数据分析与可视化 课件全套 电子 第1--7章 numpy_基础---时间序列数据分析.pptx

第1章 NumPy数值计算基础Numpy数据集生成Numpy矩阵运算Numpy切片Numpy数据选择Numpy环境配置Numpy数据集的读取与存储方法5641231.1：Numpy环境配置认识Numpy下载安装认识numpy什么是numpyNumPy 的全称是“ Numeric Python”，它是 Python 的第三方扩展包，主要用来计算、处理一维或多维数组。在数组算术计算方面， NumPy 提供了大量的数学函数。NumPy 的底层主要用 C语言编写，因此它能够高速地执行数值计算。NumPy 还提供了多种数据结构，这些数据结构能够非常契合的应用在数组和矩阵的运算上。 NumPy 的前身是 Numeric 程序包，该包由 Jim Hugunin 开发，在这之后，他还开发了另一个类似的的程序包 Numarray，相比前者而言 Numarray 具有更加全面的功能 。在 2005 年，Travis Oliphant 通过整合 Numarray 与 Numeric 软件包的功能，从而集成了 NumPy。NumPy 的最新版本 1.19.2 已于 2020 年 9 月10 日发布。认识numpyNumPy使用需求随着数据科学（Data Science，简称 DS，包括大数据分析与处理、大数据存储、数据抓取等分支）的蓬勃发展，像 NumPy、SciPy（Python科学计算库）、Pandas（基于NumPy的数据处理库） 等数据分析库都有了大量的增长，它们都具有较简单的语法格。在矩阵乘法与数组形状处理上，NumPy 有着非常不错的性能，再加上 NumPy 的计算速度很快，这些都是 NumPy 成为一款数据分析工具的重要原因。NumPy 可以很便捷高效地处理大量数据，那么使用 NumPy 做数据处理有哪些优点呢？NumPy 是 Python 科学计算基础库；NumPy 可以对数组进行高效的数学运算；NumPy 的 ndarray 对象可以用来构建多维数组；NumPy 能够执行傅立叶变换与重塑多维数组形状；NumPy 提供了线性代数，以及随机数生成的内置函数。认识numpyNumPy应用场景NumPy 通常与 SciPy（Python科学计算库）和 Matplotlib（Python绘图库）等软件包组合使用，这种组合方式被用来广泛地代替 MatLab 的使用。MatLab 是一款强大的数学计算软件，广泛应用在数据分析、电子通信、深度学习、图像处理、机器视觉、量化金融等领域，但近些年随着 Python 语言的迅猛发展，Python 被看作是一种更适合代替 MatLab 的编程语言。您可以使用 NumPy、SciPy 与 Matplotlib 等 Python 工具包搭建科学计算环境，比如 Anaconda 就是是一个开源的 Python 发行版本，它包含了 Python 、NumPy 等 180 多个科学包及其依赖项。下载安装NumPy 是 Python 的第三方扩展包，但它并没有包含在 Python 标准库中，因此需要单独安装它。Windows系统安装使用 Python 包管理器pip来安装 NumPy，是一种最简单、最轻量级的方法。只需执行以下命令即可： pip install numpy 以上命令是在安装了python安装包，进入cmd下输入命令 执行 下载安装In [1]: import numpy as np #导入NumPy并指定别名npIn [2]: print(np.__version__)#输出NumPy的版本号 1.19.5安装成功 打开 Python 交互解释器(或Jupyter，推荐！） ，并导入 NumPy 模块，如下图 所示如果未出现错误提示，则表示已安装成功。下载安装如果安装的是Anaconda 点击anconda prompt 直接执行 pip list 或者conda list查看numpy，一般都有安装，不用从新安装1.2： N维数组的本质NumPy数组的两种视图1.3　N维数组的本质 ndarray对象创建ndarray对象 通过 NumPy 的内置函数 array() 可以创建 ndarray 对象，其语法格式如下：numpy.array(object, dtype = None, copy = True, order = None,ndmin = 0)ndarray对象：dtype数组的常用属性 In [1]: import numpy as np #导入Numpy软件包In [2]: my_array = np.arange(0,10)#创建一个取值范围为0～9的一维数组序列In [3]: my_array.dtype #查看数组元素的类型Out[3]: dtype(int64)ndarr