图
1、层次分析法（AHP）——算数平均值法、几何平均值法、特征值法（Python实现，超详细注释）
2、Python实现TOPSIS分析法（优劣解距离法）
3、Python实现线性插值和三次样条插值
4、Python实现线性函数的拟合算法
5、Python实现统计描述以及计算皮尔逊相关系数
6、Python实现迪杰斯特拉算法和贝尔曼福特算法求解最短路径
我们选择的入门书籍是叶其孝和姜启源翻译的《数学建模》，原著是Frank R. Giordano和William P. Fox编著的 《A First Course in Mathematical Modeling（Fifth Edition） 》
从名字就能看出这是一本数学建模的入门书籍，由浅入深，很适合数学基础薄弱的人学习。接下来我们将会把这本书中的建模实例用Python3来实现。
初用，没有找到编辑公式的方法，求帮助，公式暂时先用其他软件编辑，采用截图的方式插入文章
首先是最简单的弹簧拉伸模型，学过胡克定律的同学们应该都知道这是啥，这个炒鸡简单， 不愿看的同学可以跳过。
这是一个研究弹簧伸长与所吊重物质量之间关系的模型。
从图中我们可以明显地看到这是一个线性关系。然后我们就可以对数据进行线性拟合（非线性拟合也只是用到了不同的函数而已），这里用到了numpy库：
这样，对于这个模型的建模就已经完成了。如果要画出图来是这样的：
当然，这个图用Python3也可以画出来，需要用到matplotlib库，附上matplotlib简单教程：
ywjun的学习笔记, Python图表绘制：matplotlib绘图库入门
数学建模中要使用的软体有哪些, 常用的数学建模软体有哪些最无脑的就是matlab和excel以及spss，不过我推荐用python，这个有很多好用的工具包，不过数学建模最注重的是思想，其次程式设计，我数模方面获得过国二，有什么其他问题欢迎追问。
数学建模介绍
1. 什么是数学建模？
数学建模就是用数学语言描述实际现象的过程。这里的实际现象既包涵具体的自然现象比如自由落体现象，也包涵抽象的现象
比如顾客对某种商品所取的价值倾向。这里的描述不但包括外在形态，内在机制的描述，也包括预测，试验和解释实际现象等内容
我们也可以这样直观地理解这个概念：数学建模是一个让纯粹数学家（指只懂数学不懂数学在实际中的应用的数学家）变成物
理学家，生物学家，经济学家甚至心理学家等等的过程。
2. 什么是数学模型？
数学模型是指用数学语言描述了的实际事物或现象。它一般是实际事物的一种数学简化。它常常是以某种意义上接近实际事物
的抽象形式存在的，但它和真实的事物有着本质的区别。要描述一个实际现象可以有很多种方式，比如录音，录影，比喻，传言等
等。为了使描述更具科学性，逻辑性，客观性和可重复性，人们采用一种普遍认为比较严格的语言来描述各种现象，这种语言就是
数学。使用数学语言描述的事物就称为数学模型。有时候我们需要做一些实验，但这些实验往往用抽象出来了的数学模型作为实际
物体的代替而进行相应的实验，实验本身也是实际操作的一种理论替代。
3. 为什么要建立数学模型？
在科学领域中，数学因为其众所周知的准确而成为研究者们最广泛用于交流的语言－－因为他们普遍相信，自然是严格地演化
著的，尽管控制演化的规律可以很复杂甚至是混沌的。因此，人们常对实际事物建立种种数学模型以期通过对该模型的考察来描述
解释，预计或分析出与实际事物相关的规律。
数学建模软体介绍
一般来说学习数学建模，常用的软体有四种，分别是：matlab、lingo、Mathematica和SAS下面简单介绍一下这四种。
1.MATLAB的概况
MATLAB是矩阵实验室（Matrix Laboratory）之意。除具备卓越的数值计算能力外，它还提供了专业水平的符号计算，文字处
理，视觉化建模模拟和实时控制等功能。
MATLAB的基本资料单位是矩阵，它的指令表示式与数学,工程中常用的形式十分相似,故用MATLAB来解算问题要比用C,FORTRAN等
语言完相同的事情简捷得多.
当前流行的MATLAB 5.3/Simulink 3.0包括拥有数百个内部函式的主包和三十几种工具包(Toolbox).工具包又可以分为功能性工具
包和学科工具包.功能工具包用来扩充MATLAB的符号计算,视觉化建模模拟,文书处理及实时控制等功能.学科工具包是专业性比较强
的工具包,控制工具包,讯号处理工具包,通讯工具包等都属于此类.
开放性使MATLAB广受使用者欢迎.除内部函式外,所有MATLAB主包档案和各种工具包都是可读可修改的档案,使用者通过对源程式的修改
或加入自己编写程式构造新的专用工具包.
2.Mathematica的概况
Wolfram Research 是高科技计算机运算( Technical puting )的先趋，由复杂理论的发明者 Stephen Wolfram 成立于
1987年，在1988年推出高科技计算机运算软体Mathematica，是一个足以媲美诺贝尔奖的天才产品。Mathematica 是一套整合数字以
及符号运算的数学工具软体，提供了全球超过百万的研究人员，工程师，物理学家，分析师以及其它技术专业人员容易使用的顶级
科学运算环境。目前已在学术界、电机、机械、化学、土木、资讯工程、财务金融、医学、物理、统计、教育出版、OEM 等领域广
泛使用。
Mathematica 的特色
·具有高阶的演算方法和丰富的数学函式库和庞大的数学知识库，让 Mathematica 5 线上性代数方面的数值运算，例如特征向量、 反矩阵等，皆比Matlab R13做得更快更好，提供业界最精确的数值运算结果。
·Mathematica不但可以做数值计算，还提供最优秀的可设计的符号运算。
·丰富的数学函式库，可以快速的解答微积分、线性代数、微分方程、复变函式、数值分析、机率统计等等问题。
·Mathematica可以绘制各专业领域专业函式图形，提供丰富的图形表示方法，结果呈现视觉化。
·Mathematica可编排专业的科学论文期刊，让运算与排版在同一环境下完成，提供高品质可编辑的排版公式与表格，萤幕与列印的 自动最佳化排版，组织由初始概念到最后报告的计划，并且对 txt、、pdf 等格式的输出提供了最好的相容性。
·可与 C、C++ 、Fortran、Perl、Visual Basic、以及 Java 结合，提供强大高阶语言介面功能，使得程式开发更方便。
·Mathematica本身就是一个方便学习的程式语言。 Mathematica提供互动且丰富的帮助功能，让使用者现学现卖。强大的功能，简 单的操作，非常容易学习特点，可以最有效的缩短研发时间。
3.lingo的概况
LINGO则用于求解非线性规划（NLP—NON—LINEAR PROGRAMMING）和二次规则（QP—QUARATIC PROGRAMING）其中
LINGO 6.0学生版最多可版最多达300个变数和150个约束的规则问题，其标准版的求解能力亦再10^4量级以上。虽然LINDO和
LINGO不能直接求解目标规划问题,但用序贯式演算法可分解成一个个LINDO和LINGO能解决的规划问题。
模型建立语言和求解引擎的整合
LINGO是使建立和求解线性、非线性和整数最佳化模型更快更简单更有效率的综合工具。LINGO提供强大的语言和快速的求解引擎来阐述和求解最佳化模型。
■ 简单的模型表示
LINGO可以将线性、非线性和整数问题迅速得予以公式表示，并且容易阅读、了解和修改。
■ 方便的资料输入和输出选择
LINGO建立的模型可以直接从资料库或工作表获取资料。同样地， LINGO可以将求解结果直接输出到资料库或工作表。
■ 强大的求解引擎
LINGO内建的求解引擎有线性、非线性(convex and nonconvex)、二次、二次限制和整数最佳化。
■ Model Interactively or Create Turn-key Applications
LINGO提供完全互动的环境供您建立、求解和分析模型。LINGO也提供DLL和OLE介面可供使用者由撰写的程式中呼叫。
■ 广泛的档案和HELP功能
LINGO提供的所有工具和档案可使你迅速入门和上手。LINGO使用者手册有详细的功能定义。
4.SAS软体概况
SAS系统全称为Statistics Analysis System，最早由北卡罗来纳大学的两位生物统计学研究生编制，并于1976年成立了SAS软体研究所，正式推出了SAS软体。SAS是用于决策支援的大型整合资讯系统，但该软体系统最早的功能限于统计分析，至今，统计分析功能也仍是它的重要组成部分和核心功能。SAS现在的版本为9.0版，大小约为1G。经过多年的发展，SAS已被全世界120多个国家和地区的近三万家机构所采用，直接使用者则超过三百万人，遍及金融、医药卫生、生产、运输、通讯、 *** 和教育科研等领域。在英美等国，能熟练使用SAS进行统计分析是许多公司和科研机构选材的条件之一。在资料处理和统计分析领域，SAS系统被誉为国际上的标准软体系统，并在96～97年度被评选为建立资料库的首选产品。堪称统计软体界的巨无霸。在此仅举一例如下：在以苛刻严格著称于世的美国FDA新药审批程式中，新药试验结果的统计分析规定只能用SAS进行，其他软体的计算结果一律无效！哪怕只是简单的均数和标准差也不行！由此可见SAS的权威地位。
SAS系统是一个组合软体系统，它由多个功能模组组合而成，其基本部分是BASE SAS模组。BASE SAS模组是SAS系统的核心，承担著主要的资料管理任务，并管理使用者使用环境，进行使用者语言的处理，呼叫其他SAS模组和产品。也就是说，SAS系统的执行，首先必须启动BASE SAS模组，它除了本身所具有资料管理、程式设计及描述统计计算功能以外，还是SAS系统的中央排程室。它除可单独存在外，也可与其他产品或模组共同构成一个完整的系统。各模组的安装及更新都可通过其安装程式非常方便地进行。SAS系统具有灵活的功能扩充套件介面和强大的功能模组，在BASE SAS的基础上，还可以增加如下不同的模组而增加不同的功能：SAS/STAT（统计分析模组）、SAS/GRAPH（绘图模组）、SAS/QC（质量控制模组）、SAS/ETS（经济计量学和时间序列分析模组）、SAS/OR（运筹学模组）、SAS/IML（互动式矩阵程式设计语言模组）、SAS/FSP（快速资料处理的互动式菜单系统模组）、SAS/AF（互动式全萤幕软体应用系统模组）等等。SAS有一个智慧型绘图系统，不仅能绘各种统计图，还能绘出地图。SAS提供多个统计过程，每个过程均含有极丰富的任选项。使用者还可以通过对资料集的一连串加工，实现更为复杂的统计分析。此外，SAS还提供了各类概率分析函式、分位数函式、样本统计函式和随机数生成函式，使使用者能方便地实现特殊统计要求。
一般来说学习数学建模,常用的软体有四种,分别是：matlab、lingo、Mathematica和SAS下面简单介绍一下这四种.
matlab、lingo是必须要掌握的
数学建模中要用到哪些数学软体？
（1）基本的办公软体，例如Excel、Word或WPS；
（2）统计计算软体，例如MATLAB、Lindo、Lingo、SPASS等；
（3）绘图软体，CAD(一般用Windows的画图程式即可)。
不过只要掌握了办公软体和MATLAB软体基本上就能胜任了。
数学建模有哪些软体？Matlab
Mathematica
Maple
lingo
SAS
我用的是Matlab，这个语言较好...
详细介绍：
数学建模软体介绍
一般来说学习数学建模，常用的软体有四种，分别是：matlab、lingo、Mathematica和SAS下面简单介绍一下这四种。
1.MATLAB的概况
MATLAB是矩阵实验室（Matrix Laboratory）之意。除具备卓越的数值计算能力外，它还提供了专业水平的符号计算，文书处理，视觉化建模模拟和实时控制等功能。 MATLAB的基本资料单位是矩阵，它的指令表示式与数学,工程中常用的形式十分相似,故用MATLAB来解算问题要比用C,FORTRAN等语言完相同的事情简捷得多.
当前流行的MATLAB 5.3/Simulink 3.0包括拥有数百个内部函式的主包和三十几种工具包(Toolbox).工具包又可以分为功能性工具包和学科工具包.功能工具包用来扩充MATLAB的符号计算,视觉化建模模拟,文书处理及实时控制等功能.学科工具包是专业性比较强的工具包,控制工具包,讯号处理工具包,通讯工具包等都属于此类.开放性使MATLAB广受使用者欢迎.除内部函式外,所有MATLAB主包档案和各种工具包都是可读可修改的档案,使用者通过对源程式的修改或加入自己编写程式构造新的专用工具包.
2.Mathematica的概况
Wolfram Research 是高科技计算机运算( Technical puting )的先趋，由复杂理论的发明者 Stephen Wolfram 成立于1987年，在1988年推出高科技计算机运算软体Mathematica，是一个足以媲美诺贝尔奖的天才产品。Mathematica 是一套整合数字以及符号运算的数学工具软体，提供了全球超过百万的研究人员，工程师，物理学家，分析师以及其它技术专业人员容易使用的顶级科学运算环境。目前已在学术界、电机、机械、化学、土木、资讯工程、财务金融、医学、物理、统计、教育出版、OEM 等领域广泛使用。
Mathematica 的特色，具有高阶的演算方法和丰富的数学函式库和庞大的数学知识库，让 Mathematica 5 线上性代数方面的数值运算，例如特征向量、 反矩阵等，皆比Matlab R13做得更快更好，提供业界最精确的数值运算结果。·Mathematica不但可以做数值计算，还提供最优秀的可设计的符号运算。丰富的数学函式库，可以快速的解答微积分、线性代数、微分方程、复变函式、数值分析、机率统计等等问题。Mathematica可以绘制各专业领域专业函式图形，提供丰富的图形表示方法，结果呈现视觉化。Mathematica可编排专业的科学论文期刊，让运算与排版在同一环境下完成，提供高品质可编辑的排版公式与表格，萤幕与列印的 自动最佳化排版，组织由初始概念到最后报告的计划，并且对 txt、、pdf 等格式的输出提供了最好的相容性。可与 C、C++ 、Fortran、Perl、Visual Basic、以及 Java 结合，提供强大高阶语言介面功能，使得程式开发更方便。·Mathematica本身就是一个方便学习的程式语言。 Mathematica提供互动且丰富的帮助功能，让使用者现学现卖。强大的功能，简 单的操作，非常容易学习特点，可以最有效的缩短研发时间。
数学建模软体有哪些数学软体概括：
（1）常见的通用数学软体包包括：Matlab和Mathematica和Maple，其中Matlab以数值
计算见长，Mathematica和Maple以符号运算、公式推导见长
（2）专用数学包包括：
绘图软体类：MathCAD,Tecplot,IDL,Surfer,Origin,SmartDraw,DSP2000
数值计算类：Mat,DataFit,S-Spline,Lindo,Lingo,O-Matrix,Scilab,Octave
数值计算库：linpack/lapack/BLAS/GERMS/IMSL/CXML
有限元计算类：ANSYS, MARC,PARSTRAN, FLUENT, FEMLAB,FlexPDE,Algor,COSMOS, ABAQUS,ADINA
数理统计类：GAUSS ,SPSS,SAS, Splus
数学公式排版类：MathType,MikTeX,ScientificWorkplace,Scientific Nootbook
计算化学类：Gaussian98,Spartan,ADF2000,ChemOffice
与数学建模有关的软体有哪些
