معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Python implementation of Arithmetic, quasi arithmetic and other aggregating functions

ویژگی	مقدار
سیستم عامل	-
نام فایل	aggregationslib-0.0.251
نام	aggregationslib
نسخه کتابخانه	0.0.251
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	wgalka
ایمیل نویسنده	-
آدرس صفحه اصلی	https://github.com/wgalka/Means
آدرس اینترنتی	https://pypi.org/project/aggregationslib/
مجوز	TO DOO

# Means Means, Aggregation functions... #### Example 1: Mix numpy and pure python example: ```python import numpy as np t1 = [0.0, 0.0, 0.0, 0.0, 0.1] t2 = [1 - x for x in t1] mean1 = np.mean(t1) mean2 = np.mean(t2) print(t1, mean1) print(t2, mean2) ``` In output we can see that returned value does not sum to 1. It have impact on comparasion ```pycon >>> [0.0, 0.0, 0.0, 0.0, 0.1] 0.02 >>> [1.0, 1.0, 1.0, 1.0, 0.9] 0.9800000000000001 ``` #### Using 1: ```python from aggregationslib.aggregation import arithmetic t1 = [0.0, 0.0, 0.0, 0.0, 0.1] t2 = [1 - x for x in t1] mean1 = arithmetic_(t1) mean2 = arithmetic_(t2) print(t1, mean1) print(t2, mean2) ``` In implementation we obtain exact number: ```pycon >>> [0.0, 0.0, 0.0, 0.0, 0.1] 0.02 >>> [1.0, 1.0, 1.0, 1.0, 0.9] 0.98 ``` `exponential(y, r=1)` is given by equation $A_6^{(r)}(x_1,...,x_n)= \frac{1}{r}\ln \Big(\frac{1}{n} \sum \limits_{k=1}^{n} e^{rx_k}\Big)$, where $r \in \mathbb{R}$, $r \neq 0$ # 1 arithmetic(y) # 2 quadratic(y) # 3 geometric(y) # 4 harmonic(y) # 5 power(y, r=1) # 6 exponential(y, r=1) # 7 lehmer(y, r=0) # 8 arithmetic_min(y, p=0) # 9 arithmetic_max(y, p=0) # 10 median(y) # 11 olimpic(y)

نحوه نصب

نصب پکیج whl aggregationslib-0.0.251:

pip install aggregationslib-0.0.251.whl

نصب پکیج tar.gz aggregationslib-0.0.251:

pip install aggregationslib-0.0.251.tar.gz