Python数据分析 第11章 numpy数值计算基础.pptxVIP

;NumPy概述

数组的创建

数组的基本操作

矩阵的基本操作

NumPy常用统计分析函数

;简介

NumPy（NumericalPython）是Python中一个开源的数值计算库，它为Python提供了支持多维数组和矩阵运算的高效工具，同时也提供了许多数学函数库。

NumPy由TravisOliphant于2005年创建，目前由社区驱动，并且是许多科学和工程领域中最受欢迎的Python库之一。

NumPy通常与?SciPy（ScientificPython）和?Matplotlib（绘图库）一起使用。这种组合广泛用于替代MatLab，是一个流行的技术计算平台。;功能

使用NumPy，开发人员可以执行以下操作：

一个强大的N维数组对象Array，用于数组的算术和逻辑运算。

比较成熟的（广播）函数库；

用于整合C/C++和Fortran代码的工具包

傅立叶变换和用于图形操作的例程。

与线性代数有关的操作。NumPy拥有线性代数和随机数生成的内置函数;优势

高效的数组操作

NumPy的核心是一个称为ndarray的多维数组对象，它可以存储相同类型的数据，并且支持高效的元素级操作。与Python的原生列表相比，NumPy数组的操作速度更快，这是因为NumPy数组在底层使用了C语言实现，并且采用了预编译的代码优化技术。

广播功能

NumPy的广播功能使得对不同形状的数组进行运算变得更加容易和高效。在进行算术运算、逻辑运算或者其他数组操作时，NumPy会自动调整参与运算的数组的形状，使其能够兼容，从而简化了代码编写和理解。;优势

强大的线性代数运算

NumPy提供了丰富的线性代数函数和运算符，可以进行矩阵乘法、矩阵求逆、特征值与特征向量计算等操作。这些功能对于科学计算、信号处理、图像处理等领域的数学建模和计算非常有用。

数学函数库

NumPy还包含了大量的数学函数，包括三角函数、指数函数、对数函数、统计函数等。这些函数可以直接应用于NumPy数组，极大地方便了科学计算和数据处理任务的实现。;优势

广泛的应用领域

由于NumPy具有高效的数组操作、广播功能和丰富的数学函数库，它在科学计算、工程建模、数据分析、机器学习等领域都得到了广泛的应用。

许多其他Python库和工具，如SciPy、Pandas、Matplotlib等都是基于NumPy构建的，这使得NumPy成为了Python生态系统中不可或缺的一部分。;NumPy概述

数组的创建

数组的基本操作

矩阵的基本操作

NumPy常用统计分析函数

;ndarray对象

NumPy中定义的最重要的对象是称为?ndarray?的N维数组类型，它描述相同类型的元素集合。可以使用基于零的索引访问集合中的项目。

ndarray中的每个元素在内存中使用相同大小的块，?ndarray中的每个元素是数据类型对象的对象（称为?dtype）。

从ndarray对象提取的任何元素（通过切片）由一个数组标量类型的Python对象表示。;ndarray对象

下图显示了ndarray、数据类型对象(dtype)和数组标量类型之间的关系;利用array函数创建简单数组对象

创建方法

主要参数及说明

;利用array函数创建简单数组对象

从python列表创建数组

;利用array函数创建简单数组对象

从python元组创建数组

;利用array函数创建简单数组对象

具有ndmin和dtpye参数

;利用array函数创建简单数组对象

数组复制

当运算和处理数组时，为了不影响到原数组，需要对原数组进行复制。

数组的复制通过copy参数实现

;利用empty函数创建指定维度和未初始化的数组

创建方法

主要参数及说明;利用arange函数创建等差一维数组

创建方法

主要参数及说明

;利用arange函数创建等差一维数组

arange函数可以指定开始值、终值和步长创建一维数组，创建的数组不包含终值

创建示例

;利用arange函数创建等差一维数组

创建方法

主要参数及说明

;利用logspace函数创建等比一维数组

创建方法

start,stop代表的是10的幂，默认基数base为10，第三个参数元素个数

;利用zeros函数创建指定长度或形状的全0数组

创建方法

参数及意义

;利用ones函数创建指定长度或形状的全1数组

创建示例

;利用ones函数创建指定长度或形状的全1数组

创建方法

参数及意义

;利用zeros函数创建