Python数据分析及应用 课件 第10、11章 NumPy科学计算、 Python机器学习.pptx

;目录;NumPy科学计算

（1）知识目标：理解在NumPy中一维、二维和n维数组之间的区别。

（2）技能目标：掌握如何在n维数组上应用一些线性代数操作，而不使用for循环。

（3）素质目标：具备使用NumPy表示不同类型的数据以及使用不同NumPy科学计算来处理数据的能力。

;NumPy科学计算

在数据分析和处理领域，Python已经成为事实上的标准语言，这主要得益于它简洁的语法、强大的标准库，以及丰富的第三方库。在数据处理方面，NumPy是核心的Python库，它有着不可替代的角色和功能。NumPy是进行科学计算的基础库，它提供了一个高性能的多维数组对象——ndarray，以及一系列数学函数。NumPy数组相比于Python原生的列表，具有类型统一、内存高效、随机访问快等优点，这使得在进行大规模数值计算时，能够显著提高效率和速度。了解并熟练使用NumPy是深入学习数据科学和机器学习的基石，几乎所有的数据科学领域的工作都会涉及到NumPy。

;创建NumPy数组

python提供array模块，但是array不支持多维，也没有各种运算函数，不适合做数值运算。?而numpy提供的同质多维数组ndarray正好弥补以上不足。

NumPy的数组类称为ndarray。;创建NumPy数组

NumPy数组的ndarray对象的属性如下：;创建NumPy数组

实例10-1建立一个NumPy数组对象a,并查看NumPy数组对象的属性：

建立一个NumPy数组对象a：

importnumpyasnp

a=np.arange(15).reshape(3,5)

a

程序运行结果：

array([[0,1,2,3,4],

[5,6,7,8,9],

[10,11,12,13,14]])

;创建NumPy数组

实例10-1建立一个NumPy数组对象a,并查看NumPy数组对象的属性：

查看数组a的维度：

a.shape

程序运行结果：

(3,5)

查看数组a的轴（维度）数量：

a.ndim

程序运行结果：

2

查看数组a中元素类型的对象:

a.dtype.name

程序运行结果：

int64

;创建NumPy数组

实例10-1建立一个NumPy数组对象a,并查看NumPy数组对象的属性：

查看数组a中每个元素的字节大小:

a.itemsize

程序运行结果：

8

查看数组a中元素的总个数:

a.size

程序运行结果：

15

查看数组a的对象类型：

type(a)

程序运行结果：

classNumPy.ndarray

;10.1.1从列表和其他类数组对象创建数组

NumPy.array()函数从常规Python列表或元组创建NumPy数组。

实例10-2从python列表创建一NumPy数组。

importnumpyasnp

list1=[0,1,2,3,4,5]

arr_from_list=np.array(list1)

print(arr_from_list)

arr_from_list.dtype

程序运行结果：

[012345]

dtype(int32);10.1.1从列表和其他类数组对象创建数组

实例10-3从嵌套列表创建一NumPy二维数组。

importnumpyasnp

arr_from_nested_list=np.array([[0,1,2],[3,4,5]])

print(arr_from_nested_list)

程序运行结果：

[[012]

[345]];10.1.2创建特殊NumPy数组

1、NumPy.zeros()函数创建一个全0数组。

实例10-4创建一形状为(4,5)的全零NumPy数组。

importnumpyasnp

zeros_array=np.zeros((4,5))

zeros_array

程序运行结果：

array([[0.,0.,0.,0.,0.],

[0.,0.,0.,0.,0.],

[0.,0.,0.,0.,0.],

[0.,0.,0.,0.,0.]])

;10.1.2创建特殊NumPy数组

2、NumPy.ones()函数创建全1数组。

;10.1.2创建特殊NumPy数组

3、NumPy.arange()创建一个增量序列（等差序列）的一维数组，可以灵活地指定起始值、结束值和步长来生成需要的数组。

实例10-5生成从16到1的一维数组，步长为-1：

im