Python数据分析与挖掘 课件 第 3 章 NumPy数值计算基础.pptx

Python数据分析与可视化第3章NumPy数值计算基础

第3章NumPy数值计算基础NumPy是在1995年诞生的Python库Numeric的基础上建立起来的，但真正促使NumPy的发行的是Python的SciPy库。但SciPy中并没有合适的类似于Numeric中的对于基础数据对象处理的功能。于是，SciPy的开发者将SciPy中的一部分和Numeric的设计思想结合，在2005年发行了NumPy。NumPy是Python的一种开源的数值计算扩展库。它包含很多功能，如创建n维数组（矩阵）、对数组进行函数运算、数值积分等。NumPy的诞生弥补了这些缺陷，它提供了两种基本的对象：ndarray：是储存单一数据类型的多维数组。ufunc：是一种能够对数组进行处理的函数。NumPy常用的导入格式：importnumpyasnp2

3.1NumPy多维数组33.1.1创建数组对象3.1.2ndarray对象属性和数据转换3.1.3生成随机数3.1.4数组变换

3.1NumPy多维数组通常来说，ndarray是一个通用的同构数据容器，即其中的所有元素都需要相同的类型。利用array函数可创建ndarray数组。43.1.1创建数组对象

3.1NumPy多维数组1.利用array函数创建数组对象array函数的格式：np.array(object,dtype,ndmin)5参数名称说明object接收array，表示想要创建的数组dtype接收data-type，表示数组所需的数据类型，未给定则选择保存对象所需的最小类型，默认为Nonendmin接收int，制定生成数组应该具有的最小维数，默认为None表3-1.array函数的主要参数及说明

3.1NumPy多维数组1.利用array函数创建数组对象array函数的格式：np.array(object,dtype,ndmin)6importnumpyasnpdata1=[1,3,5,7]#列表w1=np.array(data1)print(w1:,w1)data2=(2,4,6,8)#元组w2=np.array(data2)print(w2:,w2)data3=[[1,2,3,4],[5,6,7,8]]#多维数组w3=np.array(data3)print(w3:,w3)w1:[1357]w2:[2468]w3:[[1234][5678]]输出：

3.1NumPy多维数组在创建数组时，NumPy会为新建的数组推断出一个合适的数据类型，并保存在dtype中，当序列中有整数和浮点数时，NumPy会把数组的dtype定义为浮点数据类型。array函数中指定dtype。In[2]:w3=np.array([1,2,3,4],dtype=float64)print(w3.dtype)Out[2]:float64

3.1NumPy多维数组2.专门创建数组的函数arange函数：创建等差一维数组格式：np.arange([start,]stop,[step,]dtype)8参数名称说明start:起始值，默认从0开始;stop:结束值；生成的元素不包括结束值；step步长，可省略，默认步长为1；dtype设置元素的数据类型，默认使用输入数据的类型。例：

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。【例3-4】指定起始值、终值及步长参数的arange。In[4]:warray=np.arange(0,1,0.2)print(warray)Out[4]:[0.0.20.40.60.8]

3.1NumPy多维数组2.专门创建数组的函数linspace函数：创建等差一维数组，接收元素数量作为参数。格式：np.linspace(start,stop,num,endpoint,retstep=False,dtype=None)10参数名称说明start:起始值，默认从0开始;stop:结束值；生成的元素不包括结束值；num要生成的等间隔样例数量例：

3.1NumPy多维数组2.专门创建数组的函数logspace函数：创建等比一维数组格式：np.logspace(start,stop,num,endpoint=True, base=10.0,dtype=None))11logspace的参数中，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。例：

3.1NumPy多维数组2.专门创建数组的函数zeros函数：创建指定长度或