数组数据的处理与分析数据分组批量处理90课件讲解.pptxVIP

数组数据的处理与分析

-数据分组批量处理

任务描述

任务描述：

使用NumPy对于一组数据进行分组与批量处理。

主要内容：

1.数据分组的好处

2.NumPy的分组方法

3.NumPy分组的应用场景

数据分组批量处理

NumPy

l将数据按照某种规则进行分组，可以使数据处理过程更加高效。

l使用数据分组可以让代码更具有可重用性。

数据分组的好处

NumPy进行大规模数据处理时，数据分组的

好处非常明显。

（1）提高代码运行效率

（2）方便扩展数据处理流程

（3）便于数据可视化

（4）增加代码可读性

NumPy分组方法

（1）np.split()

np.split()该方法可以将一个数组沿着指定的轴分割成若干个子数组，并返回一个包含

这些子数组的列表。需要指定每个子数组的大小，可以通过整数、列表或元组来指定不同的

大小。

（2）np.ndarray.reshape()

np.ndarray.reshape()该方法可以调整数组的维度，将一个多维数组转化为另一个多

维数组，返回一个新的数组对象，而非视图或引用。

（3）np.histogram()

np.histogram()该方法用于对数组进行直方图统计，返回每个区间内数值出现次数的

数组。可用于数组的数值分布分析。

NumPy分组的应用场景

数据清洗和预处数据探索和可视

统计分析和建模

理化

l数据通常包含不同类别l在可视化过程中，分组l通过将数据划分为不同组

别，我们可以计算每个组

或属性的对象，为了更信息可以用于对各种图

别的均值、标准差和百分

表（如直方图、散点图、

好地分析和理解数据，比等统计量，然后通过比

我们需要对它们进行分热力图和雷达图等）进较这些统计量或使用分布

行分类展示，以得出更

组，并对每个小块执行图表，来估计模型参数、

有合理性和直观性的数检验假设或进行拟合验证

特定的操作。

据呈现效果。等任务。

数据分组批量处理

关键步骤讲解

对于数据进

导入NumPy

准备数据集行分组创建

库

画布

分组数据进

数据图表化

一步处理