Python数据分析基础第4章NumPy 数组与矢量计算 .pptxVIP

第4章 NumPy 数组与矢量计算; NumPy（Numerical Python的缩写）是一个开源的Python科学计算库，它是一个由多维数组对象和用于处理数组的例程集合组成的库。 1. NumPy的基本功能如下。 提供了一个具有矢量算术运算和复杂广播功能的快速且节省空间的多维数组对象ndarray。 用于对数组执行元素级计算以及直接对数组执行数学运算的函数。 用于读写硬盘上基于数组的数据集的工具，以及用于操作内存映射文件的工具。 提供了线性代数、随机数生成以及傅立叶变换功能。 用于集成由C、C++、Fortran等语言编写的代码的工具。 在数据分析方面，NumPy还可作为在算法之间传递数据的容器。 ; 2. 在Python中使用NumPy的优势 ① 在数值计算时，使用NumPy能够直接对数组和矩阵进行操作。 ② NumPy中数组的存储效率和输入输出性能均远远优于Python中等价的基本数据结构。 ③ NumPy的大部分代码都是用C语言写成的，这使得NumPy比纯Python代码高效得多。 ④ NumPy通常与SciPy（Scientific Python）和Matplotlib（绘图库）一起使用。 ⑤ NumPy是开源的库。 ; 1. 测试Python环境中是否安装了NumPy 在Windows操作系统下，按【win】+【r】键，进入cmd命令窗口，输入“python”命令，按回车键，进入Python命令窗口。在Python命令窗口中输入“from numpy import *”命令，如果在命令窗口中出现“ModuleNotFoundError:No module named ‘numpy’”的错误提示，则需要安装NumPy。 在Windows操作系统下安装NumPy方法 PyCharm 安装 NumPy方法 ; SciPy是世界著名的Python开源科学计算库，它是建立在NumPy基础之上，增加了众多的数学、科学以及工程计算中常用的库函数。它增加的功能包括插值、积分、最优化、统计、线性代数、傅里叶变换、图像处理和常微分方程求解器等一些专用函数。 与NumPy库相同，SciPy也是需要单独安装，安装步骤如下。 1. 测试Python环境中是否安装了SciPy 2. 在Windows操作系统下安装SciPy 3. PyCharm 安装SciPy ; 在科学计算中，常常会遇到数组和矩阵的计算，如有两个一维数组x和y，其中，x的值为0-10的整数，y的值为0-10的整数的平方，需要计算x与y的一维数组相加。 1. 利用Python的循环语句来实现两个一维数组相加示例 2. 利用NumPy实现两个一维数组相加的示例 3. 比较两种方法的计算速度; NumPy提供了两种基本对象：ndarray（N-dimensional Array Object）和ufunc（Universal Function Object）。其中ndarray是一个多维数组对象，而ufunc则是能够对数组进行处理的函数。 NumPy数组一般是同质的（但特殊的数组类型可以是异质的），即数组中所有元素的数据类型必须一致。NumPy数组的下标也是从0开始的。数组元素的数据类型用数据类型对象表示，数据类型对象是numpy.dtype类的实例。; 利用NumPy提供的array()函数可以创建一维或多维数组，其基本语法格式如下。 numpy.array(object,dtype=None,copy=True,order=None, subok=False,ndmin = 0) 其中： object：表示想要创建数组，无默认。 dtype：表示数组的所需要的数据类型，默认为None。 ndmin：指定生成数组应该具有的最小维数，默认为None。 在创建数组时，object是唯一必要的参数，其余参数均为默认的可选参数。 ;创建数组后，选取数组中的某个特定元素的方法如下。 数组名[m,n] ??? 其中m 和 n 为数组元素下标。注意，数组的下标是从0开始。 例如在example4-3示例中，创建了一个二维数组arr2，arr2数组元素及与其对应的位置如表4-1、表4-2所示。 ;数组的属性及说明如表4-3 所示 ;1. 使用arange()函数创建一维数组 2. 使用linspace()函数创建数组 3. 使用lo