apache commons math 示例代码

色破飞机

1 packagetest.ffm83.commons.math;　　

  2　　
  3 importorg.apache.commons.math3.linear.Array2DRowRealMatrix;
　　
  4
　　
  5 import org.apache.commons.math3.linear.LUDecomposition;
　　
  6
　　
  7 importorg.apache.commons.math3.linear.RealMatrix;
　　
  8
　　
  9 importorg.apache.commons.math3.stat.descriptive.moment.GeometricMean;
　　
10
　　
11 importorg.apache.commons.math3.stat.descriptive.moment.Kurtosis;
　　
12
　　
13 importorg.apache.commons.math3.stat.descriptive.moment.Mean;
　　
14
　　
15 importorg.apache.commons.math3.stat.descriptive.moment.Skewness;
　　
16
　　
17 importorg.apache.commons.math3.stat.descriptive.moment.StandardDeviation;
　　
18
　　
19 importorg.apache.commons.math3.stat.descriptive.moment.Variance;
　　
20
　　
21 import org.apache.commons.math3.stat.descriptive.rank.Max;
　　
22
　　
23 importorg.apache.commons.math3.stat.descriptive.rank.Min;
　　
24
　　
25 importorg.apache.commons.math3.stat.descriptive.rank.Percentile;
　　
26
　　
27 importorg.apache.commons.math3.stat.descriptive.summary.Product;
　　
28
　　
29 importorg.apache.commons.math3.stat.descriptive.summary.Sum;
　　
30
　　
31 importorg.apache.commons.math3.stat.descriptive.summary.SumOfSquares;
　　
32
　　
33  
　　
34
　　
35 /**
　　
36
　　
37  * 简单使用commons Math方法
　　
38
　　
39  * @author 范芳铭
　　
40
　　
41  */
　　
42

　　
43 public>　　
44
　　
45      public static void main(String[] args) {
　　
46
　　
47         double[] values = new double[] { 0.33, 1.33,0.27333, 0.3, 0.501,
　　
48
　　
49                 0.444, 0.44, 0.34496, 0.33,0.3, 0.292, 0.667 };
　　
50
　　
51         Min min = new Min();
　　
52
　　
53         Max max = new Max();
　　
54
　　
55         
　　
56
　　
57         Mean mean = new Mean(); // 算术平均值
　　
58
　　
59         Product product = new Product();//乘积
　　
60
　　
61         Sum sum = new Sum();
　　
62
　　
63         Variance variance = new Variance();//方差
　　
64
　　
65         System.out.println("min: " +min.evaluate(values));
　　
66
　　
67         System.out.println("max: " +max.evaluate(values));
　　
68
　　
69         System.out.println("mean: " +mean.evaluate(values));
　　
70
　　
71         System.out.println("product:" + product.evaluate(values));
　　
72
　　
73         System.out.println("sum: " +sum.evaluate(values));
　　
74
　　
75         System.out.println("variance:" + variance.evaluate(values));
　　
76
　　
77  
　　
78
　　
79         Percentile percentile = newPercentile(); // 百分位数
　　
80
　　
81         GeometricMean geoMean = newGeometricMean(); // 几何平均数,n个正数的连乘积的n次算术根叫做这n个数的几何平均数
　　
82
　　
83         Skewness skewness = new Skewness(); //Skewness();
　　
84
　　
85         Kurtosis kurtosis = new Kurtosis(); //Kurtosis,峰度
　　
86
　　
87         SumOfSquares sumOfSquares = newSumOfSquares(); // 平方和
　　
88
　　
89         StandardDeviation StandardDeviation =new StandardDeviation();//标准差
　　
90
　　
91         System.out.println("80 percentilevalue: "
　　
92
　　
93                 + percentile.evaluate(values,80.0));
　　
94
　　
95         System.out.println("geometricmean: " + geoMean.evaluate(values));
　　
96
　　
97         System.out.println("skewness:" + skewness.evaluate(values));
　　
98
　　
99         System.out.println("kurtosis:" + kurtosis.evaluate(values));
　　
100
　　
101         System.out.println("sumOfSquares:" + sumOfSquares.evaluate(values));
　　
102
　　
103        System.out.println("StandardDeviation: " +StandardDeviation.evaluate(values));
　　
104
　　
105         
　　
106
　　
107        System.out.println("-------------------------------------");
　　
108
　　
109         // Create a real matrix with two rowsand three columns
　　
110
　　
111         double[][] matrixData = { {1d,2d,3d},{2d,5d,3d}};
　　
112
　　
113         RealMatrix m = newArray2DRowRealMatrix(matrixData);
　　
114
　　
115         System.out.println(m);
　　
116
　　
117         // One more with three rows, twocolumns
　　
118
　　
119         double[][] matrixData2 = { {1d,2d},{2d,5d}, {1d, 7d}};
　　
120
　　
121         RealMatrix n = newArray2DRowRealMatrix(matrixData2);         
　　
122
　　
123         // Note: The constructor copies  the input double[][] array.         
　　
124
　　
125         // Now multiply m by n
　　
126
　　
127         RealMatrix p = m.multiply(n);
　　
128
　　
129        System.out.println("p:"+p);
　　
130
　　
131        System.out.println(p.getRowDimension());    // 2
　　
132
　　
133        System.out.println(p.getColumnDimension()); // 2         
　　
134
　　
135         // Invert p, using LUdecomposition
　　
136
　　
137         RealMatrix pInverse = newLUDecomposition(p).getSolver().getInverse();
　　
138
　　
139         System.out.println(pInverse);
　　
140
　　
141     }
　　
142
　　
143 }
　　
144
　　
145 运行结果如下：
　　
146
　　
147 min: 0.27333
　　
148
　　
149 max: 1.33
　　
150
　　
151 mean: 0.46269083333333333
　　
152
　　
153 product: 2.3429343978460972E-5
　　
154
　　
155 sum: 5.552289999999999
　　
156
　　
157 variance: 0.08757300031742428
　　
158
　　
159 80 percentile value: 0.5674000000000001
　　
160
　　
161 geometric mean: 0.4112886050879374
　　
162
　　
163 skewness: 2.670095445623868
　　
164
　　
165 kurtosis: 7.718241303328169
　　
166
　　
167 sumOfSquares: 3.5322966905000004
　　
168
　　
169 StandardDeviation: 0.2959273564870681
　　
170
　　
171 -------------------------------------
　　
172
　　
173 Array2DRowRealMatrix{{1.0,2.0,3.0},{2.0,5.0,3.0}}
　　
174
　　
175 p:Array2DRowRealMatrix{{8.0,33.0},{15.0,50.0}}
　　
176
　　
177 2
　　
178
　　
179 2
　　
180
　　
181 Array2DRowRealMatrix{{-0.5263157895,0.3473684211},{0.1578947368,-0.0842105263}}