第一章：数与代数
1.1 自然数和整数
自然数
自然数是指用来计数和表示顺序的数，包括0和所有正整数。例如：0, 1, 2, 3, …
整数
整数包括所有自然数、0和所有负整数。例如：…，-3, -2, -1, 0, 1, 2, 3, …
计算技巧
- 加法：将两个数相加，得到和。
- 减法：从一个数中减去另一个数，得到差。
- 乘法：将两个数相乘，得到积。
- 除法：将一个数除以另一个数，得到商。
实例
假设有自然数a和b，求它们的和、差、积、商。
a = 5
b = 3
# 和
sum = a + b
print("和:", sum)
# 差
difference = a - b
print("差:", difference)
# 积
product = a * b
print("积:", product)
# 商
quotient = a / b
print("商:", quotient)
1.2 分数和小数
分数
分数表示一个整体被分成若干等份的其中一份或几份。例如：\(\frac{1}{2}\) 表示将一个整体分成两份，取其中一份。
小数
小数是一种表示分数的方法，由整数部分和小数部分组成。例如：0.5 表示 \(\frac{1}{2}\)。
计算技巧
- 分数相加：找到公共分母，然后将分子相加。
- 分数相减：找到公共分母，然后将分子相减。
- 分数相乘：将分子相乘，分母相乘。
- 分数相除：将分子乘以分母的倒数。
实例
假设有分数 \(\frac{a}{b}\) 和 \(\frac{c}{d}\)，求它们的和、差、积、商。
from fractions import Fraction
a = Fraction(1, 2)
b = Fraction(3, 4)
c = Fraction(2, 3)
d = Fraction(5, 6)
# 和
sum = a + b
print("和:", sum)
# 差
difference = a - b
print("差:", difference)
# 积
product = a * b
print("积:", product)
# 商
quotient = a / b
print("商:", quotient)
1.3 有理数
有理数是可以表示为两个整数比的数，包括整数、分数和小数。例如：0, 1, 1⁄2, 0.5。
计算技巧
- 有理数加减法：按照加减法的规则进行计算。
- 有理数乘除法：按照乘除法的规则进行计算。
实例
假设有有理数a和b，求它们的和、差、积、商。
a = 2
b = 3
# 和
sum = a + b
print("和:", sum)
# 差
difference = a - b
print("差:", difference)
# 积
product = a * b
print("积:", product)
# 商
quotient = a / b
print("商:", quotient)
第二章：几何
2.1 直线、射线和线段
直线
直线是由无数个点连成的，无限延伸的图形。
射线
射线是由一个点出发，沿着一个方向无限延伸的图形。
线段
线段是由两个端点和它们之间的所有点组成的图形。
性质
- 直线、射线和线段都有长度。
- 直线和射线无限延伸，线段有固定长度。
实例
画出一条直线、射线和线段。
from matplotlib.pyplot import line
# 画直线
line([0, 0], [1, 1], label="直线")
# 画射线
line([0, 0], [1, 1], label="射线")
# 画线段
line([0, 0], [1, 0], label="线段")
# 显示图形
plt.legend()
plt.show()
2.2 角
角是由两条射线共同确定的图形。
类型
- 锐角：小于90度的角。
- 直角：等于90度的角。
- 钝角：大于90度小于180度的角。
计算技巧
- 角的度数：使用量角器或角度计算公式。
实例
求下列角的度数。
from math import degrees
# 角度计算公式
def calculate_angle(radius, theta):
return degrees(theta) * radius
# 求锐角
radius = 1
theta = math.pi / 4
angle = calculate_angle(radius, theta)
print("锐角:", angle)
# 求直角
angle = calculate_angle(radius, math.pi / 2)
print("直角:", angle)
# 求钝角
angle = calculate_angle(radius, 3 * math.pi / 4)
print("钝角:", angle)
第三章：方程与不等式
3.1 一元一次方程
一元一次方程是指只含有一个未知数，且未知数的最高次数为1的方程。
类型
- 一次方程：ax + b = 0
- 一元一次方程组：ax + b = 0, cx + d = 0
解法
- 代入法：将方程组中的一个方程中的未知数代入另一个方程中，求解未知数。
- 加减法：将方程组中的方程相加或相减，消去一个未知数，求解另一个未知数。
实例
求解方程组：
2x + 3 = 0
4x - 5 = 0
from sympy import symbols, Eq, solve
x = symbols('x')
equation1 = Eq(2*x + 3, 0)
equation2 = Eq(4*x - 5, 0)
# 代入法
solution1 = solve(equation1, x)
solution2 = solve(equation2, x)
# 加减法
solution1 = solve([equation1, equation2], (x))
solution2 = solve([equation1, equation2], (x))
print("代入法解:", solution1, solution2)
print("加减法解:", solution1, solution2)
3.2 一元二次方程
一元二次方程是指只含有一个未知数，且未知数的最高次数为2的方程。
类型
- 一元二次方程：ax^2 + bx + c = 0
- 一元二次方程组：ax^2 + bx + c = 0, dx^2 + ex + f = 0
解法
- 配方法：将一元二次方程化为 (x + p)^2 = q 的形式，求解未知数。
- 因式分解法：将一元二次方程化为 (x - p)(x - q) = 0 的形式，求解未知数。
- 求根公式法：使用求根公式求解未知数。
实例
求解方程：
x^2 - 4x + 3 = 0
from sympy import symbols, Eq, solve
x = symbols('x')
equation = Eq(x**2 - 4*x + 3, 0)
# 配方法
p = -(-4) / 2
q = (3 - p**2) / p
solution = [p, q]
# 因式分解法
solution = solve(equation, x)
# 求根公式法
solution = solve(equation, x)
print("配方法解:", solution)
print("因式分解法解:", solution)
print("求根公式法解:", solution)
第四章：统计与概率
4.1 数据的收集与整理
数据的收集
数据的收集是指从各种来源获取信息的过程。
数据的整理
数据的整理是指对收集到的数据进行分类、汇总和分析的过程。
方法
- 列表法：将数据按照一定的顺序排列。
- 图表法：将数据用图形表示，便于观察和分析。
实例
收集一组数据，并整理成表格和图表。
import matplotlib.pyplot as plt
# 收集数据
data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
# 整理成表格
table = pd.DataFrame(data, columns=['Data'])
print(table)
# 整理成图表
plt.plot(data)
plt.show()
4.2 统计量的计算
统计量是指用来描述一组数据的特征的量。
类型
- 集中趋势：平均数、中位数、众数。
- 离散程度：方差、标准差。
计算方法
- 平均数：将所有数据相加，然后除以数据的个数。
- 中位数：将所有数据按照大小顺序排列，位于中间的数。
- 众数：出现次数最多的数。
- 方差：各数据与平均数差的平方的平均数。
- 标准差：方差的平方根。
实例
计算一组数据的平均数、中位数、众数、方差和标准差。
import numpy as np
data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
# 计算平均数、中位数、众数
mean = np.mean(data)
median = np.median(data)
mode = np.bincount(data).argmax()
# 计算方差和标准差
variance = np.var(data)
std_dev = np.std(data)
print("平均数:", mean)
print("中位数:", median)
print("众数:", mode)
print("方差:", variance)
print("标准差:", std_dev)