np.random.multivariate_normal方法用于根据实际情况生成一个多元正态分布矩阵，其在Python3中的定义如下：

def multivariate_normal(mean, cov, size=None, check_valid=None, tol=None)

其中mean和cov为必要的传参而size，check_valid以及tol为可选参数。

mean：mean是多维分布的均值维度为1；

cov：协方差矩阵（协方差基本概念戳这里），注意：协方差矩阵必须是对称的且需为半正定矩阵；

size：指定生成的正态分布矩阵的维度（例：若size=(1, 1, 2)，则输出的矩阵的shape即形状为 1X1X2XN（N为mean的长度））。

check_valid：这个参数用于决定当cov即协方差矩阵不是半正定矩阵时程序的处理方式，它一共有三个值：warn，raise以及ignore。当使用warn作为传入的参数时，如果cov不是半正定的程序会输出警告但仍旧会得到结果；当使用raise作为传入的参数时，如果cov不是半正定的程序会报错且不会计算出结果；当使用ignore时忽略这个问题即无论cov是否为半正定的都会计算出结果。

# -*- coding:utf-8 -*-

import serial

from socket import *

import time

host = ''

port = 13142

bufsize = 1024

addr = (host, port)

def serialmode():

ser = serial.Serial("com6", 115200)

sdata = ser.readline().decode("GB2312")

while True:

a, b, c = sdata.split(",")

print(a, b, c)

def UDPmode():

udpServer = socket(AF_INET, SOCK_DGRAM)

udpServer.bind(addr) # 开始监听

print("Waiting for connection....")

while True:

data, xxx = udpServer.recvfrom(bufsize)

data = data.decode(encoding='ascii')

print(data, end=" ")

print("nowtime:", time.strftime("%Y-%m-%d %H:%M:%S", time.localtime()))

if __name__ == '__main__':

serialmode()

UDPmode()

Math库是不需要单独安装的，是python自带的标准库，官方文档的介绍是：math ---数学函数，该模块提供了对C标准定义的数学函数的访问。这些函数不适用于复数;如果你需要计算复数，请使用cmath模块中的同名函数。将支持计算复数的函数区分开的目的，来自于大多数开发者并不愿意像数学家一样需要学习复数的概念。得到一个异常而不是一个复数结果使得开发者能够更早地监测到传递给这些函数的参数中包含复数，进而调查其产生的原因。该模块提供了很多函数。除非另有明确说明，否则所有返回值均为浮点数。常用的函数有：

import math #引入math库并不需要pip安装

print(math.fabs(-6.0)) #求绝对值

#6.0

print(math.pow(2,3)) #返回2的3次方

#8.0

print(math.ceil(4.8)) #向上取整

#5

print(math.floor(4.8)) #向下取整

#4

print(math.sqrt(9)) #求平方根

#3.0

print(math.fsum([1,2,3])) #求一个序列的和

#6.0

print(math.factorial(3)) #求阶乘

#6

math库不能解决小数位数不确定的情况，它仅仅相当于在python基本的计算方式上，扩展了一些计算。当然python本身也可以进行一些简单的运算：

print(2+3)

#5

print(3-2)

#1

print(2*3)

#6

print(3/2)

#1.5

print(2**3)

#8

print(2.0+3.0)

#5.0

print(2+3.0)

#5.0

print(abs(-6.0))

#6.0

print(3+5j)

#(3+5j)

print(0.2+0.1)

#0.30000000000000004