数组数据的处理与分析测试数据的批量生成下45课件讲解.pptxVIP

数组数据的处理与分析-测试数据的批量生成（下）

任务描述任务描述：使用NumPy生成符合正态分布的测试数据并绘制成直方图主要内容：1.了解什么是NumPy是什么？2.NumPy的优势有哪些？3.NumPy的内存风格4.NumPy下载并导入5.NumPy常用的属性与方法

NumPy属性（1）shapeshape是一个元组，包含了数组的形状信息，即数组每个维度的长度。（2）ndim返回数组的维度数量。（3）dtype数组元素的数据类型。（4）size返回数组中元素的总数。（5）itemsize返回数组中每个元素所占用的字节数。

NumPy常用方法（1）numpy.random.rand()使用NumPy库的`np.random.rand(d0,d1,...,dn)`方法可以生成位于[0,1)范围内的均匀分布的随机数，其中d0~dn表示输出数组的形状。（2）numpy.random.randn()使用此方法可以生成标准正态分布的随机数，其函数原型为np.random.randn(d0,d1,···,dn)，其中d0~dn表示输出数组的格式。（3）numpy.random.randint()使用此方法可以生成任意范围内的整数随机数，其函数原型为np.random.randint(low,high=None,size=None,dtype=l’)，其中low和high表示生成随机数的区间，size表示数组的维度。

NumPy常用方法（4）np.random.normal()np.random.normal()可以生成具有正态分布特性的随机样本值，其中能够传入三个参数，第一个参数是正态分布的均值，第二个参数是正态分布的标准差，第三个参数是数组的形状。（5）np.random.uniform()np.random.uniform（）可以生成在指定范围内的均匀分布的随机数，其中能够传入三个参数，第一个参数为最小值，第二个参数为最大值，第三个参数为数组的形状。

测试数据的生成关键步骤讲解导入NumPy库生成测试数据绘制成图表进行验证导出文件

导入NumPy库1、在书写代码前，首先需要导入NumPy库importnumpyasnpimportmatplotlib.pyplotaspltimportmatplotlibasmpl导入后，便可以使用numpy进行数组数据的批量处理。这里将当前任务用到的包同时导入，并设置字体，解决乱码问题。mpl.rcParams[font.sans-serif]=[SimSun]mpl.rcParams[axes.unicode_minus]=False

生成测试数据2.为了测试方便，让数据展示更加直观，这里生成一个均值为20，标准差为10的由1000000个数据点组成的数据集。也可以结合爬虫爬取到的文件数据进行测试。这里可以使用NumPy的random.normal()方法data=np.random.normal(loc=20,scale=10,size=1000000)这里，loc表示均值，scale表示标准差，size表示要生成数据集的大小。

绘制成图表进行检验3、Matplotlib中的pyplot子模块，可以轻松地绘制出直方图。plt.hist(data,bins=100)#添加标题和坐标轴标签plt.title(测试数据直方图)plt.xlabel(值)plt.ylabel(频率)

导出文件4、最后对于测试数据进行显示并导出。首先，对该对象调用savefig()方法，指定文件名进行导出；最后，通过show方法对于数据进行展示。#导出文件plt.savefig(histogram.png,dpi=300)#显示图形plt.show()

任务小结测试数据的生成导入NumPy库生成测试数据导出文件绘制成图表进行检验