如果你喜欢机器学习和数据科学方面的研究，或者做着相关的工作，总有一天，你一定会想看看你平时经常使用的数学的世界，而不是止步于只会调用Python库。

然后你就会去看很多很多文献，看看那些功能到底是如何运作的。你看的越多、学得越多，你就越有可能想到新的点子，然后成为行业大佬，迎娶白富美、走上人生巅峰！想想都很激动。但是当你打开你的第一份文献，纳尼？？？这是神马？！

如果你在大学学过数学，或者研究过机器学习，你还是能够隐隐约约马马虎虎辨认出来这都是啥，慢慢看还能写成代码。但是对于很多人来说，这是WHAT？？？话说古时候象形文字都还挺形象挺直观的，这这这也太复杂了吧！

事实上，你想检验你是否真的看懂了这些方程，你可以试试用代码把这方程写出来。最最最厉害的，你还可以用通俗不晦涩的语言把这些玩意儿表达出来。在这篇文章中，分享了一些代码来描述数学符号的例子！往下看吧！

求和、求积符号

求和符号是数学中最有用、最常用的符号之一。它是迭代的符号，尽管它被涉及得复杂，实现却相当简单，而且非常有用。

# Python代码

x = [1, 2, 3, 4, 5, 6]

result = 0

for i in range(6):

result += x[i]

print(result)

# 输出为21

像看到的代码那样，求和符号用for循环表示，顶部的数字的范围是for循环的次数，下面的数字是循环变量。每次循环都把数加到result中，最后再输出结果。

与求和符号类似的，还有求积符号。

都用了同样的for循环，只是求和符号是把数加到结果中，而求积符号是把数乘到结果中。看看代码：

# Python代码

x = [1, 2, 3, 4, 5, 1]

result = 1

for i in range(6):

result *= x[i]

print(result)

# 输出为120

阶乘

阶乘的符号是!，它的运用同样十分广泛。那么更应该看看它的实现代码是怎样的。

例如5!的值是通过1×2×3×4×5求得，它的代码这样写：

# Python代码

result = 1

for i in range(1,6):

result *= i

print(result)

# 输出为120

分段函数

分段函数可以根据后面的条件，知道哪个变量该使用哪个表达式。对于程序员来说，if条件分支语句，可以很方便的实现这个功能：

# Python代码

i = 3

y = [-2, 3, 4, 1]

result = 0

if i in y:

result = sum(y)

elif i > 0:

result = 1

else:

result = 0

print(result)

# 输出为6

如上所示，括号中每一行的正确表示法指示了每条路径应该执行的内容。我将额外的“包含”符号添加到每个条件中，以增加更多的洞察力。如前所述，我们检查了i值是否在y列表中。认识到这一点后，我们返回了数组的和。如果i值不在数组中，我们将根据该值返回0或1。

每一行的表达式，都有唯一的条件来约束，符合条件才能执行对应的表达式。看看第三条语句，条件是y包含i，所以在用代码实现时，我们用in来检查i是否在y数组中。如果i不在y数组中，则i in y这条语句的值是false，否则是true。

看到这里，哦？简单？继续看下面！

矩阵的点乘和叉乘

最后介绍一下数据科学家最常用最喜欢——矩阵的乘法。最容易理解的形式是点乘运算。每行每列对应的元素相乘：

注意两个矩阵的行数相同、列数相同。

代码这样写：

# Python代码

y = [[2,1],[4,3]]

z = [[1,2],[3,4]]

x = [[0,0],[0,0]]

for i in range(len(y)):for j in range(len(y[0])):

x[i][j] = y[i][j] * z[i][j]

print(x)

# 输出为[[2, 2], [12, 12]]

最后看看典型的矩阵乘法过程----叉乘，在机器学习中最常用。第一个矩阵的每行的各元素，乘上第二个矩阵的每列的各元素，再把各个积相加，作为结果矩阵相应位置的元素。说起来很难懂，建议去看看动图，就一目了然了。

代码如下，使用numpy点方法：

# Python代码

y = [[1, 2], [3, 4]]

z = [[2], [1]]

x = [[0], [0]]

for i in range(len(y[0])):sum = 0for j in range(len(z)):

x[i][0] += y[i][j] * z[j][0]

print(x)

# 输出为[[4], [10]]

这只是几个例子。当然，为了提高效率，可以组合使用这些方法，并且通常有一个现成的库。但是对这些代码的理解可以让程序员更深刻得了解数学公式。