实验二numpy数值计算.docxVIP

实验二 Numpy数值计算 .实验类型 设计研究 .实验目的和要求 掌握Numpy数组对象的创建和随机数的生成; 掌握Numpy数组对象的索引与变换； 掌握Numpy中读/写文件的方法； 能利用Numpy进行简单的统计分析。 .实验内容 题目一：创建数组并计算 ? 创建100个服从正态分布的随机数，数组形态为2维数组。 ?创建两个数组，进行四则运算。 题目二：电子商务数据统计分析 项目介绍： 随着社会经济的发展，人们对服装的需求越来越多样化，而女性服装的变化也 成为值得分析的一个关注点。这个项目的目的是对女性的服装进行分析，以了解 客户对女性服装的态度。 数据集分析 项目的数据集内容主要是客户对服装的评论，数据集包括23486行和8个特征 变量(列数，不包含索引列)，而每一行包含了一个客户对服装的评论和其他相 关信息。 ? Clothing ID：服装的唯一 ID号 Age：评论者的年龄 Rating:评论员对服装的评级，从1到5, 1最差，5最好 Recommended IND:服装是否被评论家推荐，推荐为1,不推荐为0 Positive Feedback Count：正反馈计数 Division Name：服装高级分类的分类名称 Department Name：服装部门名称的分类名称 Class Name：服装分类名称 基于Numpy,完成以下内容： 1） 使用numpy相应的读文件数据方法，根据给定列Clothing ID Age、 Recommended IND Class Name获得相应的数据集，并统计Clothing ID的评论 数，我们希望仅对评论数大于300的Clothing ID的数据进行分析，要求输出评 论数大于300的Clothing ID与相应的评论数，结果按照评论数从大到小排列。 2） 统计在评论数大于300的Clothing ID评论中，对应评论者的年龄段分布, 其中年龄段包括：青少年（小于20岁）、青年（20-39岁）、中年（40-59岁）、老年（大 于60岁）。输出格式：在Clothing ID为xx的评论中，青少年评论数有xx条，青 年评论数有xx条，中年评论数有xx条，老年评论数有xx条。 3） 计算评论数大于300的Clothing ID的受欢迎程度。计算公式为：推荐数/总 评价数。比如Clothing ID=1的有10条评论，其中有5条为被推荐，则Clothing ID=1的评论次数为10,推荐次数为5,该服装的受欢迎程度为：5/10=0.5。要求 输出Clothing ID与受欢迎程度。 4） 使用numpy相应的写文件数据方法，将上述的Clothing ID的统计信息保 存到csv文件中。 其中标题栏为：ID,类别，受欢迎指数，总评论数,青少年评论数，青年评论数，中年 评论数，老年评论数 4.实验背景知识 NumPy（NumericalPython）是高性能科学计算和数据分析的基础包。它是本课介 绍的几乎所有高级工具的构建基础。具体应用参考课程代码。 4.1数组创建 1）用array函数来创建数组 可以将列表、元组、嵌套列表、嵌套元组等给定的python序列转化为数组 In [1]: import numpy as np #创建_个—维数页，参数Python的单元素List a = np. array ([1, 2, 3, 4, 5, 6, 7, 8, 9, 10]) a Out [1]: array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]) In [2]: #创建- b = np. b -个二维数组,参数为Python的嵌套List array ([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]]) Out [2]: array( er [1, 2, 3, 4, 5], [6, 7, 8, 9, 10]]) 使用numpy函数创建数组 arange函数：类似于python的range函数，通过指定开始值、终值和步 长来创建一维数组 linspace函数：linspace函数通过指定开始值、终值和元素个数来创建一 维数组 logspace函数:创建等比数列 zeros：创建一个用指定形状用0填充的数组 eye：创建一个主对角线为1,其它为0的数组 diag:创建一个除对角线全为0的数组 ones(shape):创建一个用指定形状用1填充的数组 通过生成随机数的np.random模块创建数组 np.(shape):生成0到1之间的n个随机数 np. (shape)返回一个符合标准正态分布的数组(均值0,方差1) np.nt (m,n,size)生成一个给定上下限范围的随机数数组([m,n))左闭右 4.2数组常用属性 返回血。表示数组的维